Bereitstellungskonfigurationen

Auf dieser Seite werden Bereitstellungskonfigurationen beschrieben. Eine Bereitstellungskonfiguration ist eine Bereitstellungsentität, die ein Modell oder eine Reihe von Steuerelementen verknüpft, mit denen Ihre Empfehlung oder Suchergebnisse generiert werden.

Beziehung zu Modellen und Steuerelementen

Wenn Sie eine Bereitstellungskonfiguration erstellen, wählen Sie ein Modell (für Recommendations AI) oder Steuerelemente (für Retail Search) aus, das Sie anhängen möchten. Bereitstellungskonfigurationen werden von Ihrer Website aufgerufen, wenn Empfehlungen oder Suchergebnisse angezeigt werden. Die Retail API verweist zum Zeitpunkt der Bereitstellung auf das verknüpfte Modell oder die zugehörigen Steuerelemente der Bereitstellungskonfiguration, um die zu generierenden Empfehlungen oder Suchergebnisse zu ermitteln.

Modelle

Einer Empfehlungs-AI-Bereitstellungskonfiguration kann ein einzelnes Modell zugeordnet sein. Allerdings kann jedes Modell mit mehreren Bereitstellungskonfigurationen verknüpft werden. So können Sie dasselbe Modell über verschiedene Bereitstellungskonfigurationen auf verschiedenen Seiten bereitstellen.

Bereitstellungseinstellungen

Bereitstellungskonfigurationen in Retail Search haben eine Multi-zu-Multi-Beziehung mit Bereitstellungseinstellungen. Sie können einer Bereitstellungskonfiguration mehrere Bereitstellungseinstellungen hinzufügen. Eine einzelne Bereitstellungssteuerung kann mehreren Bereitstellungskonfigurationen zugeordnet werden.

Sie können Bereitstellungseinstellungen erstellen und sie dann in eine Live-Bereitstellungskonfiguration von Retail Search einfügen oder tauschen.

API-Ressource und -Berechtigungen

Eine Bereitstellungskonfiguration wird mit der Ressource placements an die Retail API übergeben:

  • Recommendations AI verwendet die URL projects/PROJECT_ID/locations/global/catalogs/default_catalog/placements/SERVING_CONFIG_ID:predict.
  • Retail Search verwendet die URL projects/PROJECT_ID/locations/global/catalogs/default_catalog/placements/SERVING_CONFIG_ID:search.

Für diese Ressourcen gelten die Berechtigungen placements.search und placements.predict.

Unterstützung für Placements in der Retail API

Bereitstellungskonfigurationen sind ab Recommendations AI v2 und Retail Search v2alpha mit der Retail API verfügbar.

Die Ressource servingConfig ist in den Retail API-Versionen v2beta und v2alpha verfügbar. Sie können diese Ressource verwenden, um Bereitstellungskonfigurationen zu erstellen, anzusehen, zu bearbeiten und zu entfernen.

Wenn Sie bereits Placements haben oder neue erstellen, erstellt die Retail API automatisch eine Bereitstellungskonfiguration für jedes Placement. Durch das Erstellen einer Bereitstellungskonfiguration wird kein entsprechendes Placement erstellt.

Beim Löschen einer Bereitstellungskonfiguration wird das entsprechende Placement gelöscht. Wenn Sie ein Placement löschen, wird auch die entsprechende Bereitstellungskonfiguration gelöscht.

Mit Bereitstellungskonfigurationen können Sie Optionen für Diversität und Preis-Reranking bearbeiten und nahezu in Echtzeit aktivieren. Bei Placements können die Einstellungen für Diversität und Preisgestaltung nur über das Empfehlungsmodell geändert werden, auf das das Placement verweist.

Placements werden weiterhin unterstützt, aber die Verwendung von Bereitstellungskonfigurationen wird empfohlen.

Recommendations AI-Optionen zum Bereitstellen von Konfigurationen

Mit den folgenden Optionen können Sie das Verhalten einer Bereitstellungskonfiguration von Recommendations AI ändern.

Diese Optionen waren früher beim Erstellen von Modellen verfügbar. Sie sind jetzt stattdessen mit Bereitstellungskonfigurationen verknüpft.

Preis-Reranking

Beim Preis-Reranking werden die empfohlenen Katalogelemente mit einer ähnlichen Empfehlungswahrscheinlichkeit nach Preis sortiert, wobei die Elemente mit dem höchsten Preis zuerst aufgelistet werden. Das Preis-Reranking ist standardmäßig deaktiviert.

Wenn Sie das Preis-Reranking aktivieren, wählen Sie einen Mittelweg zwischen Conversion-Rate und dem durchschnittlichen Bestellwert. Da die Relevanz auch verwendet wird, um die zurückgegebenen Artikel zu sortieren, entspricht das Aktivieren des Preis-Rerankings nicht dem Sortieren nach Preis.

Diese Option kann nach dem Erstellen einer Bereitstellungskonfiguration bearbeitet werden.

Diversifizierung

Wenn Sie möchten, dass die von einer einzelnen Vorhersageanfrage zurückgegebenen Ergebnisse diversifiziert und nicht ähnlich sind, können Sie die Diversifizierung aktivieren. Im Allgemeinen verringert die Diversifizierung die Wahrscheinlichkeit, dass ähnliche Produkte in einem Empfehlungsbereich angezeigt werden, wobei das Risiko besteht, dass einige gute Empfehlungen entfernt werden. Diversifizierungseinstellungen können nach dem Erstellen einer Bereitstellungskonfiguration bearbeitet werden. Sie ist standardmäßig deaktiviert.

Es gibt zwei Arten der Diversifizierung: regelbasierte Vielfalt und datengetriebene Vielfalt.

Regelbasierte Vielfalt

Die regelbasierte Vielfalt basiert auf Kategorien Ihres Produktkatalogs. Verwenden Sie regelbasierte Vielfalt, um Produkte aus einer Vielzahl von Kategorien zu empfehlen. Die Diversifizierung wird nach Ebene konfiguriert. Eine höhere Diversifizierung führt dazu, dass weniger Elemente pro Kategorie angezeigt werden. Dieser Diversifizierungstyp funktioniert am besten, wenn Ihr Katalog hochwertige Produktkategorien enthält.

Diversifizierungsebene Maximale Anzahl der Elemente pro Kategorie
– Unbegrenzt
Niedrig 3
Mittel 2
Hoch 1
Automatisch Hängt vom Katalog ab

Datengetriebene Vielfalt

Nutzen Sie die datengestützte Vielfalt, um Empfehlungen zu erhalten, die die richtige Balance zwischen Relevanz und Vielfalt schaffen. Die datengetriebene Vielfalt lernt aus den Metadaten von Produktkatalogen wie Titel oder Kategorien. Anstatt sich auf die Wörter oder Titel der Kategorie zu verlassen, erfasst die datengestützte Vielfalt die semantische Ähnlichkeit, um eine bessere Diversifizierung zu erzielen.

Diversifizierungsebene Max. ähnliche Artikel
– Unbegrenzt
Niedrig 3
Mittel 2
Hoch 1
Automatisch Hängt vom Katalog ab

Kategorieabgleich

Wenn die Bereitstellungskonfiguration ein Modell für ähnliche Elemente für Recommendations AI enthält, können Sie den Kategorieabgleich aktivieren. Beim Kategorieabgleich werden bei der Retail API nur Produktergebnisse zurückgegeben, die mindestens eine Kategorie für das Kontextprodukt haben.

Wenn Ihre Kategorien tief verschachtelte Hierarchien haben, werden sie von der Retail API anhand von Heuristiken gekürzt, um die Wahrscheinlichkeit einer Übereinstimmung zu verbessern. Wenn die Kategorien des Kontextprodukts beispielsweise a > b > c > d > e >f lauten, kann die Retail API Ergebnisse zurückgeben, deren Kategorien a > b > c sind.

Der Kategorieabgleich kann mit anderen Filteroptionen wie Preis, Verfügbarkeit und Filter-Tags kombiniert werden. Wenn Sie beispielsweise das Filter-Tag fall_Sale verwenden und die Kategorieübereinstimmung aktiviert haben, gibt die Retail API Ergebnisse zurück, die sowohl das erforderliche Tag als auch eine Kategorieübereinstimmung haben.

Diese Option kann nach dem Erstellen einer Bereitstellungskonfiguration bearbeitet werden. Der Kategorieabgleich ist standardmäßig deaktiviert.

Dynamische Attribuierung

Sie können dynamische Attribute aktivieren, wenn Sie eine Bereitstellungskonfiguration erstellen oder bearbeiten.

Wenn dynamische Attribute für eine Bereitstellungskonfiguration aktiviert sind, kann Retail Search Attribute in den Suchergebnissen für diese Konfiguration automatisch als dynamische Attribute verwenden, die auf dem bisherigen Nutzerverhalten wie Facettenklicks und -ansichten basieren. Ob ein bestimmtes Attribut als Attribut verwendet werden kann, wird in der Retail API-Konfiguration auf Produktebene standardmäßig definiert. Einstellungen für dynamische Attribute in der API können von websiteweiten Attributsteuerelementen in der Google Cloud Console überschrieben werden. Weitere Informationen finden Sie unter Websiteweite Steuerelemente verwalten.

Beachten Sie, dass für das Erstellen dynamischer Attribute exakte Produktkatalogdaten genügen. Damit das Feature jedoch optimal für Ihre Website funktioniert, müssen die Attributmodelle aus den Aktivitäten auf Ihrer Website lernen. Dazu ist es notwendig, die Anfrage-, Kategorie- und Filterfelder in Ihren search-Ereignis-Uploads korrekt festzulegen.

Weitere Informationen