Retail diganti namanya menjadi Vertex AI Search untuk retail. Kami sedang dalam proses memperbarui konten untuk mencerminkan branding baru ini.

Halaman ini diterjemahkan oleh Cloud Translation API.

Penelusuran percakapan

Halaman ini menjelaskan fitur Penelusuran Terpandu di Vertex AI Search untuk penelusuran percakapan retail.

Penelusuran percakapan memungkinkan retailer memberikan pengalaman penelusuran yang lebih interaktif bagi pengguna. Fitur penelusuran percakapan berfungsi sebagai bagian dari paket Penelusuran Terpandu, yang menguntungkan pelanggan dengan mempersempit kueri pengguna dan menyajikan produk yang relevan dengan lebih cepat.

Baca selengkapnya untuk mencari tahu tentang:

Cara kerja penelusuran percakapan
Pengalaman penayangan melalui API (kueri) utama
Pengalaman administrator melalui Control API dan Konsol

Cara kerja penelusuran percakapan

Saat diaktifkan, Vertex AI Search Percakapan untuk retail akan memandu pembeli melakukan penelusuran produk di situs merchandiser menggunakan percakapan. Setelah kueri teks awal di Vertex AI Search untuk retail, pembeli online akan mendapatkan pertanyaan lanjutan yang relevan dan opsi pilihan ganda. Pertanyaan lanjutan dapat dijawab oleh pengguna dalam teks bebas atau dengan mengklik opsi percakapan pilihan ganda.

Jika penelusuran percakapan diaktifkan di situs retailer, pertanyaan lanjutan mendorong percakapan yang berlanjut sampai salah satu dari tiga skenario berikut terjadi:

Jumlah produk minimum yang telah dikonfigurasi sebelumnya tercapai (misalnya, percakapan tidak berguna jika hanya dua produk yang muncul).
Pengguna mengklik produk dan menambahkannya ke keranjang (tujuan).
Penelusuran dan penjelajahan retail kehabisan pertanyaan buatan AI.

Di balik layar

Penelusuran percakapan didasarkan pada interaksi pengguna dengan percakapan berkelanjutan selama beberapa giliran. Oleh karena itu, setidaknya ada respons kedua yang diperlukan agar penelusuran percakapan berfungsi. Pengguna akan melihat pertanyaan lanjutan dan jawaban yang disarankan dalam respons tersebut. Pengguna dapat menjawab pertanyaan lanjutan ini dengan mengetikkan jawaban mereka atau dengan mengklik jawaban yang disarankan (opsi pilihan ganda).

Pilihan ganda Opsi pilihan ganda berfungsi di belakang layar seperti facet (filter jenis peristiwa), yang mempersempit kueri menggunakan pemfilteran. Di latar belakang, saat pengguna mengklik respons pilihan ganda, filter akan diterapkan ke kueri. Menerapkan filter menggunakan pilihan ganda percakapan identik dengan menerapkan filter yang sama menggunakan faset atau ubin dinamis.
Teks bebas Jika pengguna merespons dalam teks bebas, kueri baru yang lebih sempit akan dibuat. Pelajari lebih lanjut bagaimana penelusuran percakapan memperkaya filter dan perekaman peristiwa pengguna dalam perjalanan pengguna.

Manfaat penelusuran percakapan

Meningkatkan pengalaman Vertex AI Search untuk pengalaman retail dengan penelusuran percakapan menawarkan beberapa manfaat bagi retailer dan pengguna.

Mempersempit kueri dengan sangat sedikit klik

Penelusuran percakapan menawarkan cara cepat untuk memfilter 10.000 produk hingga kurang dari 100 produk dengan lebih efisien. Hal ini membuat pengguna lebih mungkin memutuskan untuk melakukan pembelian, sehingga meningkatkan rasio pendapatan per penelusuran.

Alternatif untuk {i>facet<i} dinamis

Faset dinamis dikaitkan dengan kueri luas yang memiliki pendapatan per kueri yang rendah. Pelanggan dapat menjadi kewalahan saat melihat 10.000 hasil, sehingga berisiko meninggalkan pengalaman penelusuran mereka. Kueri penelusuran khususnya yang mengembalikan jumlah produk tinggi memiliki pendapatan per kueri yang sangat rendah. Penelusuran percakapan dapat menyaring kueri dan dapat digunakan bersama dengan faset dinamis. Penelusuran percakapan menawarkan beberapa keunggulan dibandingkan dengan facet dinamis, yaitu lebih alami, lebih interaktif, dan menggunakan lebih sedikit ruang di halaman.

Pertanyaan generatif yang dapat disesuaikan dan disesuaikan dengan preferensi retailer

Penelusuran percakapan mendorong interaksi manusia dalam lingkaran dengan pertanyaan AI generatif dengan mengizinkan retailer untuk mengedit, menimpa, atau membatalkan pilihan pertanyaan yang dibuat AI secara awal sesuai preferensi mereka, berdasarkan katalog yang diupload. Pertanyaan dapat diedit atau dinonaktifkan satu per satu atau secara massal di Search Console untuk Retail atau API agar dapat menyesuaikan pertanyaan yang ingin ditampilkan di penelusuran.

Konsol - Pengalaman admin

Konsol ini memungkinkan retailer mengelola pertanyaan generatif dalam pengalaman Vertex AI Search untuk retail yang bersifat percakapan. Pelajari lebih lanjut cara menggunakan pertanyaan generatif dalam penelusuran percakapan.

Langkah-langkah untuk menggunakan layanan pertanyaan generatif

Memenuhi persyaratan data.
Mengonfigurasi penggantian manual.
Aktifkan fitur.
Pratinjau dan uji.

Persyaratan data

Di konsol, Penelusuran dan penjelajahan percakapan,di bagian tab PERIKSA COVERAGE, atau di bagian Kualitas Data > CONVERSATION, Anda akan melihat apakah data penelusuran Anda siap digunakan untuk penelusuran percakapan.

Untuk mengaktifkan penelusuran percakapan, Anda harus memenuhi persyaratan data tertentu.

Tugas tersebut adalah:

1.000 kueri per hari: Setelah Anda mencapai nilai minimum pertama ini, rencana percakapan akan dibuat yang mengevaluasi input dan output Anda:
- Input: jumlah filter dalam peristiwa
- Output: cakupan percakapan
Cakupan percakapan 25%: Dihitung oleh Vertex AI Search untuk model retail, cakupan percakapan berarti persentase kueri yang memiliki satu pertanyaan. 25% kueri berbobot frekuensi (menurut volume) harus memiliki setidaknya pertanyaan pertama yang cocok.

Jika Anda belum memiliki cakupan percakapan 25%, tetapi memiliki 1.000 kueri per hari sebagai prasyarat, pemeriksaan pemblokiran dan saran mulai diterapkan masing-masing ke output dan input Anda. Di sini, Vertex AI Search untuk retail mulai menghitung persentase peningkatan filter yang diterapkan peristiwa pengguna untuk mencapai nilai minimum cakupan percakapan sebesar 25%. Makin banyak filter yang diupload, makin tinggi cakupan yang dicapai.

Untuk melihat kesiapan percakapan Anda:

Buka tab Percakapan di halaman Kualitas Data di Telusuri konsol Retail. Di sini Anda akan melihat pemeriksaan penting untuk mengetahui apakah minimal 25% kueri penelusuran memiliki setidaknya satu pertanyaan lanjutan, serta pemeriksaan saran mengenai persentase peristiwa pengguna dengan filter valid yang diperlukan untuk mencapai sasaran cakupan percakapan tersebut. Jika Anda lulus pemeriksaan penting, dengan peristiwa pengguna yang memadai dengan filter yang valid, Anda dapat melanjutkan untuk mengaktifkan penelusuran percakapan.

Kontrol pertanyaan generatif

AI generatif menulis pertanyaan untuk setiap atribut yang dapat diindeks dalam katalog, menggunakan nama dan nilai atribut untuk sistem dan atribut khusus. Pertanyaan ini dibuat oleh LLM dan bertujuan untuk meningkatkan pengalaman penelusuran. Misalnya, untuk jenis furnitur, nilainya dapat berupa indoor atau outdoor, AI akan menyintesis pertanyaan tentang jenis furnitur yang Anda cari.

Setiap faset akan memiliki satu pertanyaan yang dihasilkan. Berdasarkan peristiwa pengguna historis dan interaksi faset dari data peristiwa penelusuran sebelumnya, pertanyaan diurutkan berdasarkan frekuensi kemunculan pertanyaan yang diharapkan. AI terlebih dahulu akan melihat pertanyaan di bagian atas, lalu menemukan apa yang relevan menurut atribut. Daftar pertanyaan dibuat satu kali. Jika ditambahkan, atribut baru akan ditampilkan dalam daftar dalam waktu dua jam.

Untuk mengontrol cara pertanyaan generatif ditayangkan, buka halaman Penelusuran dan jelajah percakapan di konsol Penelusuran untuk Retail.

Buka halaman Penelusuran dan Penjelajahan Percakapan di konsol Search for Retail.

Buka halaman Penelusuran dan Jelajah Percakapan
Pada tab Kelola Pertanyaan yang Dibuat AI, Anda dapat melihat semua pertanyaan yang diurutkan menurut seberapa sering pertanyaan tersebut digunakan, dalam frekuensi berbobot kueri, yang berarti seberapa sering pertanyaan tersebut disajikan dengan kueri umum. Peringkat menggunakan kolom frekuensi di GenerativeQuestionConfig. Kolom ini bertanggung jawab untuk mengurutkan pertanyaan yang dibuat AI berdasarkan frekuensi penggunaannya.
Anda dapat menggunakan opsi filter untuk memfilter pertanyaan.
Centang kotak untuk mengaktifkan visibilitas pertanyaan untuk setiap atribut.
Klik ikon pensil di akhir setiap baris untuk membuka panel edit untuk setiap pertanyaan.

Anda juga dapat melakukan pengeditan massal dengan:

Mencentang atau menghapus centang pada kotak di samping pertanyaan yang ingin Anda sertakan atau kecualikan dalam percakapan.
Tentukan tindakan yang ingin Anda ambil untuk beberapa pertanyaan dengan mengklik tombol ALLOW IN CONVERSATION atau DISALLOW IN CONVERSATION yang muncul di bagian atas daftar.

Teks alternatif

Cara menggunakan pertanyaan generatif dalam penelusuran percakapan

API layanan pertanyaan generatif menyediakan kontrol untuk mengurangi potensi inkonsistensi dalam output LLM. Kebijakan ini dapat dikelola dari konsol. Di sini, retailer juga dapat mengonfigurasi penelusuran percakapan dengan mengalihkan status diaktifkan dan menetapkan jumlah minimum produk yang diperlukan untuk memicunya.

Anda dapat menentukan pertanyaan, menentukan pertanyaan itu sendiri, kemungkinan jawaban, dan apakah pertanyaan diizinkan dalam percakapan. Masing-masing pertanyaan dapat dibuat oleh LLM atau diganti oleh retailer. Konsol ini mendukung peninjauan pertanyaan yang dibuat AI, sehingga retailer dapat menggantinya atau mengubah status percakapannya. Pertanyaan juga dapat diedit secara massal.

Mengedit pertanyaan individual

Anda juga dapat menggunakan kontrol untuk menyeleksi setiap pertanyaan. Sebaiknya lakukan ini sebelum mengaktifkan penelusuran percakapan.

Untuk setiap pertanyaan, ada dua opsi. Klik ikon pensil di kolom terakhir untuk mengakses pertanyaan yang terlihat oleh panel pengguna:

Nonaktifkan pertanyaan untuk semua kueri: Pertanyaan akan diaktifkan secara default. Hapus (atau centang lagi) kotak di samping Diizinkan dalam percakapan. Opsi ini akan melewati pertanyaan sepenuhnya. Retailer dapat memilih untuk menonaktifkan pertanyaan sepenuhnya jika pertanyaan tersebut tidak terkait dengan atribut yang dikueri atau dapat disalahartikan sebagai tidak pantas dalam beberapa hal (pertanyaan seperti "Apa ukuran gaun yang Anda cari?" dapat dianggap sebagai pertanyaan yang ingin tahu berat badan pembeli.)
Menulis ulang pertanyaan: Di panel fly-out, Anda dapat melihat pertanyaan buatan AI, atribut yang dikaitkan, dan nilai yang dimiliki atribut. Klik pensil untuk menulis ulang.

Aktifkan penelusuran percakapan

Setelah mengedit pertanyaan AI generatif di konsol, Anda siap mengaktifkan penelusuran percakapan.

Untuk mengaktifkan penelusuran percakapan, buka Halaman penjelajahan dan penjelajahan percakapan di Telusuri konsol Retail.

Buka halaman Penelusuran dan Jelajah Konversional di konsol Penelusuran untuk Retail.

Buka halaman Penelusuran dan Jelajah Percakapan
Di tab KONFIGURASI di Penelusuran untuk Retail, Anda akan menemukan setelan seluruh sistem. Hal ini termasuk menetapkan produk minimum yang diperlukan untuk mencocokkan kueri sebelum percakapan dapat terjadi, serta saat pertanyaan dibuat. Jumlah minimum ini adalah =>2. Nilai minimum dapat dikonfigurasi menjadi lebih tinggi, tetapi tidak boleh lebih rendah dari 2. Pertimbangkan jumlah produk dalam katalog yang ingin Anda kembalikan dalam penelusuran agar pengguna dapat memulai percakapan. Misalnya, titik terbaik untuk nomor ini adalah satu baris ke halaman untuk hasil penelusuran minimum yang memicu percakapan.
Alihkan tombol ke posisi aktif. Halaman ini juga memberikan informasi mengenai status pemeriksaan pemblokiran dan saran Anda. Jika Anda memiliki cukup kueri penelusuran dengan setidaknya satu pertanyaan lanjutan, situs Anda kini mengaktifkan penelusuran percakapan.

Evaluasi dan uji

Evaluasi memungkinkan Anda melihat pratinjau pengalaman penayangan dengan menjalankan penelusuran pengujian dan menguji pertanyaan terhadap faset yang ditampilkan. Bagian konsol ini memberikan pratinjau pengalaman penayangan Anda dengan penelusuran percakapan.

Untuk melakukannya, temukan modul ini di bagian PENELUSURAN atau JELAJAHI di halaman Evaluasi Telusuri konsol Retail.

Buka halaman Evaluate di konsol Search for Retail.

Buka halaman Evaluate
Di kolom Evaluasi Penelusuran, masukkan kueri pengujian yang masuk akal berdasarkan katalog yang telah Anda upload untuk ditelusuri. Klik Pratinjau Penelusuran. Anda akan melihat hasil penelusuran dan jika penelusuran percakapan diaktifkan, Anda akan melihat pertanyaan generatif di panel kanan.
Di panel kanan, Anda akan melihat daftar pertanyaan pengujian.

Generative question API - Pengalaman admin

Bagian ini menjelaskan cara menggunakan API pertanyaan generatif untuk mengintegrasikan API penelusuran percakapan ke UI Anda, mengelola pertanyaan generatif, dan menayangkan fitur di situs Anda.

Integrasi API

Kelola GenerativeQuestion API dari Penelusuran untuk Retail menggunakan:

Objek:

GenerativeQuestionsFeatureConfig
GenerativeQuestionConfig
Layanan GenerativeQuestions
- UpdateGenerativeQuestionsFeatureConfiguration
- UpdateGenerativeQuestionConfig
- ListGenerativeQuestionConfigs
- GetGenerativeQuestionFeatureConfig
- BatchUpdateGenerativeQuestionConfigs

Inti dari mengintegrasikan fitur ini terletak pada pendefinisian "pertanyaan" resource Anda Hal ini mencakup pertanyaan itu sendiri dan apakah pertanyaan diizinkan dalam percakapan. Pertanyaan ini secara default dibuat oleh LLM, tetapi dapat diganti oleh administrator.

Aktifkan fitur

Objek:

GenerativeQuestionsFeatureConfig

Objek ini adalah file konfigurasi kontrol guna mengaktifkan fitur untuk pertanyaan generatif guna mengelola keseluruhan pengalaman penyajian penelusuran percakapan. GenerativeQuestionsFeatureConfig mendapatkan informasi atribut metode GET dan apakah atribut tersebut dapat diindeks atau tidak dari katalog yang terkait dengan project.

Tombol feature_enabled menentukan apakah pertanyaan digunakan pada waktu penayangan. Fungsi ini mengelola tombol tingkat atas di konsol.

Pelajari lebih lanjut cara mengaktifkan penelusuran percakapan di konsol.

Mengaktifkan fitur di API

// 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 will be used at serving time.
  // Note: This feature cannot be enabled 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];
}

Kolom yang relevan dengan percakapan
katalog	string Nama resource katalog yang terpengaruh di level project. Format: projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	boolean Mengaktifkan atau menonaktifkan pertanyaan. Kolom opsional. Fitur ini tidak dapat diaktifkan sampai persyaratan data terpenuhi. Jika dicoba, tindakan ini akan menampilkan error.
minimum_products	Integer32 Jumlah minimum produk dalam respons untuk memicu pertanyaan lanjutan. Harus memiliki nilai 0 atau lebih besar.

Mengelola pertanyaan generatif

Objek:

GenerativeQuestionConfig

Kolom ini dapat diaktifkan untuk melakukan percakapan dengan kolom boolean allowed_in_conversation. Class ini mengontrol konfigurasi untuk satu pertanyaan yang dihasilkan.

Kolom (perilaku kontrol untuk percakapan ditandai)
katalog	string Digunakan untuk mengidentifikasi kumpulan atribut (dan dengan tambahan pertanyaan) yang tersedia. Semua nilai ini ditentukan dalam katalog. Kolom wajib diisi.
{i>facet<i}	{i>facet<i} string yang terkait dengan pertanyaan. Kolom wajib diisi.
generated_question	string Pertanyaan default yang dihasilkan LLM. Hanya output.
final_question	string Pertanyaan yang akan diajukan. Panjang maksimal adalah 300 byte. Kolom opsional.
example_values	Nilai string berulang yang dapat digunakan untuk menjawab pertanyaan. Hanya output
frekuensi	float Rasio seberapa sering pertanyaan diajukan. Hanya output.
allowed_in_conversation	boolean Apakah pertanyaan diajukan pada waktu penayangan. Kolom ini bersifat opsional.

Pengalaman penayangan yang diaktifkan oleh fitur ini

service GenerativeQuestionService {
...
}

Layanan pertanyaan generatif digunakan untuk mengelola pertanyaan yang dibuat LLM. Objek induknya adalah katalog, tempat objek ini mengambil informasi untuk menampilkan pertanyaan untuk katalog tertentu. Layanan ini digunakan untuk mengelola keseluruhan status fitur pertanyaan generatif, membuat perubahan individual atau batch, dan mengaktifkan atau menonaktifkan pertanyaan. Persyaratan data harus dipenuhi untuk berinteraksi dengan Service API dan pertanyaan harus diinisialisasi terlebih dahulu sebelum dapat dikelola.

Layanan berinteraksi dengan konfigurasi tingkat fitur dan tingkat pertanyaan dengan dua kumpulan pengendali:

Pengendali GenerativeQuestionsFeatureConfig (level fitur):
1. Pembaruan: memungkinkan Anda mengubah produk minimum dan mengaktifkan kolom
2. Get: menampilkan objek
Pengendali GenerativeQuestion Config (level pertanyaan):
1. Daftar: Menampilkan semua pertanyaan untuk katalog tertentu
2. Pembaruan: Pengelolaan pertanyaan individual
3. Pembaruan Massal: Pengelolaan pertanyaan yang dikelompokkan

Layanan akan menampilkan pertanyaan yang sesuai secara semantik berdasarkan kueri awal.

Pertanyaan lanjutan dibuat oleh model LLM dan dapat diganti. Pertanyaan ditampilkan berdasarkan kemungkinan pertanyaan tersebut akan digunakan oleh pelanggan dengan memanggil histori peristiwa penelusuran. Jika tidak ada histori peristiwa penelusuran, penggantiannya adalah pada log penelusuran retailer.

Pertanyaan yang berbeda akan dibuat berdasarkan kueri sebelumnya. Tidak ada bobot tetap. AI yang mendorong pertanyaan yang dihasilkan LLM belajar dari kueri, dan mengubah bobot untuk setiap kueri, sehingga "kemeja", misalnya, sangat mementingkan kategori, tetapi "kemeja merah XL" mementingkan kategori, ukuran, dan warna.

API konfigurasi penelusuran percakapan - Pengalaman penayangan

API konfigurasi penelusuran percakapan terintegrasi dengan API penelusuran Vertex AI API.

Integrasi API

Configuration API untuk fitur penelusuran percakapan berada di atas Search API yang ada. Untuk mendukung fitur baru, penelusuran percakapan, perubahan berikut telah dilakukan pada Vertex AI Search API utama retail (query) yang sudah ada:

ConversationalSearchSpec: Kolom opsional ini telah ditambahkan di SearchRequest, tetapi diperlukan jika Anda ingin menggunakan fitur penelusuran percakapan. Kolom ini menggunakan kembali kolom, kueri, dan filter SearchRequest. Class ini juga menyertakan kolom untuk mengaktifkan pertanyaan lanjutan yang ditayangkan kepada pengguna setelah kueri awal dan conversation_id untuk mempertahankan status percakapan antara klien dan server.
ConversationalSearchResult: Proto berisi informasi tambahan yang perlu ditampilkan untuk alur CRS percakapan di SearchResponse. Hal ini mencakup conversation_id, refined_query, additional_filters, follow_up_question, dan suggested_answers (lihat bagian Perjalanan pengguna).

Perjalanan pengguna

Alur percakapan berfungsi sebagai berikut: pengguna memulai penelusuran dengan kueri awal dan flag followup_conversation_requested ditetapkan ke "TRUE". Kemudian, pengguna memilih jawaban atau memberikan input teks bebas, yang dikirim kembali ke API menggunakan kolom user_answer. API kemudian menyaring hasil penelusuran berdasarkan input pengguna dan memberikan pertanyaan lanjutan baru, yang meminta kueri lanjutan dan melanjutkan percakapan dalam beberapa giliran hingga pengguna menemukan apa yang mereka cari di situs retailer.

Dengan asumsi bahwa Penelusuran percakapan diaktifkan di situs, perjalanan pengguna dan interaksi berikutnya dengan Vertex AI Search untuk retail akan mengikuti jalur ini:

Langkah 1. Kueri pertama berasal dari pengguna
Langkah 1a. Percakapan tindak lanjut yang diminta dikirim ke penelusuran
Langkah 1b. Respons Penelusuran awal dengan kueri yang dipertajam dan jawaban yang disarankan
Skenario 2: Pengguna memilih pilihan ganda
Langkah 2a. Filter jawaban yang dipilih dikirim ke penelusuran
Langkah 2b. Penelusuran dijalankan lagi dengan filter diterapkan
Skenario 3: Pengguna memilih teks bebas
Langkah 3a. Jawaban teks dikirim ke Penelusuran
Langkah 3b. Telusuri jalankan lagi dengan kueri yang diubah

Langkah 1. Kueri pertama berasal dari pengguna

percakapan_search_spec: Pengenalan kolom ConversationalSearchSpec dalam pesan SearchRequest memungkinkan sistem membedakan antara penelusuran percakapan dan reguler. Penentuan ini memengaruhi apakah pengguna menerima respons percakapan tambahan, sehingga mempertahankan kemampuan penelusuran asli sekaligus memperluasnya untuk interaksi percakapan. Kolom conversational_search_spec dalam format pesan dan menyimpan detail yang diperlukan untuk alur percakapan, seperti jawaban pengguna, ID percakapan, dan apakah pengguna menginginkan percakapan lanjutan. Informasi ini memandu sistem dalam memahami konteks dan interaksi pengguna.

Jika boolean followup_conversation_requested Jika kolom ini disetel ke TRUE, API akan merespons dengan serangkaian hasil awal dan pertanyaan lanjutan. Pengguna akan mendapatkan pengalaman percakapan dalam penelusurannya. Jika kolom ini ditetapkan ke "FALSE", tidak ada pertanyaan lanjutan yang ditampilkan.

Langkah 1a. Retailer → search: Initial query with conversation enabled

Permintaan JSON

{
  query: "dress",
  conversational_search_spec {
   followup_conversation_requested: true
  }
}

Langkah 1b. Penelusuran → retailer: ID percakapan, kueri yang dipertajam, pertanyaan lanjutan, jawaban yang disarankan

Respons JSON

{
  conversational_search_result: {
    conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
    refined_query: "dress"
    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_search_result: ConversationalSearchResult adalah proto yang berisi informasi tambahan yang ditampilkan dari alur percakapan. Kolom Conversational_search_result di SearchResponse memberikan data tambahan yang penting untuk rendering UI di sisi klien. Kolom conversational_search_result menggunakan pesan bertingkat seperti SuggestedAnswer dan AdditionalFilter untuk menyusun data yang ditampilkan dengan cara yang jelas dan dapat dipahami. Struktur hierarki ini memastikan bahwa informasi yang dipertukarkan antara klien dan server telah didefinisikan dengan baik dan dapat ditafsirkan.
Jawaban yang disarankan diurutkan berdasarkan nilai aspek dalam katalog yang paling sering digunakan dalam peristiwa pengguna sebagai filter untuk semua kueri. Pengurutan menggunakan kolom engagement_rate dalam pertanyaan lanjutan yang dihasilkan oleh proto ConversationalSearch. Kolom ini merekam rasio engagement historis yang ditampilkan filter dari peristiwa penelusuran retailer yang dikirim ke server.

Yang harus dilakukan dengan pengembalian penelusuran percakapan awal

conversation_id: ID unik untuk sesi penelusuran yang sedang berlangsung, yang harus disimpan dan digunakan di permintaan berikutnya. Kolom ini kosong pada kueri awal, dan server akan membalas dengan conversation_id. Kolom ini digunakan untuk melacak "percakapan yang sedang berlangsung" - karena satu pembeli mungkin memiliki beberapa tab atau perangkat yang terbuka.
refined_query: melacak kueri saat ini dan diperbarui saat pengguna berinteraksi dengan Penelusuran. Hal ini akan berubah jika pembeli memilih input teks bebas. Jika pembeli memilih opsi pilihan ganda, kolom ini akan tetap sama.
followup_question: memberi tahu retailer pertanyaan apa yang akan ditampilkan kepada pengguna. Isinya adalah kolom question, suggested_answers
suggested_answers: berisi nilai atribut produk yang berisi pasangan nilai kunci nama dan nilai untuk setiap jawaban yang disarankan. Bagian ini menyediakan daftar opsi pilihan ganda. Bidang ini dapat diatur untuk hanya menampilkan N hasil pilihan ganda pertama. Ini diurutkan menurut kolom engagement_rate, yang mewakili probabilitas bahwa pertanyaan akan terlibat dalam penelusuran.

Skenario 2: Pengguna memilih opsi pilihan ganda

Jika pengguna memilih jawaban pilihan ganda yellow:

conversation_id dipulihkan dari penyimpanan sesi.
followup_conversation_requested ditetapkan ke true.
String user_answer, menggunakan "selected_answer", yang berisi satu pasangan nilai kunci product_attribute_value, atau text_answer yang berisi input teks bebas nilai untuk menunjukkan pilihan pengguna. Kolom ini berada dalam kolom conversational_search_spec dan berisi pesan bertingkat lebih lanjut seperti "SelectedAnswer" untuk menentukan jenis input pengguna (teks atau jawaban yang dipilih).
Hasilnya kembali ke pemanggilan objek SearchResults dan kolomnya.
selected_answerKolom ini meneruskan atribut produk untuk memandu penelusuran percakapan.
Filter digunakan kembali dari SearchRequest dan ditambahkan oleh klien.

Langkah 2a. Retailer → search: selected answer filter

Permintaan JSON

{
  query: "dress"
  filter: "colors:ANY(\"yellow\")"
  conversational_search_spec {
    followup_conversation_requested: true
    conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
    user_answer {
      selected_answer {
        product_attribute_value {
          name: "colors"
          value: "yellow"
        }
      }
    }
  }
}

Langkah 2b. Penelusuran → retailer: filter diterapkan

Respons JSON

{
  conversational_search_result {
    conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
    refined_query: "dress"
    additional_filter {
      product_attribute_value {
        name: "colors",
        value: "yellow"
      }
    }
    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"
      }
    }
  }
}

Hal yang harus dilakukan dengan respons pilihan ganda

Respons penelusuran pada dasarnya identik dengan respons terhadap kueri pertama, tetapi juga menggunakan additional_filter. Kolom ini digunakan untuk "mencentang" kotak filter untuk warna = "kuning" dan untuk menambahkan ke filter lain yang telah dipilih pengguna. additional_filter ditambahkan ke peristiwa (di kolom filter) jika tidak ada filter dalam permintaan saat ini. Klien harus memeriksa apakah filter sudah ada dalam filter yang diterapkan saat ini. Jika tidak, kolom tambahan ini harus ditambahkan ke filternya yang diterapkan saat ini untuk semua permintaan berikut.

Skenario 3: Pengguna memilih input teks bebas

Jika pengguna mengetik lavender:

conversation_id dipulihkan dari penyimpanan sesi
followup_conversation_requested disetel ke true
user_answer ditetapkan untuk input pengguna (dengan awalan text_answer:)

Langkah 3a. Retailer → search: text answer

Permintaan JSON

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

Perhatikan tidak adanya kolom filter dalam permintaan teks bebas.

Langkah 3b. Penelusuran → retailer: jalankan dengan kueri yang diubah

Respons JSON

{
  conversational_search_result {
    conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
    refined_query: "lavender dress"
    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"
      }
    }
  }
}

Yang harus dilakukan dengan respons teks bebas

Mirip dengan respons awal, tetapi perhatikan bahwa refined_query kini diperbarui sebagaimana mestinya. Perhatikan bahwa kueri yang ditampilkan kepada pengguna telah berubah dari "dress" menjadi "lavender dress".
Jika pengguna memberikan jawaban teks bebas yang cocok dengan jawaban yang disarankan, kasus ini akan diperlakukan seperti respons pilihan ganda (lihat di atas).
Kirim kueri yang difilter dengan benar dalam peristiwa.