Obtén resultados de navegación personalizados

La navegación es una búsqueda de navegación que no tiene una consulta. La exploración usa métodos de navegación para mostrar los resultados de la búsqueda que coinciden con las categorías o los filtros seleccionados por el usuario final. Cuando se usa en colaboración con la participación del usuario, puedes ofrecer a tus usuarios una navegación personalizada. La navegación personalizada proporciona feeds en tiempo real y específicos para cada usuario en función del historial de interacción y las características del contenido. Su objetivo es optimizar los resultados de la búsqueda para los KPIs definidos y, al mismo tiempo, cumplir con tus controles estratégicos. Por ejemplo, un sitio web de bienes raíces puede tener diferentes páginas principales para sus usuarios en Londres, Reino Unido, y en Sídney, Australia; un sitio web de compras puede ofrecer resultados personalizados según el perfil del usuario.

En esta página, se describe cómo obtener resultados de exploración para almacenes de datos de búsqueda personalizados y algunas prácticas recomendadas para configurar tu app de búsqueda.

Acerca de la exploración personalizada

La navegación personalizada de Vertex AI Search usa redes neuronales para clasificar los documentos según la participación y la conversión predichas del usuario. Por ejemplo, con la navegación personalizada, puedes publicar entradas clasificadas en un catálogo de hoteles o artículos en un sitio web, y mostrárselos a los usuarios en función de la probabilidad prevista de clics o consultas.

En esencia, la exploración personalizada es un modelo sofisticado que aprende las relaciones complejas entre los patrones de navegación de los usuarios, el contenido y las características de tus documentos, y los eventos de conversión de los usuarios. Estas son algunas funciones importantes:

  • Clasificación: El modelo clasifica los elementos según el rendimiento previsto en relación con el objetivo definido, que está sujeto a los parámetros de búsqueda configurados, como los filtros, la clasificación personalizada y los controles de publicación (como la potenciación, la promoción o los sinónimos).

  • Entrenamiento y perfeccionamiento: Después del entrenamiento inicial, el modelo se perfecciona de forma continua con transmisiones en vivo de eventos del usuario. El modelo se adapta y mejora con el tiempo.

  • Diversidad: El modelo aprende de forma implícita sobre la diversidad, ya que registra los indicadores negativos de la no interacción, como los vínculos ignorados, el tiempo que se pasa en una página y las tasas de salto.

En la siguiente tabla, se presentan las diferencias entre la búsqueda y la exploración.

Función Buscar Explorar
Objetivo Cómo encontrar información específica Explorar y descubrir contenido
Ejemplo Búsqueda de "los mejores restaurantes coreanos en Vancouver" en la Búsqueda de Google Buscar un restaurante según las categorías a las que podría pertenecer, como "Restaurantes > Coreanos > Vancouver > 4 estrellas y más"
Intención del usuario Suelen estar orientadas a objetivos Exploratorio
Punto de partida Una búsqueda o palabra clave, por lo general, en una barra de búsqueda Un sitio web o una plataforma específicos que suelen usar un menú, rutas de navegación, vínculos o algún otro método de navegación, como facetas
Método Ingresar palabras clave o frases y aplicar la configuración de búsqueda y publicación Búsqueda con una consulta vacía y aplicación de la configuración de búsqueda y entrega
Resultados Una lista de resultados relevantes Todos los documentos del almacén de datos que coinciden con los filtros

Flujo de trabajo y prácticas recomendadas

La exploración personalizada es un servicio administrado por Google, y Google se encarga de los modelos de aprendizaje profundo y las canalizaciones de datos subyacentes. Para aprovechar al máximo este servicio, cuando desarrolles tu app de búsqueda, tus responsabilidades técnicas principales incluirán lo siguiente:

  • Aprovisionamiento de datos: Recopila y proporciona un almacén de datos integral de documentos y eventos de usuario.
  • Definición del objetivo: Especifica los KPI para la optimización, como el porcentaje de clics (CTR), las acciones de alto valor y los ingresos por sesión con los eventos del usuario proporcionados. Asegúrate de que los tipos de eventos de usuario que recopilas admitan los objetivos.
  • Parámetros de búsqueda: Define y configura los parámetros de búsqueda y los controles de publicación en tu solicitud de búsqueda. Por ejemplo, los períodos para filtrar los artículos o las fichas permitidos, o bien los controles de potenciación para reordenar los blogs según sus calificaciones.

En una app de búsqueda de AI Applications, explorar es buscar sin una consulta o con una consulta vacía. Para obtener resultados de la navegación en un almacén de datos de búsqueda personalizada, puedes llamar al método search y dejar la consulta vacía.

En términos generales, estos son los pasos para obtener los mejores resultados de la exploración personalizada:

  1. Tener datos correctos y coherentes:

  2. Prepara y procesa tus documentos:

  3. Prepara y procesa eventos de usuario:

    • Prepara al menos 30 días de eventos de usuario para el entrenamiento inicial del modelo. Puedes usar eventos históricos de los usuarios o eventos de usuarios en tiempo real, o ambos. Los eventos en tiempo real generan mejores resultados de personalización.
    • Registra y comparte el evento search (que se usa para captar datos de navegación), el evento view-item y el evento conversion.
    • Todos los eventos de usuario deben incluir lo siguiente:
      • eventType, como search para la búsqueda y la navegación, view-item y conversion
      • userPseudoId, que es un identificador de usuario seudonimizado coherente.
      • eventTime, que es una marca de tiempo ISO 8601 (UTC) que indica cuándo se registró el evento.
      • documents.id Se muestran en el orden en que aparecen al usuario que coincide con los IDs de documento.
      • searchInfo.searchQuery para registrar la búsqueda del usuario.
      • pageInfo.pageCategory que agrega un contexto, como "Carrusel de la página principal", "Propiedades > VIC > Richmond".
      • filter que describe la lógica del filtro que se usa para generar la lista de impresiones. Esto se suele capturar en el campo pageCategory o a través de la comprensión del sistema.

    Para obtener más información, consulta userEvents.

  4. Habilita el entrenamiento de modelos y la canalización del modelo:

    Después de preparar tus datos y recopilar los eventos del usuario, comunícate con tu ingeniero de atención al cliente (CE) de Google. El CE puede revisar tus datos y activar el modelo de personalización para tu app.

  5. Obtén resultados de exploración personalizados

    Agrega más campos a tu solicitud de búsqueda, como filtros y ajustes de clasificación, como la clasificación personalizada o el aumento.

  6. Mantén tus datos actualizados:

    Con el tiempo, mantén actualizados los documentos de tu almacén de datos y sigue subiendo eventos de usuario nuevos. Esto garantiza que el modelo pueda acceder a los documentos y las interacciones del usuario más recientes para ofrecer resultados personalizados.

Cómo obtener resultados de exploración para una app con datos de sitios web

Para usar la API y obtener resultados de exploración de una app con datos del sitio web, haz lo siguiente:

  1. Busca el ID de tu app. Si ya tienes el ID de tu app, ve al siguiente paso.

    1. En la consola de Google Cloud , ve a la página AI Applications.

      Ve a Apps.

    2. En la página Apps, busca el nombre de tu app y obtén su ID en la columna ID.

  2. Llama al método engines.servingConfigs.search con una consulta vacía o sin consulta de la siguiente manera:

    REST

    curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/engines/APP_ID/servingConfigs/default_search:search" \
-d '{
"servingConfig": "projects/PROJECT_ID/locations/global/collections/default_collection/engines/APP_ID/servingConfigs/default_search",
"orderBy": "ORDER_BY",
"params": {
     "searchType": "0"
 },
"filter": "FILTER",
"boostSpec": "BOOST_SPEC",
}'

    Reemplaza lo siguiente:

    • PROJECT_ID: Es el ID de tu proyecto de Google Cloud .
    • APP_ID: Es el ID de la app de Vertex AI Search que deseas consultar.
    • ORDER_BY: es opcional. Es el orden en el que se organizan los resultados. El atributo según el cual se ordena debe tener una interpretación numérica; por ejemplo, date. Para obtener más información, consulta Cómo ordenar los resultados de la búsqueda web.
    • FILTER: Es opcional, pero se recomienda. Es un campo de texto para filtrar tu búsqueda con una expresión de filtro. El valor predeterminado es una string vacía. Para obtener más información sobre el uso del campo filter, consulta Cómo filtrar la búsqueda genérica para datos estructurados o no estructurados y Cómo filtrar la búsqueda en sitios web.
    • BOOST_SPEC: es opcional. Es una especificación para aumentar o disminuir la visibilidad de los documentos. Valores:
      • BOOST: un número de punto flotante en el rango [-1,1]. Cuando el valor es negativo, los resultados se degradan (aparecen más abajo en los resultados). Cuando el valor es positivo, los resultados se promocionan (aparecen más arriba en los resultados).
      • CONDITION: Es una expresión de filtro de texto para seleccionar los documentos a los que se aplica el refuerzo. El filtro debe evaluarse como un valor booleano. Para obtener información sobre el aumento de la búsqueda estructurada, consulta Aumenta los resultados de la búsqueda.

    Deberías recibir una respuesta JSON similar a la siguiente respuesta truncada. La respuesta contiene resultados de la búsqueda detallados que se enumeran en el orden determinado por los campos establecidos en la solicitud de búsqueda.