Personalisierte Suchergebnisse erhalten

Beim Browsen handelt es sich um eine Navigationssuche ohne Suchanfrage. Beim Browsen werden Navigationsmethoden verwendet, um Suchergebnisse anzuzeigen, die den vom Endnutzer ausgewählten Kategorien oder Filtern entsprechen. In Kombination mit der Nutzerinteraktion können Sie Ihren Nutzern personalisiertes Browsen anbieten. Personalisierte Browser bieten nutzerspezifische Feeds in Echtzeit, die auf dem Interaktionsverlauf und den Inhaltsfunktionen der Nutzer basieren. Ziel ist es, die Suchergebnisse für definierte KPIs zu optimieren und gleichzeitig Ihre strategischen Kontrollen einzuhalten. So kann eine Immobilienwebsite für Nutzer in London (Vereinigtes Königreich) und in Sydney (Australien) unterschiedliche Startseiten bereitstellen. Eine Shopping-Website kann je nach Nutzerprofil maßgeschneiderte Ergebnisse liefern.

Auf dieser Seite wird beschrieben, wie Sie Browserergebnisse für benutzerdefinierte Suchdatenspeicher abrufen und wie Sie Ihre Suchanwendung am besten einrichten.

Personalisierte Suche

Bei der personalisierten Suche von Vertex AI Search werden neuronale Netze verwendet, um Dokumente basierend auf der prognostizierten Nutzerinteraktion und ‑conversion zu ranken. Mit personalisiertem Browsing können Sie beispielsweise sortierte Einträge in einem Hotelkatalog oder Artikel auf einer Website bereitstellen und sie Nutzern basierend auf der vorhergesagten Wahrscheinlichkeit von Klicks oder Anfragen zurückgeben.

Die personalisierte Suche ist ein ausgeklügeltes Modell, das die komplexen Beziehungen zwischen Nutzernavigationsmustern, den Inhalten und Funktionen Ihrer Dokumente sowie Nutzer-Conversion-Ereignissen analysiert. Einige wichtige Funktionen:

  • Ranking: Das Modell ordnet Elemente basierend auf der prognostizierten Leistung im Vergleich zu Ihrem definierten Zielvorhaben ein. Dabei werden die konfigurierten Suchparameter wie Filter, benutzerdefiniertes Ranking und Bereitstellungseinstellungen (z. B. Boost, Promote oder Synonyme) berücksichtigt.

  • Training und Optimierung: Nach dem ersten Training wird das Modell kontinuierlich mit Live-Streams von Nutzerereignissen optimiert. Das Modell passt sich mit der Zeit an und wird immer besser.

  • Vielfalt: Das Modell lernt implizit etwas über Vielfalt, da es negative Signale aus Nicht-Interaktionen aufzeichnet, z. B. ignorierte Links, die auf einer Seite verbrachte Zeit und Absprungraten.

In der folgenden Tabelle werden die Unterschiede zwischen der Suche und dem Browsen dargestellt.

Funktion Suchen Durchsuchen
Zweck Bestimmte Informationen finden Inhalte ansehen und entdecken
Beispiel Suche nach „beste koreanische Restaurants in Vancouver“ in der Google Suche Sie suchen nach einem Restaurant anhand der Kategorien, zu denen es gehören könnte, z. B. „Restaurants > Koreanisch > Vancouver > 4 Sterne und höher“.
User Intent In der Regel zielorientiert Explorativ
Startpunkt Eine Anfrage oder ein Suchbegriff, der in der Regel in eine Suchleiste eingegeben wird Eine bestimmte Website oder Plattform, auf der in der Regel ein Menü, Breadcrumbs, Links oder andere Navigationsmethoden wie Facetten verwendet werden
Methode Suchbegriffe oder Wortgruppen eingeben und Such- und Bereitstellungskonfiguration anwenden Suche mit einer leeren Anfrage, Anwenden der Such- und Bereitstellungskonfiguration
Ergebnisse Eine Liste relevanter Ergebnisse Alle Dokumente im Datenspeicher, die den Filtern entsprechen

Workflow und Best Practices

Die personalisierte Suche ist ein von Google verwalteter Dienst. Google kümmert sich um die zugrunde liegenden Deep-Learning-Modelle und Datenpipelines. Damit Sie diesen Dienst optimal nutzen können, sind Sie bei der Entwicklung Ihrer Such-App hauptsächlich für Folgendes verantwortlich:

  • Bereitstellung von Daten: Erstellen Sie einen umfassenden Datenspeicher mit Dokumenten und Nutzerereignissen.
  • Zielvorhaben definieren: Geben Sie KPIs für die Optimierung an, z. B. die Klickrate (CTR), Aktionen mit hohem Umsatzpotenzial und den Umsatz pro Sitzung mit den bereitgestellten Nutzerereignissen. Achten Sie darauf, dass die Arten von Nutzerereignissen, die Sie erfassen, die Zielvorhaben unterstützen.
  • Suchparameter: Definieren und konfigurieren Sie Suchparameter und Auslieferungssteuerungen in Ihrer Suchanfrage. Sie können beispielsweise Zeiträume festlegen, um die Einträge oder Artikel zu filtern, die zulässig sind, oder Boost-Steuerelemente verwenden, um Blogs nach ihren Bewertungen neu anzuordnen.

In einer Such-App für KI-Anwendungen bedeutet „durchsuchen“, dass Sie ohne oder mit einer leeren Suchanfrage suchen. Wenn Sie in einem benutzerdefinierten Suchdatenspeicher Browserergebnisse abrufen möchten, können Sie die Methode search aufrufen und die Abfrage leer lassen.

So erhalten Sie die besten Ergebnisse für personalisiertes Browsen:

  1. Korrekte und einheitliche Daten:

    • Genauer Zeitstempel für jedes Nutzerereignis.
    • Einheitliche Nutzer-IDs für alle Nutzerereignisse.
    • Dokument-IDs, die zwischen Nutzerereignissen und dem Datenspeicher übereinstimmen. Wenn Sie eine Sitemap verwenden, müssen die URLs darin mit den URLs in den Nutzerereignissen übereinstimmen.
    • Filter, um die genauen Inhalte auf den besuchten Seiten zu präsentieren. Weitere Informationen finden Sie unter Website-Suche filtern und Benutzerdefinierte Suche nach strukturierten und unstrukturierten Daten filtern.

  2. Dokumente vorbereiten und aufnehmen:

  3. Nutzerereignisse vorbereiten und aufnehmen:

    • Bereiten Sie mindestens 30 Tage Nutzerereignisse für das erste Modelltraining vor. Sie können entweder bisherige Nutzerereignisse oder Nutzerereignisse in Echtzeit oder beides verwenden. Mit Echtzeitereignissen lassen sich bessere Personalisierungsergebnisse erzielen.
    • Erfassen und teilen Sie das search-Ereignis (zum Erfassen von Browserdaten), das view-item-Ereignis und das conversion-Ereignis.
    • Alle Nutzerereignisse müssen Folgendes enthalten:
      • eventType, z. B. search für die Suche und das Stöbern, view-item und conversion.
      • userPseudoId, eine konsistente pseudonymisierte Nutzer-ID.
      • eventTime, ein ISO 8601-Zeitstempel (UTC) für den Zeitpunkt, zu dem das Ereignis aufgezeichnet wurde.
      • documents.id werden in der Reihenfolge angezeigt, in der sie dem Nutzer präsentiert werden, und entsprechen den Dokument-IDs.
      • searchInfo.searchQuery, um die Suchanfrage des Nutzers zu registrieren.
      • pageInfo.pageCategory, mit dem ein Kontext hinzugefügt wird, z. B. „HomepageCarousel“ oder „Properties > VIC > Richmond“.
      • filter, die die Filterlogik beschreibt, die zum Generieren der Liste mit Impressionen verwendet wird. Dies wird häufig durch das Feld pageCategory oder durch das Systemverständnis erfasst.

    Weitere Informationen finden Sie unter userEvents.

  4. Modelltraining und Modellpipeline aktivieren:

    Nachdem Sie Ihre Daten vorbereitet und die Nutzerereignisse erfasst haben, wenden Sie sich an Ihren Google Customer Engineer (CE). Der CE kann Ihre Daten überprüfen und das Personalisierungsmodell für Ihre App aktivieren.

  5. Personalisierte Browserergebnisse erhalten

    Fügen Sie Ihrem Suchantrag weitere Felder wie Filter und Ranking-Anpassungen hinzu, z. B. Boost oder benutzerdefiniertes Ranking.

  6. Daten pflegen und auf dem neuesten Stand halten:

    Halten Sie die Dokumente in Ihrem Datenspeicher im Laufe der Zeit auf dem neuesten Stand und laden Sie regelmäßig neue Nutzerereignisse hoch. So kann das Modell auf die neuesten Dokumente und Nutzerinteraktionen zugreifen, um personalisierte Ergebnisse zu liefern.

Suchergebnisse für eine App mit Websitedaten abrufen

So rufen Sie mit der API Browsergebnisse für eine App mit Websitedaten ab:

  1. Suchen Sie Ihre App-ID. Wenn Sie Ihre App-ID bereits haben, fahren Sie mit dem nächsten Schritt fort.

    1. Rufen Sie in der Google Cloud Console die Seite KI-Anwendungen auf.

      Zu Apps wechseln

    2. Suchen Sie auf der Seite Apps nach dem Namen Ihrer App und entnehmen Sie die App-ID der Spalte ID.

  2. Rufen Sie die Methode engines.servingConfigs.search mit einer leeren oder ohne Abfrage so auf:

    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",
}'

    Ersetzen Sie Folgendes:

    • PROJECT_ID: die ID Ihres Google Cloud Projekts.
    • APP_ID: Die ID der Vertex AI Search-App, die Sie abfragen möchten.
    • ORDER_BY: Optional. Die Reihenfolge, in der die Ergebnisse angeordnet sind. Das Attribut, nach dem sortiert werden soll, muss eine numerische Interpretation haben, z. B. date. Weitere Informationen finden Sie unter Websuchergebnisse sortieren.
    • FILTER: Optional, aber empfohlen. Ein Textfeld, in dem Sie Ihre Suche mit einem Filterausdruck filtern können. Der Standardwert ist ein leerer String. Weitere Informationen zur Verwendung des Felds filter finden Sie unter Allgemeine Suche nach strukturierten oder unstrukturierten Daten filtern und Website-Suche filtern.
    • BOOST_SPEC: Optional. Eine Spezifikation zum Hervorheben oder Ausblenden von Dokumenten. Werte:
      • BOOST: eine Gleitkommazahl im Bereich [-1,1]. Wenn der Wert negativ ist, werden die Ergebnisse herabgestuft (sie werden weiter unten in den Ergebnissen angezeigt). Wenn der Wert positiv ist, werden die Ergebnisse höher in den Suchergebnissen platziert.
      • CONDITION: Ein Textfilterausdruck zum Auswählen der Dokumente, auf die die Steigerung angewendet wird. Der Filter muss in einen booleschen Wert aufgelöst werden. Weitere Informationen zum Optimieren der strukturierten Suche finden Sie unter Suchergebnisse optimieren.

    Sie sollten eine JSON-Antwort ähnlich der folgenden gekürzten Antwort erhalten. Die Antwort enthält detaillierte Suchergebnisse, die in der Reihenfolge aufgeführt sind, die durch die in der Suchanfrage festgelegten Felder bestimmt wird.