Pelengkapan otomatis untuk penelusuran

Halaman ini memperkenalkan fitur pelengkapan otomatis dan cara menggunakannya. Penelusuran menyediakan pelengkapan otomatis untuk mendukung saran prediksi penelusuran kotak penelusuran retailer.

Pelengkapan otomatis adalah fitur untuk memprediksi bagian kueri lainnya yang dimasukkan pengguna, yang dapat meningkatkan pengalaman penelusuran pengguna dan mempercepat proses belanja sebelum checkout. Hal ini juga dapat meningkatkan kualitas respons penelusuran sehingga menghasilkan pendapatan yang lebih tinggi dengan menyediakan kueri yang diformat dengan baik.

Ringkasan

Saat pengguna akhir mulai mengetik istilah penelusuran di situs Anda, penelusuran dapat memberikan daftar saran yang mungkin diinginkan pengguna. Misalnya, "sepatu" dan "kemeja" mungkin disarankan saat pengguna mengetik "sh".

Sumber data

Anda dapat memilih salah satu sumber data berikut untuk prediksi saran:

  • Set data BigQuery yang Anda upload.
  • Set data yang dihasilkan dari peristiwa pengguna dan metadata lainnya menggunakan machine learning.

Set data yang diupload

Tabel saran BigQuery yang Anda upload sebagai set data, yang digunakan untuk menyarankan kueri. Untuk mengetahui cara mengupload set data, lihat Mengimpor data pelengkapan otomatis.

Set data pembelajaran otomatis

Set data saran yang didukung machine learning yang dihasilkan oleh penelusuran berdasarkan peristiwa penelusuran pengguna.

Untuk mengaktifkan pembelajaran otomatis:

Konsol

  1. Buka halaman Controls

  2. Buka tab Kontrol Pelengkapan Otomatis.

  3. Klik Edit setelan.

  4. Aktifkan Pembelajaran otomatis.

  5. Klik Simpan setelan.

    Pemelajaran otomatis dapat memerlukan waktu 1-2 hari untuk diperbarui.

cURL 

curl -X PATCH -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "Content-Type: application/json" \
  "https://retail.googleapis.com/v2beta/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/completionConfig?update_mask.paths=auto_learning"  --data "{auto_learning: true}"

Prasyarat set data pembelajaran otomatis

Pemelajaran otomatis menghasilkan saran dari peristiwa pengguna jenis penelusuran (eventType = "search"). Pembuatan ini menggunakan peristiwa pengguna selama 180 hari terakhir. Hal ini memerlukan kualitas dan kuantitas peristiwa pengguna yang diimpor yang baik.

Pemelajaran otomatis memfilter saran yang jarang, sehingga jika jumlah peristiwa pengguna jenis penelusuran terlalu kecil (kurang dari 20.000), banyak kandidat saran yang mungkin difilter. Dalam skenario ini, sebaiknya uji fungsi pelengkapan otomatis terlebih dahulu dengan kueri penelusuran yang lebih sering.

Jadwal rilis set data pembelajaran otomatis

Set data pembelajaran otomatis dibuat setiap hari, lalu didorong ke pengindeksan dan rilis. Siklus lengkap memerlukan waktu sekitar dua hari.

Fitur pembelajaran otomatis

Penelusuran menerapkan teknik machine learning untuk membersihkan dan memformat kueri serta data saran hanya untuk set data pembelajaran otomatis.

Fitur Deskripsi Contoh
Menghapus penelusuran tanpa hasil
  • Menghapus kueri yang tidak memiliki hasil penelusuran
Untuk retailer bahan makanan, "Tas tangan Gucci" memiliki 0 hasil penelusuran, sehingga dihapus
Memperbaiki kesalahan ketik
  • Memperbaiki ejaan kata yang merupakan kesalahan ketik
  • Juga bersihkan kueri input real-time sebelum pencocokan
 "Milc" → "Milk"
Menambahkan kueri daftar yang diizinkan
  • Kueri yang Anda izinkan secara eksplisit akan ditambahkan
 Lihat bagian Informasi Selengkapnya di bawah.
Menghapus kueri daftar blokir
  • Kueri yang Anda blokir secara eksplisit akan dihapus
 Lihat bagian Informasi Selengkapnya di bawah.
Menghapus istilah yang tidak aman
  • Didukung oleh Google SafeSearch
  • Menghapus kueri yang tidak pantas
Konten pornografi, vulgar, kekerasan, dll.
Menghapus istilah yang sangat jarang
  • Sistem AI menyesuaikan batas tergantung pada statistik kueri
  • Jika istilah sangat jarang, istilah tersebut akan dihapus
 "74x39x9 inci 2 lapisan kasur udara twin dengan pompa genggam 120 V"
Menghapus Duplikat Istilah
  • Didukung oleh Pemahaman Semantik yang didukung AI
  • Untuk istilah yang hampir identik, salah satu istilah akan cocok, tetapi hanya istilah yang lebih populer yang akan disarankan
"Sepatu untuk Wanita", "Sepatu Wanita", dan "Sepatu Wanita" dihapus duplikatnya, sehingga hanya satu yang akan disarankan.

Mendapatkan saran penyelesaian

Gunakan API completeQuery untuk mengambil saran. Contoh:

cURL 

curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog:completeQuery?query=sho&dataset=user-data&deviceType=DESKTOP&maxSuggestions=5"

Opsi dan kontrol pelengkapan otomatis

Bagian ini menjelaskan opsi dan kontrol yang tersedia untuk pelengkapan otomatis. Lihat ringkasan dalam tabel berikut dan detail selengkapnya di bawah.

Kontrol Detail Lokasi
Daftar tolak
  • Menghapus kueri dari data saran secara manual
 Permintaan API: CompletionData:import. Untuk mengetahui informasi selengkapnya, lihat Mengimpor data pelengkapan otomatis.
Daftar yang diizinkan
  • Menambahkan kueri ke data saran secara manual
 Permintaan API: CompletionData:import (lihat juga Mengimpor Data Autocomplete )
Panjang minimum untuk memicu pelengkapan otomatis
  • Mengontrol jumlah karakter sebelum pelengkapan otomatis dipicu
 Konsol Cloud > Kontrol
Urutan Pencocokan
  • Urutan pencocokan menentukan cara pencocokan kueri dan saran pengguna.
Konsol Cloud > Kontrol
Jumlah Saran
  • Ini adalah jumlah saran yang akan ditampilkan dari pelengkapan otomatis
 Konsol Cloud > Kontrol atau
Permintaan API: completeQuery.maxSuggestions
Jenis Perangkat
  • Jika jenis perangkat ditentukan, saran akan dibuat berdasarkan popularitas jenis perangkat tertentu
  • Jika tidak menentukannya, saran akan ditampilkan berdasarkan popularitas gabungan dari semua jenis perangkat
 Permintaan API: completeQuery.deviceType
Sumber Data Saran
  • Jika memiliki sumber data yang dibuat otomatis dan diupload, Anda dapat memilih sumber data mana yang akan digunakan pada waktu kueri
 Permintaan API: completeQuery.dataset
Bahasa
  • Anda dapat menentukan bahasa yang diinginkan untuk saran
 Permintaan API: completeQuery.languageCodes[]

Daftar yang Diizinkan (Daftar Jangan Dihapus)

Penelusuran melakukan pemrosesan pasca, seperti koreksi ejaan, pada data saran pelengkapan otomatis. Anda dapat membuat daftar istilah yang diizinkan yang dilewatkan penelusuran saat pemrosesan pasca.

Istilah yang diizinkan tidak akan pernah difilter dari saran. Daftar yang diizinkan berfungsi untuk set data yang diupload dan set data pembelajaran otomatis.

Contoh: ada beberapa nama merek yang sengaja salah eja, seperti "froot loops", bukan "fruit" atau "foot". Lihat petunjuk upload mendetail di data penyelesaian impor.

Untuk mengimpor data, Anda dapat menggunakan Konsol Cloud > Kontrol > Kontrol Autocomplete > Daftar Jangan Hapus atau menggunakan CompletionData:import di API.

Perubahan akan diterapkan dalam waktu sekitar 2 hari.

Daftar tolak

Daftar tolak hanya berfungsi untuk set data pembelajaran otomatis. Daftar tolak tidak berfungsi untuk set data yang diupload.

Istilah dalam daftar tolak tidak akan pernah muncul dalam saran.

Untuk mengimpor daftar tolak, Anda dapat menggunakan Konsol Cloud > Kontrol > Kontrol Autocomplete > Daftar tolak atau menggunakan API CompletionData:import. Untuk mengetahui petunjuk mendetail tentang cara mengimpor daftar tolak, lihat mengimpor data penyelesaian.

Perubahan akan diterapkan dalam waktu sekitar 2 hari.

Panjang minimum untuk memicu

Anda dapat menetapkan jumlah karakter yang diperlukan sebelum kueri pelengkapan otomatis akan menampilkan hasil. Setelan ini dapat ditemukan di Cloud console > Controls > Autocomplete Controls > Minimum length to trigger.

Perubahan akan langsung diterapkan.

Urutan pencocokan

Hal ini menentukan cara mencocokkan saran dengan istilah input pengguna.

Jika ditetapkan ke Saran dimulai dengan istilah, pelengkapan otomatis akan mencocokkan istilah input pengguna sebagai awalan yang tepat untuk saran. Misalnya, input pengguna "sh" cocok dengan saran "sepatu" dan "kemeja", tetapi tidak cocok dengan saran "sepatu merah".

Jika ditetapkan ke Saran dapat dimulai dari mana saja dalam istilah, pelengkapan otomatis akan membuat token istilah input pengguna menjadi kata dan mencocokkannya dengan kata dalam saran, terlepas dari urutan kata. Misalnya, istilah input pengguna "red sh" cocok dengan saran "shirts red", "red shoes", dan "kid red shoes". Namun, istilah input "cangkul" tidak cocok dengan saran ini, karena tidak ada kata dalam saran yang diawali dengan "cangkul".

Setelan ini dapat ditemukan di Konsol cloud > Kontrol > Kontrol Autocomplete > Urutan pencocokan.

Perubahan akan langsung diterapkan.

Jumlah Saran

Ini adalah jumlah saran yang akan ditampilkan dari kueri pelengkapan otomatis dan tidak boleh melebihi 20. Setelan ini dapat ditemukan di Konsol Cloud > Kontrol > Kontrol Autocomplete > Jumlah Saran atau dapat ditetapkan di completeQuery.

Perubahan akan langsung diterapkan.

Jenis perangkat

Pelengkapan otomatis penelusuran mendukung berbagai jenis perangkat, seperti mobile dan desktop. Anda dapat mengupload atau mendapatkan saran yang berbeda berdasarkan jenis perangkat. Jika deviceType tidak ditentukan di completeQuery, saran akan tersedia di semua jenis perangkat.

Untuk set data pembelajaran otomatis berdasarkan peristiwa pengguna penelusuran, tetapkan user_agent di UserEvent.user_info untuk mendukung berbagai jenis perangkat. Lihat agen pengguna di wiki.

Fitur lanjutan

Bagian ini menjelaskan fitur pelengkapan otomatis lanjutan yang tersedia dengan penelusuran. Misalnya, Anda dapat melengkapi saran pelengkapan otomatis kueri dengan saran lain, seperti merek dan kategori.

Fitur lanjutan ini hanya tersedia untuk set data pembelajaran otomatis.

FeatureSet Saran

Kami menyediakan FeatureSet tambahan untuk setiap istilah saran kueri agar pelanggan dapat menampilkan fungsi lanjutan di situs mereka.

FeatureSet muncul dalam respons sebagai peta nilai kunci. Saat ini, Vertex AI Search untuk retail menampilkan hingga lima kategori dan merek populer yang terkait dengan setiap saran kueri dalam respons API completeQuery.completionResults.attributes. Saran FeatureSet tidak harus cocok dengan string kueri yang dimasukkan oleh pengguna akhir.

Anda dapat menggunakan FeatureSet dalam respons untuk memperkaya saran penelusuran. Contoh:

  • Menggabungkan dan membuat bagian Merek Populer dan Kategori Populer yang muncul di bawah daftar saran penelusuran.
  • Menampilkan merek atau kategori yang paling populer di samping istilah saran penelusuran.

Setelah melakukan perubahan pada katalog, seperti mengubah kategori untuk produk, Anda harus menunggu dua minggu hingga 30 hari hingga saran FeatureSet mencerminkan perubahan katalog produk. Waktu tunggu ini karena pembelajaran otomatis dilatih pada data peristiwa penelusuran selama 30 hari terakhir.

Saran atribut

Penelusuran memberikan saran atribut yang cocok dengan string input pengguna. Jenis saran atribut yang didukung adalah merek dan kategori.

Saran atribut berbeda dengan FeatureSet saran. Saran atribut adalah daftar atribut produk yang disarankan (seperti merek dan kategori), mirip dengan saran kueri yang merupakan daftar kueri yang disarankan. Saran atribut dapat digunakan secara terpisah dari saran kueri. FeatureSet saran adalah metadata untuk saran kueri, sehingga bergantung pada saran kueri.

Saran atribut dapat digunakan untuk melengkapi merek atau kategori secara otomatis yang diketik pengguna akhir, di bagian terpisah di bawah daftar saran penelusuran.

Segmen saran dengan jumlah produk (Eksperimental)

Ini adalah fitur eksperimental untuk pelanggan terbatas. Untuk menggunakannya, hubungi tim dukungan.

Jika faset saran dengan fitur jumlah produk diaktifkan, completeQuery.completionResults yang ditampilkan akan memberikan daftar saran pelengkapan otomatis seperti biasa, tetapi juga jumlah produk untuk setiap saran dengan jumlah total dan jumlah produk menurut faset (seperti color, category).

Misalnya, jika kueri penelusuran adalah "sepatu", saran Autocomplete yang ditampilkan mungkin adalah:

  • sepatu wanita
  • sepatu pria

Selain itu, jika kunci aspek yang diinginkan adalah color, jumlah produk dan jumlah produk berdasarkan warna juga ditampilkan dengan setiap saran Autocomplete:

  • sepatu wanita (32)
    • hitam (10)
    • taupe (16)
    • putih (10)
  • sepatu pria (43)
    • hitam (10)
    • cokelat (5)
    • hijau (17)

Sebagai retailer, Anda tidak perlu menampilkan jumlah produk kepada pembeli, tetapi Anda dapat memutuskan untuk mengurutkan daftar saran berdasarkan jumlah produk, bukan urutan yang ditampilkan di completeQuery.completionResults. Misalnya, Anda mungkin ingin mendorong pembeli untuk melihat sepatu hijau untuk pria dengan menampilkan sepatu hijau di bagian atas kotak saran meskipun bukan item yang paling populer.

Contoh:

{
  "completion_results": [{ 
    "suggestion": "womens shoes"
    "facets": [ 
      {
        "key": "color"
        "values": [ 
          {
            "value": "black"
            "count": 10
          }
          {
            "value": "taupe"
            "count": 16
          }
          {
            "value": "white"
            "count": 10
          }
        ]
      }
    ]
    "total_product_count": 32
  },
  (...)
  ],
}

Informasi jumlah faset muncul sebagai daftar Facets di completeQuery.completionResults.facets untuk setiap kueri penelusuran yang disarankan. Setiap faset memiliki daftar FacetValues yang berisi jumlah produk per nilai faset. Jumlah total produk untuk setiap kueri penelusuran yang disarankan ditampilkan di completeQuery.completionResults.totalProductCount.

Untuk mengaktifkan dan menggunakan aspek saran dengan jumlah produk, ikuti langkah-langkah berikut:

  1. Hubungi tim dukungan dan minta mereka untuk mengaktifkan fitur, Fitur saran dengan jumlah produk. Tentukan FacetKeys yang ingin Anda hitung jumlahnya. Hanya textual_fields facet yang diizinkan.

  2. Selama minimal 7 hari, pastikan saat menggunakan search API, sertakan kunci aspek di FacetSpecs sertakan kunci aspek di search.searchRequest.facetSpecs.

    Waktu tunggu ini karena informasi faset dihitung menggunakan data histori penelusuran minggu lalu.

  3. Setelah fitur diaktifkan untuk Anda, saran yang ditampilkan dari completeQuery API akan berisi jumlah produk berdasarkan aspek dan saran.

Saran yang difilter menurut entitas

Entitas memungkinkan Anda memfilter saran penelusuran pelengkapan otomatis. Entitas dapat berupa situs untuk merek atau wilayah yang berbeda. Anda ingin pelengkapan otomatis mencerminkan perilaku pengguna yang berbelanja di situs regional atau merek tertentu dengan sebaik mungkin. Untuk informasi selengkapnya tentang entity, lihat Entity.

Untuk menyertakan entity dalam saran pelengkapan otomatis:

  1. Sertakan kolom entity dalam peristiwa pengguna penelusuran (eventType = "search"). Untuk informasi, lihat contoh objek lengkap untuk peristiwa pengguna Penelusuran.

  2. Tetapkan kolom entity dalam permintaan API CompleteQuery untuk mendapatkan saran hanya untuk entitas tersebut.

    String entity dalam peristiwa pengguna dan permintaan API harus cocok secara persis. Jika tidak, pelengkapan otomatis akan menampilkan saran kosong.

Biasanya, diperlukan data peristiwa pengguna selama 30-90 hari sebelum fitur entity dapat menampilkan saran pelengkapan otomatis yang optimal.