Filtrage des produits par conversation

Lorsque le filtrage de produits par conversation est activé, Vertex AI Search pour le commerce guide les acheteurs dans leur recherche de produits sur les sites des marchands à l'aide de conversations. Après une requête textuelle initiale dans Vertex AI Search pour le commerce, l'acheteur en ligne reçoit une question de suivi pertinente et des options de choix multiples. L'utilisateur peut répondre à la question de suivi sous forme de texte libre ou en cliquant sur une option de choix multiples conversationnelle.

Remarque :La fonctionnalité de navigation ne propose que l'option de choix multiple, tandis que la recherche offre des fonctionnalités de recherche conversationnelle complètes.

Si le filtrage des produits par conversation est activé, les questions de suivi sur le site déclenchent une conversation qui se poursuit jusqu'à l'un des trois scénarios suivants:

• Un nombre minimal de produits préconfiguré est atteint (une conversation n'est pas utile lorsqu'il n'y a que deux produits affichés).
• L'utilisateur clique sur un produit et l'ajoute à son panier (objectif).
• La recherche et la navigation pour le commerce ne proposent plus de questions générées par IA.

Figure 1. Parcours utilisateur de la recherche conversationnelle.

Alternative aux attributs dynamiques

Les facettes dynamiques sont associées aux requêtes larges qui génèrent de faibles revenus par requête. Les clients peuvent être submergés par des dizaines de milliers de résultats, ce qui risque de les amener à abandonner leur expérience de recherche. En particulier, les requêtes de recherche qui renvoient un nombre élevé de produits enregistrent des revenus par requête inhabituellement faibles. La recherche conversationnelle permet d'affiner les requêtes et peut être utilisée avec des attributs dynamiques. Le filtrage de produits par conversation présente certains avantages par rapport aux facettes dynamiques, car il est plus humain, plus interactif et utilise moins d'espace sur la page.

Questions génératives personnalisables adaptées aux préférences

Le filtrage de produits par conversation encourage une interaction humaine avec les questions d'IA générative en permettant aux marchands de modifier, d'écraser ou de désélectionner les questions générées par l'IA en fonction de leurs préférences, en fonction du catalogue importé. Vous pouvez modifier ou désactiver des questions individuellement ou de façon groupée dans la console Search for Commerce ou dans l'API afin d'adapter les questions que vous souhaitez afficher dans la recherche.

Expérience administrateur

Gérez les questions génératives et le filtrage des produits par conversation directement dans l'API ou dans la console du commerce conversationnel, puis configurez-les dans les sections Qualité des données et Évaluer de la recherche pour le commerce.

Cloud Console

La console permet aux marchands de gérer les questions génératives dans une expérience conversationnelle Vertex AI Search pour le commerce. Découvrez comment utiliser des questions génératives dans le filtrage de produits par conversation.

Procédure à suivre pour utiliser le service de questions génératives

1. respecter les exigences concernant les données ;

2. Configurez des remplacements manuels.

3. Activez la fonctionnalité.

4. Prévisualisez et testez.

Exigences en matière de données

Pour savoir si vos données de recherche sont prêtes pour le filtrage de produits par conversation, accédez à l'onglet Contrôles de couverture dans la console, sous Filtrage et navigation par produits par conversation ou sous Qualité des données > Conversation.

Pour activer le filtrage des produits par conversation, vous devez respecter certaines conditions concernant les données.

Les voici :

• 1 000 requêtes par jour: lorsque vous atteignez ce premier seuil, un plan de conversation est généré pour évaluer vos entrées et sorties:
• En entrées: nombre de filtres dans les événements
• Sorties: couverture conversationnelle
• Couverture conversationnelle de 25%: calculée par les modèles Vertex AI Search pour le commerce, la couverture conversationnelle correspond au pourcentage de requêtes comportant une seule question. Au moins 25% (par volume) des requêtes pondérées en fonction de la fréquence doivent avoir au moins une première question correspondante.

Si vous n'avez pas encore atteint 25% de couverture conversationnelle, mais que vous avez atteint les 1 000 requêtes par jour requises, des vérifications de blocage et d'avertissement commencent à être appliquées à vos sorties et entrées, respectivement. Vertex AI Search for commerce commence alors à calculer de combien vos filtres appliqués aux événements utilisateur doivent augmenter pour atteindre le seuil de couverture des conversations de 25 %. Plus vous importez de filtres, plus la couverture est élevée.

Pour consulter votre aptitude à la conversation:

1. Accédez à l'onglet Conversation de la page Qualité des données dans la console Search for Commerce. Vous pouvez ainsi vérifier de manière critique si au moins 25% des requêtes de recherche comportent au moins une question de suivi, ainsi que le pourcentage d'événements utilisateur avec des filtres valides nécessaire pour atteindre cet objectif de couverture conversationnelle.

2. Si vous passez la vérification critique, avec suffisamment d'événements utilisateur avec des filtres valides, passez à l'étape suivante.

3. Pour contrôler la diffusion des questions génératives, accédez à la page Filtrage et navigation par produit conversationnel dans la console Vertex AI Search for commerce.

Commandes des questions génératives

L'IA générative rédige une question pour chaque attribut indexable du catalogue, en utilisant à la fois les noms et les valeurs des attributs pour les attributs système et personnalisés. Ces questions sont générées par un LLM et visent à améliorer l'expérience de recherche. Par exemple, pour le type de mobilier, les valeurs peuvent être "intérieur" ou "extérieur". L'IA synthétise une question sur le type de mobilier que vous recherchez.

Chaque facette comporte une question générée. En fonction de l'historique des événements utilisateur et de l'engagement des facettes à partir des données d'événements de recherche passés, les questions sont triées en fonction de la fréquence attendue de leur apparition. L'IA examine d'abord les questions en haut de la page, puis identifie les éléments pertinents par attribut. La liste des questions est générée une seule fois. Si vous ajoutez un attribut, il apparaîtra dans la liste sous deux heures.

1. Accédez à la page Recherche et navigation conversationnelles dans la console Search for Commerce.
   
   Accédez à la page "Recherche conversationnelle et navigation".

2. Dans l'onglet Gérer les questions générées par IA, affichez toutes les questions triées en fonction de leur fréquence d'utilisation, en fonction de la fréquence pondérée par les requêtes, c'est-à-dire de la fréquence à laquelle elles sont diffusées avec des requêtes courantes. Le classement utilise le champ de fréquence dans la configuration GenerativeQuestionConfig. Ce champ permet de trier les questions générées par IA en fonction de leur fréquence d'utilisation.

3. Vous pouvez utiliser l'option de filtre pour filtrer les questions.

4. Cochez la case pour activer la visibilité des questions pour chaque attribut.

5. Cliquez sur  à la fin de chaque ligne pour ouvrir un panneau de modification pour chaque question.

Pour effectuer des modifications groupées, procédez comme suit:

1. Cochez ou décochez les cases à côté des questions que vous souhaitez inclure ou exclure de la conversation.

2. Cliquez sur les boutons Autoriser dans la conversation ou Interdire dans la conversation en haut de la liste. Vous pouvez également modifier une question individuelle en cliquant sur , puis en décochant ou en cochant à nouveau la case à côté de Autorisé dans la conversation dans le volet qui s'ouvre:

Utiliser des questions génératives dans le filtrage de produits par conversation

L'API du service de questions génératives fournit des commandes permettant de limiter les incohérences potentielles dans la sortie du LLM. Vous pouvez les gérer depuis la console. Les marchands peuvent également configurer le filtrage des produits par conversation en activant ou désactivant cette fonctionnalité et en définissant le nombre minimal de produits requis pour la déclencher.

Vous pouvez définir les questions, en spécifiant la question elle-même, les réponses potentielles et si la question est autorisée dans la conversation. Des questions individuelles peuvent être générées par un LLM ou remplacées par le marchand. La console permet d'examiner les questions générées par l'IA, ce qui permet aux marchands de les remplacer ou d'activer ou de désactiver leur état de conversation. Vous pouvez également modifier les questions de manière groupée.

Modifier des questions spécifiques

Vous pouvez également utiliser des commandes pour sélectionner les questions individuelles. Nous vous recommandons de le faire avant d'activer le filtrage des produits par conversation.

Pour chaque question, deux options sont proposées. Cliquez sur  dans la dernière colonne pour accéder aux questions visibles par les utilisateurs dans le panneau:

1. Désactiver une question pour toutes les requêtes: la question est activée par défaut. Décochez (ou cochez à nouveau) la case Autorisé dans la conversation. Cette option ignore complètement la question. Un marchand peut choisir de désactiver complètement une question si elle n'a pas de rapport avec les attributs interrogés ou si elle peut être interprétée comme inappropriée d'une manière ou d'une autre (une question telle que "Quelle taille de robe recherchez-vous ?" peut être perçue comme indiscrète sur le poids d'un acheteur).
2. Réécrire une question:dans le volet, vous pouvez voir la question générée par l'IA, l'attribut auquel elle est associée et les valeurs de l'attribut. Cliquez sur le crayon pour le réécrire.

Activer le filtrage conversationnel

Une fois que vous avez modifié vos questions d'IA générative dans la console, vous pouvez activer le filtrage des produits par conversation.

Pour activer le filtrage des produits par conversation, accédez à la page Filtrage et navigation par produits par conversation dans la console Search for Commerce.

1. Accédez à la page Recherche et navigation conversationnelles dans la console Search for Commerce.
   
   Accédez à la page "Recherche conversationnelle et navigation".

2. Dans la section Conversation, accédez aux paramètres système dans l'onglet Configurer et activer. Cet onglet vous permet de configurer le nombre minimal de produits requis pour correspondre à la requête avant qu'une conversation ne puisse avoir lieu, c'est-à-dire lorsque des questions sont générées. Ce nombre minimal est de =>2. La valeur minimale peut être configurée pour être supérieure, mais elle ne doit jamais être inférieure à 2. Déterminez le nombre de produits de votre catalogue que vous souhaitez afficher dans la recherche pour que les utilisateurs puissent démarrer une conversation. Par exemple, une ligne par page est un nombre idéal pour que les résultats de recherche déclenchent une conversation.

3. Activez l'option. Cette page fournit également des informations sur l'état de vos vérifications de blocage et d'avertissement. Si vous avez suffisamment de requêtes de recherche contenant au moins une question de suivi, la recherche conversationnelle est désormais activée sur votre site.

Évaluer et tester

Évaluer vous permet d'avoir un aperçu de l'expérience de diffusion en effectuant une recherche test et en testant vos questions sur les facettes affichées. Cette partie de la console vous offre un aperçu de votre expérience de diffusion avec le filtrage de produits par conversation.

Pour évaluer et tester, procédez comme suit. Dans la section Évaluer des onglets Rechercher ou Parcourir de la page Évaluer de la console Search for Commerce.

1. Accédez à la page Évaluer dans la console Search for Commerce.
   
   Accéder à la page "Évaluer"

2. Cliquez sur Rechercher ou Parcourir.

3. Dans le champ "Évaluation de la recherche", saisissez une requête de test pertinente en fonction du catalogue que vous avez importé dans la recherche, par exemple chaussures si votre catalogue se compose d'articles vestimentaires. Cliquez sur Aperçu de la recherche pour afficher les résultats de recherche. Si vous avez activé le filtrage des produits par conversation, les questions génératives sont activées dans le panneau de droite.

4. Une liste de questions de test est disponible dans le panneau de droite.

API Generative Question

Cette section explique comment utiliser l'API de questions génératives pour intégrer l'API de recherche conversationnelle à votre UI, gérer les questions génératives et diffuser la fonctionnalité sur votre site.

Intégration d'API

Objets :

• GenerativeQuestionsFeatureConfig
• GenerativeQuestionConfig
• Service GenerativeQuestions
  • UpdateGenerativeQuestionsFeatureConfiguration
  • UpdateGenerativeQuestionConfig
  • ListGenerativeQuestionConfigs
  • GetGenerativeQuestionFeatureConfig
  • BatchUpdateGenerativeQuestionConfigs

La définition de la ressource question est essentielle pour intégrer cette fonctionnalité. Cela inclut la question elle-même et si elle est autorisée dans la conversation. La question est générée par défaut par un LLM, mais l'administrateur peut la remplacer.

Activer le filtrage des produits par conversation

Objet :

• GenerativeQuestionsFeatureConfig

Cet objet est un fichier de configuration de contrôle permettant d'activer la fonctionnalité pour les questions génératives afin de gérer l'expérience de diffusion globale du filtrage de produits par conversation. GenerativeQuestionsFeatureConfig utilise une méthode GET pour obtenir des informations sur les attributs et savoir s'ils sont indexables ou non à partir du catalogue associé au projet.

Le bouton feature_enabled détermine si les questions sont utilisées au moment de la diffusion. Il gère les boutons d'activation/de désactivation de niveau supérieur dans la console.

Remarque :Vous ne pouvez pas activer cette fonctionnalité tant que les exigences concernant les données ne sont pas remplies. Si les exigences concernant les données ne sont pas respectées, l'API déclenche une erreur de validation. La validation des exigences concernant les données est visible dans la console Search for Commerce. Sous le capot, il appelle l'API de configuration de cette fonctionnalité.

Activer la fonctionnalité

// Configuration for overall generative question feature state.
message GenerativeQuestionsFeatureConfig {
...

// Resource name of the affected catalog.
// Format: projects/{project}/locations/{location}/catalogs/{catalog}
string catalog = 1 [(google.api.field_behavior) = REQUIRED];

// Determines whether questions are used at serving time.
// Note: You cannot enable this until initial data requirements are
// satisfied.
bool feature_enabled = 2 [(google.api.field_behavior) = OPTIONAL];

// Minimum number of products in the response to trigger follow-up questions.
// Value must be 0 or positive.
int32 minimum_products = 3 [(google.api.field_behavior) = OPTIONAL];
}

Champs pertinents pour la conversation
catalogue	chaîne	Nom de la ressource du catalogue concerné au niveau du projet. Format: projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	booléen	Active ou désactive les questions. Champ facultatif. Vous ne pourrez l'activer qu'une fois que les exigences concernant les données seront remplies. Si vous essayez, une erreur est générée.
minimum_products	Integer32	Nombre minimal de produits dans la réponse pour déclencher des questions de suivi. Cette valeur doit être égale ou supérieure à 0.

Gérer les questions génératives

Objet:

• GenerativeQuestionConfig

Une question peut être activée pour les conversations avec le champ booléen allowed_in_conversation. Il contrôle la configuration d'une seule question générée.

Champs (les comportements de contrôle de la conversation sont mis en évidence)
catalogue	chaîne	Permet d'identifier l'ensemble d'attributs (et par extension les questions) disponibles. Ces valeurs sont toutes définies dans le catalogue. Champ obligatoire.
attribut	chaîne	Facette à laquelle une question est associée. Champ obligatoire.
generated_question	chaîne	Question par défaut générée par le LLM. Uniquement en sortie.
final_question	chaîne	Question posée. Il peut comporter jusqu'à 300 octets. Champ facultatif.
example_values	Chaîne répétée	Valeurs pouvant être utilisées pour répondre à la question. Uniquement en sortie.
fréquence	float	Fréquence à laquelle une question a été posée. Uniquement en sortie.
allowed_in_conversation	booléen	Indique si la question est posée au moment de la diffusion. Ce champ est facultatif.

Expérience de diffusion

Le filtrage de produits par conversation repose sur l'engagement de l'utilisateur dans une conversation en plusieurs tours. Par conséquent, au moins une deuxième réponse est requise pour que le filtrage de produits par conversation fonctionne. Une question de suivi et des réponses suggérées sont présentées à l'utilisateur dans la réponse. L'utilisateur peut répondre à cette question de suivi en saisissant sa réponse ou en cliquant sur une réponse suggérée (option à choix multiples).

• Choix multiples L'option "Choix multiples" fonctionne en coulisses comme un facette (un filtre de type d'événement), qui affine la requête à l'aide d'un filtrage. En arrière-plan, lorsqu'un utilisateur clique sur une réponse à choix multiples, un filtre est appliqué à la requête. Appliquer un filtre à l'aide d'une question à choix multiples conversationnelle est identique à l'application du même filtre à l'aide de facettes ou de cartes dynamiques.

• Texte libre Si l'utilisateur répond en texte libre, une nouvelle requête plus ciblée est générée. Découvrez comment le filtrage de produits par conversation enrichit la capture des filtres et des événements utilisateur au niveau de l'API.

Service activé par la fonctionnalité

Le service de questions génératives (service GenerativeQuestionService{...}) permet de gérer les questions générées par le LLM. Son objet parent est le catalogue, où il récupère des informations pour renvoyer des questions pour un catalogue donné. Ce service permet de gérer l'état global de la fonctionnalité de questions génératives, d'effectuer des modifications individuelles ou groupées, et d'activer ou de désactiver des questions. Les exigences concernant les données doivent être respectées pour interagir avec l'API du service. Les questions doivent d'abord être initialisées avant de pouvoir être gérées.

Le service interagit avec les configurations au niveau des fonctionnalités et des questions à l'aide de deux ensembles de gestionnaires:

• Générateurs de questions (niveau de fonctionnalité):

  1. Mettre à jour vous permet de modifier le nombre minimum de produits et d'activer des champs.
  2. Get renvoie un objet.

• Générateurs de questions (niveau de la question):

  1. List renvoie toutes les questions d'un catalogue donné.
  2. Mettre à jour permet de gérer les questions individuelles.
  3. Mise à jour groupée permet de gérer les questions groupées.

Le service renvoie une question sémantiquement appropriée en fonction de la requête initiale.

Une question de suivi est générée par le modèle LLM et peut être remplacée. Les questions sont affichées en fonction de la probabilité qu'elles soient utilisées par les clients en appelant l'historique des événements de recherche. Si aucun historique des événements de recherche n'est disponible, les journaux de recherche dans le commerce sont utilisés.

Différentes questions sont générées en fonction de la requête précédente. Il n'y a pas de poids fixes. L'IA qui génère les questions avec le LLM apprend des requêtes et modifie le poids de chaque requête. Par exemple, "chemise" est très fortement pondéré dans la catégorie, tandis que "chemise rouge taille XL" est pondéré dans la catégorie, la taille et la couleur.

Configurer l'expérience de diffusion

Configurez l'expérience de diffusion en intégrant l'API de configuration du filtrage conversationnel à l'API Search.

Afficher l'intégration de l'API

L'API de configuration ConversationalFilteringSpec de la fonctionnalité se trouve au-dessus de la nouvelle API Conversational.

• ConversationalFilteringSpec: ce champ facultatif a été ajouté à ConversationalSearchRequest, mais il est obligatoire si vous souhaitez utiliser la fonctionnalité de filtrage des conversations. Le champ réutilise les champs SearchRequest, la requête et le filtre. Il inclut également un champ permettant d'envoyer une question de suivi à l'utilisateur après une requête initiale et un "conversation_id" pour conserver l'état de la conversation entre le client et le serveur.
• ConversationalFilteringResult: un fichier proto contient des informations supplémentaires à renvoyer pour le flux de CRS conversationnel dans ConversationalSearchResponse. Cela inclut conversation_id, refined_query, additional_filters, follow_up_question et suggested_answers.

Parcours utilisateur dans l'API

Le flux de conversation fonctionne comme suit: l'utilisateur lance une recherche avec une requête initiale et définit le flag mode sur true dans la nouvelle API.mode L'utilisateur sélectionne ensuite une réponse ou fournit une entrée en texte libre, qui est renvoyée à l'API à l'aide du champ user_answer. Cette nouvelle API fournit additional_filter dans la réponse. L'utilisateur doit appliquer ces filtres à la requête de suivi de l'API Search. Les résultats de recherche sont affichés en fonction de l'entrée de l'utilisateur et une nouvelle question de suivi est posée, ce qui déclenche une requête de suivi et poursuit la conversation en plusieurs tours jusqu'à ce que l'utilisateur trouve ce qu'il cherche sur le site Web du marchand.

Remarque :Le filtrage de produits par conversation interagit désormais avec deux API: Search et Conversational. L'API Search est destinée à extraire les résultats de recherche, tandis que l'API Conversational est destinée à extraire la réponse conversationnelle. L'API Conversational ne renvoie pas de résultats de recherche.

En supposant que le filtrage des produits par conversation soit activé sur le site Web, le parcours utilisateur et l'interaction ultérieure avec Vertex AI Search pour le commerce suivent ce chemin:

• Scénario 1 La première requête provient de l'utilisateur et est envoyée à la fois à l'API Search et à l'API Conversation. L'API Search ne renvoie que des résultats de recherche. L'API Conversation renvoie les réponses suggérées et les questions de suivi. Appelez l'API Search pour la même requête ou page_category, puis récupérez les résultats de recherche.
• Étape 1a. La conversation de suivi demandée est envoyée à la recherche conversationnelle. Appelez l'API Conversational avec le bon mode de filtrage des conversations.
• Étape 1b. Réponse de recherche initiale avec les résultats de recherche uniquement. L'API Conversation affine la requête en renvoyant les réponses suggérées et les questions de suivi.
• Scénario 2: L'utilisateur sélectionne une question à choix multiples.
• Étape 2a. Filtre de réponse sélectionné envoyé à l'API Conversation.
• Étape 2b. Les API Conversation et Search s'exécutent avec un filtre appliqué.
• Scénario 3: L'utilisateur sélectionne le texte libre.
• Étape 3a Réponse textuelle envoyée à l'API Conversation. Utilisez l'API Conversational pour envoyer la réponse de l'utilisateur.
• Étape 3b. L'utilisateur reçoit une question de suivi conversationnelle avec des suggestions de réponses dans la réponse conversationnelle. Recherche exécutée à nouveau avec une requête modifiée. L'API Conversational envoie une autre question et additional_filter. Ce filtre doit être appliqué aux résultats de recherche récupérés à partir de l'API Search lors de la première étape.

Scénario 1. La première requête provient de l'utilisateur

Le commerce conversationnel n'est désormais compatible qu'avec l'API Conversational. conversationalFilteringMode dans l'API Conversation fait la distinction entre le commerce conversationnel et le filtrage de produits conversationnel.

Tout d'abord, les développeurs doivent créer la requête de recherche suivante en définissant le produit ou l'article comme requête, dans cet exemple, "dress":

Requête API Search

{
  query: "dress",
}

Actions supplémentaires côté client pour activer les recherches filtrées par conversation:

• Les développeurs doivent également créer une requête de recherche conversationnelle en définissant "dress" comme requête.

• Les développeurs doivent définir mode sur "CONVERSATIONAL_FILTER_ONLY" pour obtenir une réponse conversationnelle. Sinon, si la valeur est "DISABLED", aucune question de suivi n'est fournie.

Étape 1a. Marchand → recherche: requête initiale avec la conversation activée

Requête API Conversation

{
  "query": "dress",
  "conversational_search_spec":  {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
  }
}

Étape 1b. Recherche → marchand: ID de conversation, requête affinée, question de suivi, réponses suggérées

Réponse de l'API Conversation

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "dress"
  conversational_filtering_result: {
    followup_question{
      followup_question: "What is the color?"
      suggested_answers {
        product_attribute_value {
          name: "colors",
          value: "yellow"
        }
      }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "blue"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "red"
      }
    }
   }
  }
}

• conversational_filtering_result est un champ qui se rapporte à ConversationalFilteringResult, un proto qui contient des informations supplémentaires renvoyées par le flux de conversation. Le champ conversational_filtering_result de ConversationalSearchResponse fournit des données supplémentaires essentielles pour le rendu de l'UI côté client. Le champ conversational_filtering_result utilise des messages imbriqués tels que SuggestedAnswer et AdditionalFilter pour structurer les données renvoyées de manière claire et compréhensible. Cette structure hiérarchique garantit que les informations échangées entre le client et le serveur sont bien définies et interprétables.
• Les réponses suggérées sont triées en fonction des valeurs de facette du catalogue qui ont été les plus souvent utilisées dans les événements utilisateur comme filtres pour toutes les requêtes. Le tri utilise le champ engagement_rate dans la question de suivi générée par le service ConversationalSearch. Ce champ capture l'historique du taux d'engagement affiché par le filtre à partir des événements de recherche du marchand envoyés au serveur.
• Tous les autres champs restent inchangés lorsque la conversation est utilisée.

Que faire avec les résultats de la recherche conversationnelle initiale ?

• Côté client, les développeurs doivent stocker le conversation_id dans l'espace de stockage de la session du navigateur afin de pouvoir poursuivre la recherche conversationnelle avec le serveur.
• Cela permet de suivre la conversation en cours, car un acheteur peut avoir plusieurs onglets ouverts et plusieurs conversations en cours.

refined_queryindique au marchand la requête en cours.

• Ce paramètre change au cours de la conversation si un acheteur choisit de saisir du texte libre.
• À utiliser si le marchand souhaite afficher la requête actuelle à l'utilisateur.

followup_question indique au marchand la question à afficher à l'utilisateur.

suggested_answers.

• Il s'agit d'une liste triée des réponses à choix multiples qui doivent être présentées aux utilisateurs.
• Si vous souhaitez afficher moins de résultats que la liste complète, affichez simplement les N premiers résultats.
• Cette liste est triée et doit donc s'afficher dans le bon ordre. En d'autres termes, le premier résultat affiché est le premier de la liste.

Le filtrage de produits conversationnel propose ces options pour maintenir l'engagement conversationnel et affiner plus rapidement la recherche:

Scénario 2

Scénario 3

Scénario 2: L'utilisateur sélectionne une option à choix multiples

Si un utilisateur a sélectionné une réponse à choix multiples jaune :

• Les développeurs doivent restaurer le conversation_id à partir du stockage de la session.
• Définissez mode sur CONVERSATIONAL_FILTER_ONLY.
• Définissez user_answer pour ce que l'utilisateur sélectionne.

Étape 2a. Marchand → recherche: filtre de réponse sélectionné

Requête JSON

{
  query: "dress"
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  conversational_search_spec {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
    user_answer {
      selected_answer {
        product_attribute_value {
          name: "colors"
          value: "yellow"  
        }
      }
    }
  }
}

Étape 2b. Recherche → Marchand: filtres appliqués

JSON Response

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "dress"
  conversational_filtering_result {
    additional_filter {
      product_attribute_value {
        name: "colors",
        value: "yellow"
      }
    }
    followup_question{
    followup_question: "What is the occasion?"
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion",
        value: "wedding"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion",
        value: "party"
      }
    }
  }
 }
}

Que faire avec une réponse à choix multiples ?

La réponse de recherche est fondamentalement identique à celle de la première requête, à l'exception qu'elle utilise également un additional_filter. Dans cet exemple, il doit être utilisé pour cocher la case de filtre pour color = "yellow". Il doit être ajouté à tous les autres filtres que l'utilisateur a sélectionnés. En d'autres termes, additional_filter doit être ajouté à l'événement dans le champ filter envoyé pour que cette requête de suivi et cette requête de recherche soient utilisées pour les requêtes de recherche de suivi ou les importations d'événements, comme dans filter: "colors:ANY(\"yellow\")".

Scénario 3: L'utilisateur sélectionne une entrée de texte libre

Si un utilisateur saisit lavande :

• Les développeurs doivent restaurer le conversation_id à partir du stockage de session.
• Définissez followup_conversation_requested sur "true".
• Définissez user_answer pour les entrées utilisateur (avec le préfixe "text_answer:").

Étape 3a. Marchand → recherche: réponse textuelle

Requête JSON

{
  query: "dress"
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  conversational_search_spec {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
    user_answer: {
        text_answer: "lavender"
    }
  }
}

Étape 3b Recherche → marchand: exécuter avec requête modifiée

JSON Response

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "lavender dress"
  conversational_filtering_result {
    Followup_question {
    followup_question: "What is the occasion?"
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion"
        value: "wedding"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion"
        value: "party"
      }
    }
  }
 }
}

Que faire avec une réponse en texte libre ?

• Semblable à la réponse initiale, mais notez que refined_query est maintenant mis à jour.
• Le développeur doit mettre à jour l'UI client pour refined_query en conséquence, c'est-à-dire afficher la requête destinée à l'utilisateur ayant changé de "dress" à "lavender dress"..
• Le développeur doit envoyer à la recherche la requête affinée appropriée dans les événements.