归因令牌

归因令牌是由 Vertex AI Search for Retail 生成并随每次搜索请求返回的唯一 ID。它们使 Vertex AI Search for Retail 能够将搜索请求与其匹配搜索事件相关联，从而对模型进行重新排序以提高搜索响应的质量。为了获得准确的报告，搜索事件中也需要提供归因令牌。

在 Vertex AI Search for Retail 提供的所有搜索事件中添加搜索归因令牌是第 3 层级和第 4 层级模型训练的必需条件。

归因令牌的工作原理

Vertex AI Search 方法返回的每个响应都在搜索响应正文的末尾包含唯一的 attributionToken。例如：

{
  "results": [
    {
      "id": "727121",
      "product": {
…
     }
  ],
  "totalSize": 19600,
  "attributionToken": "dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB",
  "nextPageToken": "AM1MDZiNWOyQjM4UTLlNGN50iMwYjMtADMwATLwIGMhBzY2YDJaIw-bCbxQYAt1PJgIwgExEgC"
…

此令牌必须包含在后续搜索事件中：

{
"eventType": "search",
"searchQuery":"red t-shirt", 
"productDetails":[
  {"product":{"id":"727121"}}, {"product":{"id":  …
  }
] ,
"visitorId":"GA1.1.1383176924.1721324981",
"attributionToken":"dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB"
}

Vertex AI Search for Retail 使用事件数据来训练其模型，而归因令牌提供了一种将事件与请求相关联的方法，可使用请求的过滤条件、细分和响应商品 ID 对完整搜索请求和响应进行编码。如果搜索事件中不存在令牌，系统会将这些事件视为并非来自 Google Vertex AI Search，并且可能会错误地将这些搜索事件视为来自其他搜索提供商。例如，在 A/B 实验期间，如果搜索事件是从其他搜索服务提供商提供的，那么可以（也在预期）使用不含令牌的搜索事件，但对于使用令牌搜索事件的 Search API 请求，通常应该存在 1 对 1 的映射。

归因令牌数据质量

如果带有归因令牌的事件所占百分比低于 95%，Search for Retail 中的数据质量信息中心就会显示“严重”或“屏蔽不合规”错误状态。否则，状态将显示为“合规”：

替代文本

如果没有足够的可归因事件，第 3 层级（即以提高收入为目标的模型）的数据质量通常无法训练，因此强烈建议您不要将 Vertex AI Search for Retail 部署到生产环境，除非它提供的是第 3 层级或第 4 层级的结果。

用于建议的归因令牌

由于没有推荐事件，因此无需在任何事件中包含来自 predict 响应的归因令牌。

您可以在后续事件（通常是 detail-page-view 或 add-to-cart）中发送预测响应中的归因令牌，但这并非必需。如要实现，需要将推荐商品的归因令牌通过网址参数传递到商品页面网址，然后使用该参数填充 detail-page-view 事件的 attributionToken 字段。

Vertex AI Search 的推荐功能会自动为可归因于 predict 请求的事件创建合成令牌。明确添加令牌可以略微提高分析报告的准确性。但是，这不是严格要求，而且对推荐模型的影响微乎其微。