Ricerca conversazionale

Questa pagina descrive una funzionalità di ricerca guidata in Vertex AI Search per la ricerca di conversazione nel settore della vendita al dettaglio.

La ricerca conversazionale consente ai rivenditori di offrire un'esperienza di ricerca più interattiva ai propri utenti. La funzionalità di ricerca di conversazione fa parte del pacchetto Ricerca guidata e offre ai clienti il vantaggio di restringere le query degli utenti e presentare più rapidamente i prodotti pertinenti.

Continua a leggere per scoprire di più su:

• Come funziona la ricerca conversazionale
• L'esperienza di pubblicazione tramite l'API principale (query)
• L'esperienza per gli amministratori mediante l'API e la console di controllo

Come funziona la ricerca di conversazione

Quando è attivato, Vertex AI Search for Retail guida gli acquirenti nella loro ricerca di prodotti sui siti di merchandising utilizzando la conversazione. Dopo una query iniziale di testo in Vertex AI Search for Retail, lo shopper online riceve una domanda di follow-up pertinente e opzioni a scelta multipla. Alla domanda successiva può rispondere l'utente in testo libero o facendo clic su un'opzione di conversazione a scelta multipla.

Nota: Sfoglia ha solo l'opzione a scelta multipla, mentre Ricerca offre funzionalità di ricerca conversazionale complete.

Se la ricerca conversazionale è attivata sul sito del rivenditore, le domande di follow-up generano una conversazione che prosegue fino a quando non si verifica uno dei tre seguenti scenari:

• Viene raggiunto un numero minimo preconfigurato di prodotti. Una conversazione non è utile, ad esempio, quando vengono visualizzati solo due prodotti.
• L'utente fa clic su un prodotto e lo aggiunge al carrello (scopo).
• Le ricerche e la navigazione per le attività di vendita al dettaglio non generano più domande create con l'IA.

dietro le quinte

La ricerca di conversazione si basa sull'interazione con l'utente tramite una conversazione continua di più turni. Pertanto, è necessaria almeno una seconda risposta per il funzionamento della ricerca di conversazione. All'utente viene presentata una domanda di follow-up e le risposte suggerite nella risposta. L'utente può rispondere a questa domanda aggiuntiva inserendo la propria risposta o facendo clic su una risposta suggerita (opzione a scelta multipla).

• Scelta multipla L'opzione a scelta multipla funziona in background come un facet (un filtro per tipo di evento), che restringe la query utilizzando i filtri. In background, quando l'utente fa clic su una risposta a scelta multipla, alla query viene applicato un filtro. L'applicazione di un filtro utilizzando il menu a scelta multipla conversazionale è identica all'applicazione dello stesso filtro utilizzando riquadri o sfaccettature dinamiche.

• Testo libero Se l'utente risponde con testo libero, viene generata una nuova query più limitata. Scopri di più su come la ricerca di conversazione arricchisce la cattura di filtri ed eventi utente nel percorso dell'utente.

Vantaggi della ricerca conversazionale

Il miglioramento dell'esperienza di Vertex AI Search for Retail con la ricerca conversazionale offre numerosi vantaggi sia al rivenditore che all'utente.

Query ristrette con pochissimi clic

La ricerca conversazionale offre un modo rapido per filtrare da 10.000 prodotti a meno di 100 in modo più efficiente. In questo modo è più probabile che l'utente decida di effettuare un acquisto, aumentando il tasso di entrate per ricerca.

Alternativa ai facet dinamici

Le sfaccettature dinamiche sono associate a query generiche con entrate ridotte per query. I clienti possono sentirsi sopraffatti quando vedono decine di migliaia di risultati, con il rischio di abbandonare la propria esperienza di ricerca. In particolare, le query di ricerca che restituiscono un numero elevato di prodotti generano entrate per query insolitamente basse. La ricerca conversazionale è in grado di perfezionare le query e può essere utilizzata in combinazione con facet dinamici. La ricerca conversazionale offre alcuni vantaggi rispetto ai facet dinamici, in quanto è più umana, più interattiva e utilizza meno spazio sulla pagina.

Domande generative personalizzabili adattate alle preferenze del retailer

La ricerca conversazionale incoraggia un'interazione human-in-the-loop con le domande dell'IA generativa consentendo ai rivenditori di modificare, sovrascrivere o deselezionare preventivamente le domande create con l'IA in base alle loro preferenze, in base al catalogo caricato. Le domande possono essere modificate o disattivate singolarmente o collettivamente in Console Search for Retail o nell'API per personalizzare le domande che vogliono mostrare nella ricerca.

Console: esperienza amministratore

La console consente ai rivenditori di gestire domande di IA generativa in un'esperienza conversazionale di Vertex AI Search for Retail. Scopri di più sull'utilizzo di domande generative nella ricerca conversazionale.

Passaggi per utilizzare il servizio di domande generative

1. Soddisfa i requisiti relativi ai dati.

2. Configura le sostituzione manuali.

3. Attiva la funzionalità.

4. Visualizza un'anteprima e testa.

Requisiti dei dati

Nella console, vai a Ricerca conversazionale e navigazione nella scheda Controlli di copertura o in Qualità dei dati > Conversazione, vedrai se i tuoi dati di ricerca sono pronti per la ricerca conversazionale.

Per attivare la ricerca di conversazione, devi soddisfare determinati requisiti relativi ai dati.

In particolare, si tratta di:

1. 1000 query al giorno: dopo aver raggiunto questa prima soglia, viene generato un piano di conversazione che valuta gli input e gli output:
   • Input: filtra il conteggio negli eventi
   • Output: copertura conversazionale
2. Copertura conversazionale del 25%: calcolata da Vertex AI Search per i modelli retail, la copertura conversazionale indica la percentuale di query che hanno una sola domanda. Per un 25% (in base al volume) delle query ponderate in base alla frequenza, è necessario che sia presente almeno una prima domanda corrispondente.

Se non hai ancora raggiunto il 25% di copertura conversazionale, ma hai le prime 1000 query al giorno necessarie, i controlli di blocco e di consulenza iniziano a essere applicati rispettivamente agli output e agli input. In questo caso, Vertex AI Search for Retail inizia a calcolare in base a quanta percentuale devono aumentare i filtri applicati agli eventi utente per raggiungere la soglia di copertura conversazionale del 25%. Maggiore è il numero di filtri caricati, maggiore è la copertura raggiunta.

Per visualizzare il tuo livello di preparazione alla conversazione:

1. Vai alla scheda Conversazione nella pagina Qualità dei dati del Cerca la console Retail. Qui viene visualizzato il controllo critico per verificare se almeno il 25% delle query di ricerca contiene almeno una domanda di follow-up, nonché i controlli di consulenza relativi alla percentuale di eventi utente con filtri validi necessaria per raggiungere l'obiettivo di copertura della conversazione.

2. Se superi il controllo critico, con un numero sufficiente di eventi utente con filtri validi, vai al passaggio successivo.

3. Per controllare la modalità di gestione delle domande di IA generativa, vai alle Pagina di ricerca e navigazione conversazionale dell' Cerca la console Retail.

Controlli delle domande generative

L'AI generativa scrive una domanda per ogni attributo indicizzato nel catalogo, utilizzando sia i nomi sia i valori degli attributi per gli attributi di sistema e personalizzati. Queste domande sono generate da un LLM e mirano a migliorare l'esperienza di ricerca. Ad esempio, per il tipo di arredamento, i valori possono essere interni o esterni, l'IA sintetizzerà una domanda sul tipo di arredamento che stai cercando.

Per ogni facet verrà generata una domanda. In base agli eventi utente storici e al coinvolgimento delle sfaccettature dai dati sugli eventi di ricerca passati, le domande vengono ordinate in base alla frequenza prevista della visualizzazione della domanda. L'IA osserverà prima le domande principali, poi troverà ciò che è pertinente in base all'attributo. L'elenco di domande viene generato una sola volta. Se viene aggiunto un nuovo attributo, questo verrà riportato nell'elenco entro due ore.

1. Vai alla pagina Ricerca e navigazione conversazionale nella console Ricerca per la vendita al dettaglio.
   
   Vai alla pagina Ricerca conversazionale e navigazione.

2. Nella scheda Gestisci le domande create con l'IA, puoi vedere tutte le domande ordinate in base alla frequenza di utilizzo, in base alla frequenza ponderata in base alle query, ovvero alla frequenza con cui vengono fornite con le query comuni. Il ranking utilizza il campo della frequenza in GenerativeQuestionConfig. Questo campo è responsabile dell'ordinamento delle domande create con l'IA in base alla frequenza con cui vengono utilizzate.

3. Puoi utilizzare l'opzione di filtro per filtrare le domande.

4. Seleziona la casella per attivare la visibilità delle domande per ogni attributo.

5. Fai clic su alla fine di ogni riga per aprire un riquadro di modifica per ogni domanda.

Per apportare modifiche collettive:

1. Seleziona o deseleziona le caselle accanto alle domande da includere o escludere dalla conversazione.

2. Fai clic sui pulsanti Consenti nella conversazione o Non consentire nella conversazione visualizzati nella parte superiore dell'elenco. In alternativa, per modificare una singola domanda, fai clic su e deseleziona o riseleziona la casella accanto a Consentite nella conversazione nel riquadro che si apre:

Come utilizzare le domande generative nella ricerca conversazionale

L'API del servizio di domande generative fornisce controlli per mitigare potenziali incoerenze nell'output dell'LLM. Possono essere gestite dalla console. Qui i retailer possono anche configurare la ricerca conversazionale attivando/disattivando lo stato Attivato e impostando il numero minimo di prodotti necessari per attivarla.

Puoi definire le domande, specificando la domanda stessa, le potenziali risposte e se la domanda è consentita nella conversazione. Le singole domande possono essere generate da un modello LLM o sostituite dal rivenditore. La console supporta la revisione delle domande generate con l'IA, consentendo ai retailer di sostituirle o attivare/disattivare il loro stato di conversazione. Le domande possono essere modificate anche collettivamente.

Modificare singole domande

Puoi anche utilizzare i controlli per organizzare le singole domande. Ti consigliamo di farlo prima di attivare la ricerca conversazionale.

Per ogni domanda sono disponibili due opzioni. Fai clic su nell'ultima colonna per accedere alle domande visibili nel riquadro degli utenti:

1. Disattivare una domanda per tutte le query: la domanda verrà attivata per impostazione predefinita. Deseleziona (o seleziona di nuovo) la casella accanto a Consentiti nella conversazione. Questa opzione ignora completamente la domanda. Un rivenditore può scegliere di disattivare completamente una domanda se non è correlata agli attributi oggetto delle query o potrebbe essere erroneamente interpretata come inappropriata (una domanda quale "Quale taglia dell'abito stai cercando?" può essere percepita come un'indiscrezione sul peso di un acquirente).
2. Riscrivi una domanda:nel riquadro puoi vedere la domanda creata con AI, a quale attributo è associata e quali valori ha l'attributo. Fai clic sulla matita per riscriverlo.

Attiva la ricerca conversazionale

Dopo aver modificato le domande con IA generativa nella console, puoi attivare la ricerca conversazionale.

Per attivare la ricerca conversazionale, vai a Pagina di ricerca e navigazione conversazionale dell' Cerca la console Retail.

1. Vai alla pagina Ricerca conversazionale e navigazione nella console Search for Retail.
   
   Vai alla pagina Ricerca conversazionale e navigazione.

2. Nella scheda Configura di Search for Retail troverai l'impostazione a livello di sistema. Ciò include l'impostazione dei prodotti minimi necessari per trovare una corrispondenza con la query prima che possa avvenire una conversazione, ovvero quando vengono generate le domande. Questo numero minimo è =>2. Il valore minimo può essere configurato in modo da essere superiore, ma mai inferiore a 2. Valuta la quantità di prodotti nel tuo catalogo che vuoi che vengano restituiti nella ricerca per consentire agli utenti di iniziare una conversazione. Ad esempio, una soluzione ottimale per questo numero è una riga per pagina, in modo da ottenere un numero minimo di risultati di ricerca per attivare una conversazione.

3. Attiva l'opzione. Questa pagina fornisce inoltre informazioni sullo stato dei controlli di blocco e di consulenza. Se hai un numero sufficiente di query di ricerca con almeno una domanda di follow-up, la ricerca di conversazione è ora attivata sul tuo sito.

Valutazione e test

Valuta ti consente di visualizzare l'anteprima dell'esperienza di pubblicazione eseguendo una ricerca di prova e testando le domande rispetto ai facet visualizzati. Questa parte della console fornisce un'anteprima dell'esperienza di pubblicazione con la ricerca conversazionale.

A tal fine, individua questo modulo nelle schede Cerca o Sfoglia della pagina Valuta del Cerca la console Retail.

1. Vai alla pagina Valuta nella console Ricerca per la vendita al dettaglio.
   
   Vai alla pagina Valuta

2. Nel campo Valutazione ricerca, inserisci una query di test sensata in base al catalogo che hai caricato per la ricerca. Fai clic su Anteprima di ricerca. Vedrai i risultati di ricerca e, se hai abilitato la ricerca conversazionale, vedrai le domande di IA generativa nel riquadro a destra.

3. Nel riquadro a destra, vedrai un elenco di domande dell'esame.

API Generative question: esperienza di amministrazione

Questa sezione descrive come utilizzare l'API per la domanda generativa per integrare l'API di ricerca conversazionale nella tua UI, gestire le domande generative e pubblicare la funzionalità sul tuo sito.

Integrazione API

• Gestisci l'API GenerativeQuestion dalla Ricerca per la vendita al dettaglio utilizzando:
  • Console navigazione e ricerca conversazionale
  • Qualità dei dati
  • Valuta

Oggetti:

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

L'elemento fondamentale dell'integrazione di questa funzionalità è la definizione della risorsa "question". Ciò include la domanda stessa e se è consentita o meno nella conversazione. Per impostazione predefinita, la domanda viene generata da un LLM, ma può essere ignorata dall'amministratore.

Attiva la funzionalità

Oggetto:

• GenerativeQuestionsFeatureConfig

Questo oggetto è un file di configurazione di controllo per abilitare la funzionalità per le domande generative al fine di gestire l'esperienza di distribuzione complessiva della ricerca conversazionale. GenerativeQuestionsFeatureConfig ottiene utilizzando le informazioni sugli attributi del metodo GET e se gli attributi sono indicizzabili o meno dal catalogo associato al progetto.

L'opzione feature_enabled determina se le domande vengono utilizzate al momento della pubblicazione. Gestisce i pulsanti di attivazione/disattivazione di primo livello nella console.

Nota: questa funzionalità non può essere attivata finché non vengono soddisfatti i requisiti iniziali dei dati. Se i requisiti dei dati non sono soddisfatti, l'API attiverà un errore di convalida. La convalida dei requisiti dei dati è visibile in Search for Retail. Di base, chiama questa API di configurazione delle funzionalità.

Scopri di più su come attivare la ricerca conversazionale nella console.

Attivazione della funzionalità nell'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];
}

Campi pertinenti alla conversazione
catalog	string Il nome della risorsa del catalogo interessato a livello di progetto. Formato: projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	Booleano Attiva o disattiva le domande. Campo facoltativo. Non può essere abilitato finché non vengono soddisfatti i requisiti dei dati. In caso di tentativo, genera un errore.
minimum_products	Integer32 Numero minimo di prodotti nella risposta per attivare le domande di follow-up. Deve avere un valore maggiore o uguale a 0.

Gestire le domande generative

Oggetto:

• GenerativeQuestionConfig

Può essere abilitato per la conversazione con il campo booleano allowed_in_conversation. Controlla la configurazione di una singola domanda generata.

Campi (comportamenti di controllo per la conversazione evidenziati)
catalog	stringa Utilizzata per identificare l'insieme di attributi (e per estensione le domande) disponibili. Questi valori sono tutti definiti nel catalogo. Campo obbligatorio.
facet	stringa Aspetto a cui è associata una domanda. Campo obbligatorio.
generated_question	stringa La domanda predefinita generata dall'LLM. Solo output.
final_question	string La domanda che verrà posta. Può avere una lunghezza massima di 300 byte. Campo facoltativo.
example_values	Valori di stringa ripetuti che possono essere utilizzati per rispondere alla domanda. Solo output
frequenza	float Il rapporto tra la frequenza con cui è stata posta una domanda. Solo output.
allowed_in_conversation	boolean Indica se la domanda viene posta al momento della pubblicazione. Questo campo è facoltativo.

Esperienza di pubblicazione abilitata da questa funzionalità

Il servizio di domande generative (service GenerativeQuestionService{...}) viene utilizzato per gestire le domande generate da LLM. Il suo oggetto principale è il catalogo, da cui recupera le informazioni per restituire le domande per un determinato catalogo. Il servizio viene utilizzato per gestire lo stato complessivo della funzionalità delle domande generative, apportare modifiche singole o collettive e attivare o disattivare le domande. Per interfacciarsi con l'API di servizio, devono essere soddisfatti i requisiti dei dati e le domande devono essere prima inizializzate prima di poter essere gestite.

Il servizio interagisce con le configurazioni a livello di funzionalità e di domanda con due insiemi di gestori:

• Gestione di GenerativeQuestionsFeatureConfig (a livello di funzionalità):

  1. Aggiornamento: consente di modificare il numero minimo di prodotti e attivare i campi
  2. Get: restituisce un oggetto

• Gestore della configurazione di GenerativeQuestion (a livello di domanda):

  1. Elenco: restituisce tutte le domande per un determinato catalogo
  2. Aggiornamento: gestione di domande singole
  3. Aggiornamento batch: gestione delle domande raggruppate

Il servizio restituirà una domanda semanticamente appropriata in base alla query iniziale.

Una domanda di follow-up viene generata dal modello LLM e può essere ignorata. Le domande vengono visualizzate in base alla probabilità che vengano utilizzate dai clienti chiamando la cronologia degli eventi di ricerca. Se la cronologia degli eventi di ricerca non è disponibile, il video di riserva si trova nei log di ricerca del retailer.

Vengono generate domande diverse in base alla query precedente. Non ci sono ponderazioni fisse. L'IA che guida le domande generate dall'LLM apprende dalle query e cambia il peso per ogni query, in modo che "camicia", ad esempio, appesantisca molto la categoria, mentre "camicia rossa XL" pesa categoria, dimensione e colore.

API di configurazione della ricerca conversazionale: esperienza di pubblicazione

L'API di configurazione della ricerca conversazionale è integrata con l'API di ricerca dell'API Vertex AI.

Integrazione API

L'API di configurazione ConversationalSearchSpec per la funzionalità si basa sull'API Vertex AI Search for Retail esistente. Per supportare la nuova funzionalità, la ricerca conversazionale, sono state apportate le seguenti modifiche all'API Vertex AI Search for Retail principale (query) già esistente:

• ConversationalSearchSpec: questo campo facoltativo è stato aggiunto in SearchRequest, ma è obbligatorio se vuoi utilizzare la funzionalità di ricerca di conversazione. Il campo riutilizza i campi SearchRequest, query e filtro. Include anche un campo per attivare una domanda di follow-up presentata all'utente dopo una query iniziale e un conversation_id per mantenere lo stato della conversazione tra il client e il server.

• ConversationalSearchResult: un file proto contiene informazioni aggiuntive da restituire per il flusso RCS conversazionale in SearchResponse. Sono inclusi conversation_id, refined_query, additional_filters, follow_up_question e suggested_answers (consulta la sezione Percorso dell'utente).

Percorso dell'utente

Il flusso conversazionale funziona come segue: l'utente avvia una ricerca con una query iniziale e il flag followup_conversation_requested impostato su "true". L'utente seleziona quindi una risposta o fornisce un input di testo libero, che viene inviato nuovamente all'API utilizzando il campo user_answer. L'API perfeziona quindi i risultati di ricerca in base all'input dell'utente e fornisce una nuova domanda di follow-up, richiedendo una query di follow-up e continuando la conversazione in più turni finché l'utente non trova ciò che cerca sul sito web del rivenditore.

Supponendo che la ricerca conversazionale sia abilitata sul sito web, il percorso dell'utente e la successiva interazione con Vertex AI Search for Retail seguono questo percorso:

• Passaggio 1. La prima query proviene dall'utente
• Passaggio 1a. Conversazione di follow-up richiesta inviata alla ricerca
• Passaggio 1b. Risposta della ricerca iniziale con query perfezionata e risposte suggerite
• Scenario 2: l'utente seleziona una risposta con più opzioni
• Passaggio 2a. Filtro delle risposte selezionate inviato alla ricerca
• Passaggio 2b. Esegui di nuovo la ricerca con il filtro applicato
• Scenario 3: l'utente seleziona del testo libero
• Passaggio 3a. Risposta di testo inviata alla Ricerca
• Passaggio 3b. Esegui di nuovo la ricerca con una query modificata

Passaggio 1: La prima query proviene dall'utente

conversational_search_spec: l'introduzione di questo campo nel messaggio SearchRequest consente al sistema di distinguere tra ricerche conversazionali e ricerche regolari. Questa determinazione influisce sul fatto che gli utenti ricevano o meno risposte di conversazione aggiuntive, preservando così le funzionalità di ricerca originali e allo stesso tempo estendendole alle interazioni di conversazione. Il campo conversational_search_spec è nel formato del messaggio e contiene i dettagli necessari per il flusso di conversazione, ad esempio le risposte dell'utente, gli ID conversazione e se l'utente vuole una conversazione di follow-up. Queste informazioni aiutano il sistema a comprendere il contesto e le interazioni degli utenti.

Con valore booleano followup_conversation_requested. Se questo campo è impostato su TRUE, l'API risponde con un insieme iniziale di risultati e una domanda di follow-up. L'utente riceverà un'esperienza di conversazione nella sua ricerca. Se questo campo è impostato su "FALSE", non viene visualizzata alcuna domanda successiva.

Passaggio 1a. Retailer → ricerca: query iniziale con conversazione abilitata

Richiesta JSON

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

Passaggio 1b. Ricerca → rivenditore: ID conversazione, query perfezionata, domanda di follow-up, risposte suggerite

Risposta 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"
        }
      },
      {
        "product_attribute_value": {
          "name": "colors",
          "value": "blue"
        }
      },
      {
        "product_attribute_value": {
          "name": "colors",
          "value": "red"
        }
      }
    ]
  }
}

• conversational_search_result: "ConversationalSearchResult" è un protocollo che contiene informazioni aggiuntive restituite dal flusso conversazionale. Il campo conversational_search_result in SearchResponse fornisce dati supplementari fondamentali per il rendering dell'interfaccia utente sul lato client. Il campo conversational_search_result utilizza messaggi nidificati come SuggestedAnswer e AdditionalFilter per strutturare i dati restituiti in modo chiaro e comprensibile. Questa struttura gerarchica garantisce che le informazioni scambiate tra il client e il server siano ben definite e interpretabili.
• Le risposte suggerite sono ordinate in base ai valori facet del catalogo che sono stati attivati più di frequente negli eventi utente come filtri per tutte le query. L'ordinamento utilizza il campo engagement_rate nella domanda di follow-up generata dal protocollo ConversationalSearch. Questo campo acquisisce il tasso di coinvolgimento storico mostrato dal filtro dagli eventi di ricerca del rivenditore inviati al server.

Cosa fare con il risultato della ricerca conversazionale iniziale

• conversation_id: un identificatore univoco per la sessione di ricerca in corso, che deve essere archiviato e utilizzato nelle richieste successive. È vuoto nella query iniziale e il server risponderà con conversation_id. Il campo viene utilizzato per tenere traccia di "quale conversazione è in corso", perché uno shopper potrebbe avere più schede o dispositivi aperti.
• refined_query: monitora la query corrente e viene aggiornato man mano che l'utente interagisce con la Ricerca. La situazione cambia se un acquirente sceglie l'inserimento di testo libero. Se l'acquirente seleziona un'opzione a scelta multipla, questo campo sarà lo stesso della query nella richiesta.
• followup_question: indica al rivenditore quale domanda mostrare all'utente. Contiene i campi question e suggested_answers
• suggested_answers: contiene i valori degli attributi del prodotto contenenti coppie chiave-valore di nome e valore per ogni risposta suggerita. Fornisce un elenco di opzioni a scelta multipla. Questo campo può essere impostato per mostrare solo i primi N risultati a scelta multipla. Questi vengono ordinati in base a un campo engagement_rate, che rappresenta la probabilità che la domanda venga utilizzata in una ricerca.

Scenario 2: l'utente seleziona un'opzione a scelta multipla

Se un utente ha selezionato una risposta a scelta multipla yellow:

• conversation_id viene ripristinato dallo spazio di archiviazione della sessione.
• followup_conversation_requested è impostato su vero.
• La stringa user_answer, utilizza "selected_answer", che contiene una coppia chiave-valore "product_attribute_value" o text_answer che contiene il valore di input di testo libero per indicare la scelta dell'utente. Questo campo si trova all'interno del campo conversational_search_spec e contiene altri messaggi nidificati come "SelectedAnswer" per specificare i tipi di input utente (testo o risposte selezionate).
• Il risultato torna a chiamare l'oggetto SearchResults e i relativi campi.
• selected_answerQuesto campo trasmette gli attributi del prodotto per guidare la ricerca conversazionale.

Passaggio 2a. Rivenditore → ricerca: filtro per le risposte selezionato

Richiesta JSON

{
  "query": "dress",
  "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"
        }
      }
    }
  }
}

Passaggio 2b. Ricerca → rivenditore: filtri applicati

Risposta 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"
        }
      },
      {
        "product_attribute_value": {
          "name": "attribute.occasion",
          "value": "party"
        }
      }
    ]
  }
}

Che cosa fare con una risposta a scelta multipla

La risposta alla ricerca è praticamente identica a quella alla prima query, tranne per il fatto che utilizza anche un additional_filter. In questo esempio, deve essere utilizzato per selezionare la casella del filtro per colore = giallo. Deve essere aggiunto al campo filter nelle richieste di ricerca di follow-up o nei caricamenti di eventi, come in filter: "colors:ANY(\"yellow\")".

Scenario 3: l'utente seleziona un input di testo libero

Se un utente digita lavender:

• conversation_id viene ripristinato dallo spazio di archiviazione della sessione
• followup_conversation_requested è impostato su true
• user_answer è impostato per ciò che l'utente inserisce (con il prefisso text_answer:)

Passaggio 3a. Rivenditore → ricerca: risposta di testo

Richiesta JSON

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

Tieni presente l'assenza di un campo di filtro nella richiesta di testo libero.

Passaggio 3b. Ricerca → rivenditore: esecuzione con query modificata

Risposta 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"
        }
      },
      {
        "product_attribute_value": {
          "name": "attribute.occasion",
          "value": "party"
        }
      }
    ]
  }
}

Cosa fare con una risposta di testo libera

• Simile alla risposta iniziale, ma tieni presente che refined_query è ora aggiornato di conseguenza.
• Aggiorna l'interfaccia utente della ricerca ("casella di ricerca") con la query perfezionata.
• Invia la query perfezionata negli eventi nelle richieste di ricerca di follow-up o nei caricamenti di eventi.
• Se l'utente fornisce una risposta di testo libero che corrisponde a una risposta suggerita (ad esempio text_answer="yellow" quando è presente colors="yellow" come risposta suggerita), questa richiesta verrà trattata come una risposta a scelta multipla (vedi sopra).