Pesquisa por conversa

Esta página descreve um recurso de pesquisa guiada na Vertex AI para pesquisa de conversação no varejo.

A pesquisa de conversação permite que os varejistas ofereçam uma experiência de pesquisa mais interativa aos usuários. O recurso de pesquisa de conversa funciona como parte do pacote de pesquisa guiada, beneficiando os clientes ao restringir as consultas dos usuários e apresentar produtos relevantes com mais rapidez.

Leia mais para saber mais sobre:

• Como a pesquisa por conversa funciona
• A experiência de veiculação pela API principal (de consulta)
• A experiência do administrador com a API de controle e o console

Como a pesquisa de conversa funciona

Quando ativada, a pesquisa conversacional da Vertex AI para varejo orienta os compradores na pesquisa de produtos em sites de produtos usando a conversa. Após uma consulta de texto inicial na Vertex AI para Pesquisa para varejo, o comprador on-line recebe uma pergunta de acompanhamento relevante e opções de múltipla escolha. A pergunta complementar pode ser respondida pelo usuário em texto livre ou clicando em uma opção de múltipla escolha.

Observação: a navegação só tem a opção de múltipla escolha, enquanto a pesquisa tem recursos completos de pesquisa de conversa.

Se a pesquisa de conversa estiver ativada no site do varejista, as perguntas de acompanhamento vão gerar uma conversa que vai continuar até que um dos três cenários a seguir ocorra:

• Uma contagem mínima de produtos predefinida é alcançada. Uma conversa não é útil quando apenas dois produtos aparecem, por exemplo.
• O usuário clica em um produto e o adiciona ao carrinho (o objetivo).
• A pesquisa e a navegação de varejo ficam sem perguntas geradas com IA.

funcionamento interno

A pesquisa de conversação é baseada no engajamento do usuário com uma conversa contínua de várias etapas. Portanto, pelo menos uma segunda resposta é necessária para que a pesquisa de conversa funcione. O usuário recebe uma pergunta de acompanhamento e respostas sugeridas na resposta. O usuário pode responder a essa pergunta inserindo a resposta ou clicando em uma resposta sugerida (opção de múltipla escolha).

• Múltipla escolha A opção de múltipla escolha funciona nos bastidores como uma faceta (um filtro de tipo de evento), que restringe a consulta usando a filtragem. Em segundo plano, quando o usuário clica em uma resposta de múltipla escolha, um filtro é aplicado à consulta. Aplicar um filtro usando a opção de múltipla escolha é idêntico a aplicar o mesmo filtro usando facetas ou blocos dinâmicos.

• Texto livre Se o usuário responder com texto livre, uma consulta nova e mais restrita será gerada. Saiba como a pesquisa conversacional enriquece a captura de filtros e eventos do usuário na jornada do usuário.

Benefícios da pesquisa de conversação

Melhorar a experiência da Vertex AI para Pesquisa para varejo com a pesquisa conversacional oferece vários benefícios para o varejista e o usuário.

Restringir consultas com poucos cliques

A pesquisa de conversação oferece uma maneira rápida de filtrar 10.000 produtos para menos de 100 produtos com mais eficiência. Isso aumenta a probabilidade de o usuário decidir fazer uma compra, aumentando a receita por pesquisa.

Alternativa aos atributos dinâmicos

As facetas dinâmicas são associadas a consultas amplas com baixa receita por consulta. Os clientes podem ficar sobrecarregados ao ver dezenas de milhares de resultados, o que aumenta o risco de abandonarem a experiência de pesquisa. Em particular, as consultas de pesquisa que retornam altas contagens de produtos têm uma receita incomumente baixa por consulta. A pesquisa de conversação pode refinar consultas e pode ser usada com atributos dinâmicos. A pesquisa por conversação oferece algumas vantagens em relação às facetas dinâmicas, sendo mais humana, mais interativa e usando menos espaço na página.

Perguntas generativas personalizáveis adaptadas às preferências do varejista

A pesquisa de conversação incentiva a interação humana com as perguntas de IA generativa, permitindo que os varejistas editem, substituam ou desmarquem perguntas geradas pela IA de acordo com as preferências, com base no catálogo enviado. As perguntas podem ser editadas ou desativadas individualmente ou em massa na Pesquisa do Console para varejo ou na API para personalizar as perguntas que vão aparecer na pesquisa.

Console: experiência do administrador

Com ele, os varejistas podem gerenciar perguntas generativas em uma experiência de pesquisa conversacional da Vertex AI para varejo. Saiba mais sobre como usar perguntas generativas na pesquisa por conversa.

Etapas para usar o serviço de perguntas generativas

1. Atenda aos requisitos de dados.

2. Configure substituições manuais.

3. Ative o recurso.

4. Visualizar e testar.

Requisitos de dados

No console, em Pesquisa e navegação por conversa, na guia Verificações de cobertura ou em Qualidade de dados > Conversa, você vai saber se os dados de pesquisa estão prontos para a pesquisa por conversa.

Para ativar a pesquisa por conversação, é necessário atender a determinados requisitos de dados.

São eles:

1. 1.000 consultas por dia: depois de atingir esse primeiro limite, um plano de conversa é gerado para avaliar suas entradas e saídas:
   • Entradas: contagem de filtros em eventos
   • Saídas: cobertura de conversa
2. Cobertura de conversa de 25%: calculada pela Vertex AI Search para modelos de varejo, a cobertura de conversa é a porcentagem de consultas que têm uma pergunta. Uma ponderação de frequência de 25% (por volume) das consultas precisa ter pelo menos uma primeira pergunta correspondente.

Se você ainda não tiver 25% de cobertura de conversa, mas tiver as primeiras 1.000 consultas por dia, as verificações de bloqueio e aviso vão começar a ser aplicadas às suas saídas e entradas, respectivamente. Aqui, a Vertex AI Search para varejo começa a calcular em quanto percentual seus filtros aplicados a eventos do usuário precisam aumentar para atingir o limite de 25% da cobertura de conversa. Quanto mais filtros forem enviados, maior será a cobertura.

Para conferir sua prontidão para conversas:

1. Acesse a guia Conversa na página Qualidade de dados no console da Pesquisa para varejo. Aqui você vai encontrar a verificação crítica de se pelo menos 25% das consultas de pesquisa têm pelo menos uma pergunta de acompanhamento, além de verificações de aviso sobre qual porcentagem de eventos do usuário com filtros válidos é necessária para atingir essa meta de cobertura de conversa.

2. Se você passar na verificação crítica, com eventos de usuário suficientes com filtros válidos, prossiga para a próxima etapa.

3. Para controlar como as perguntas geradoras são veiculadas, acesse a página de pesquisa e navegação por conversa no console da Pesquisa para varejo.

Controles de perguntas generativas

A IA generativa escreve uma pergunta para cada atributo indexável no catálogo, usando nomes e valores de atributos para atributos do sistema e personalizados. Essas perguntas são geradas por um LLM e têm como objetivo melhorar a experiência de pesquisa. Por exemplo, para o tipo de móvel, os valores podem ser "interno" ou "externo". A IA sintetiza uma pergunta sobre o tipo de móvel que você está procurando.

Cada atributo terá uma pergunta gerada. Com base nos eventos históricos do usuário e no engajamento com as facetas dos dados de eventos de pesquisa anteriores, as perguntas são classificadas pela frequência esperada de exibição. A IA primeiro analisa as perguntas na parte de cima e depois encontra o que é relevante por atributo. A lista de perguntas é gerada uma vez. Se um novo atributo for adicionado, ele vai aparecer na lista em duas horas.

1. Acesse a página Pesquisa e navegação por conversa no console da Pesquisa para varejo.
   
   Acesse a página "Pesquisa e navegação conversacional".

2. Na guia Gerenciar perguntas geradas por IA, você pode conferir todas as perguntas classificadas pela frequência de uso, na frequência ponderada por consulta, ou seja, a frequência com que elas são exibidas com consultas comuns. A classificação usa o campo de frequência no GenerativeQuestionConfig. Esse campo é responsável por classificar as perguntas geradas pela IA com base na frequência de uso.

3. Você pode usar a opção de filtro para filtrar as perguntas.

4. Marque a caixa para ativar a visibilidade da pergunta em cada atributo.

5. Clique em no final de cada linha para abrir um painel de edição para cada pergunta.

Para fazer edições em massa, siga estas etapas:

1. Marque ou desmarque as caixas ao lado das perguntas que você quer incluir ou excluir da conversa.

2. Clique nos botões Permitir na conversa ou Não permitir na conversa que aparecem na parte de cima da lista. Como alternativa, para editar uma pergunta específica, clique em e desmarque ou marque novamente a caixa ao lado de Permitido na conversa no painel que abrir:

Como usar perguntas generativas na pesquisa conversacional

A API de serviço de perguntas generativas oferece controles para reduzir possíveis inconsistências na saída do LLM. Eles podem ser gerenciados no console. Aqui, os varejistas também podem configurar a pesquisa de conversação alternando o estado ativado e definindo o número mínimo de produtos necessários para acionar.

Você pode definir as perguntas, especificar a pergunta em si, as possíveis respostas e se a pergunta é permitida na conversa. As perguntas individuais podem ser geradas por um LLM ou substituídas pelo varejista. O console oferece suporte à revisão de perguntas geradas por IA, permitindo que os varejistas as substituam ou alterem o status da conversa. Também é possível editar perguntas em massa.

Editar perguntas individuais

Você também pode usar controles para selecionar as perguntas individuais. É recomendável fazer isso antes de ativar a pesquisa por conversação.

Há duas opções para cada pergunta. Clique em na última coluna para acessar as perguntas que aparecem no painel de usuários:

1. Desativar uma pergunta para todas as consultas: a pergunta será ativada por padrão. Limpe (ou marque novamente) a caixa ao lado de Permitido na conversa. Essa opção pula a pergunta. Um varejista pode desativar uma pergunta se ela não estiver relacionada aos atributos consultados ou se puder ser interpretada como inadequada de alguma forma. Por exemplo, uma pergunta como "Qual tamanho de vestido você está procurando?" pode ser considerada intrometida em relação ao peso de um comprador.
2. Reescrever uma pergunta:no painel, você pode conferir a pergunta gerada pela IA, a que atributo ela está vinculada e quais valores o atributo tem. Clique no lápis para reescrever.

Ativar a pesquisa conversacional

Depois de editar as perguntas da IA generativa no console, você pode ativar a pesquisa por conversação.

Para ativar a pesquisa por conversa, acesse a página Pesquisa e navegação por conversa no console da Search for Retail.

1. Acesse a página Pesquisa e navegação por conversa no console da Pesquisa para varejo.
   
   Acesse a página "Pesquisa e navegação conversacional".

2. Na guia Configurar da Pesquisa para varejo, você encontra a configuração do sistema. Isso inclui definir os produtos mínimos necessários para corresponder à consulta antes que uma conversa possa acontecer, ou seja, quando as perguntas são geradas. Esse número mínimo é =>2. O mínimo pode ser configurado para ser maior, mas nunca menor que 2. Considere a quantidade de produtos no seu catálogo que você quer que sejam retornados na pesquisa para que os usuários iniciem uma conversa. Por exemplo, um bom número para esse indicador é uma linha por página para resultados de pesquisa mínimos para acionar uma conversa.

3. Ative a chave. Essa página também fornece informações sobre o status das suas verificações de bloqueio e aviso. Se você tiver consultas de pesquisa suficientes com pelo menos uma pergunta complementar, seu site terá a pesquisa de conversação ativada.

Avaliar e testar

Avaliar: permite visualizar a experiência de veiculação executando uma pesquisa de teste e testando suas perguntas com as facetas exibidas. Essa parte do console mostra uma prévia da sua experiência de veiculação com a pesquisa de conversação.

Para fazer isso, encontre esse módulo nas guias Pesquisar ou Navegar na página Avaliar do console "Pesquisar para varejo".

1. Acesse a página Avaliar no console da Pesquisa para varejo.
   
   Acessar a página "Avaliar"

2. No campo "Avaliação da pesquisa", insira uma consulta de teste que faça sentido com base no catálogo que você enviou para a pesquisa. Clique em Visualização da pesquisa. Os resultados da pesquisa vão aparecer, e, se a pesquisa de conversação estiver ativada, você vai ver perguntas geradas no painel à direita.

3. No painel à direita, você vai encontrar uma lista de perguntas do teste.

API de perguntas generativas: experiência de administrador

Esta seção descreve como usar a API de perguntas generativas para integrar a API de pesquisa de conversação à sua UI, gerenciar as perguntas generativas e exibir o recurso no seu site.

Integração de API

• Gerencie a API GenerativeQuestion da Pesquisa para varejo usando:
  • Console de pesquisa e navegação de conversas
  • Qualidade dos dados
  • Avaliar

Objetos:

• GenerativeQuestionsFeatureConfig
• GenerativeQuestionConfig
• Serviço de perguntas generativas
  • UpdateGenerativeQuestionsFeatureConfiguration
  • UpdateGenerativeQuestionConfig
  • ListGenerativeQuestionConfigs
  • GetGenerativeQuestionFeatureConfig
  • BatchUpdateGenerativeQuestionConfigs

O principal objetivo da integração desse recurso é definir o recurso "pergunta". Isso inclui a pergunta em si e se ela é permitida na conversa. A pergunta é gerada por padrão por um LLM, mas pode ser substituída pelo administrador.

Ativar o recurso

Objeto:

• GenerativeQuestionsFeatureConfig

Esse objeto é um arquivo de configuração de controle para ativar o recurso de perguntas generativas e gerenciar a experiência geral de veiculação da pesquisa por conversação. O objeto GenerativeQuestionsFeatureConfig recebe informações de atributos de um método GET e indica se os atributos são indexáveis ou não no catálogo associado ao projeto.

A chave feature_enabled determina se as perguntas são usadas no momento da veiculação. Ele gerencia os botões de nível superior no console.

Observação: esse recurso só pode ser ativado quando os requisitos de dados iniciais forem atendidos. Se os requisitos de dados não forem atendidos, a API vai acionar um erro de validação. A validação dos requisitos de dados está visível na Pesquisa para varejo. Por trás dos bastidores, ele está chamando essa API de configuração de recurso.

Saiba como ativar a pesquisa conversacional no console.

Como ativar o recurso na 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];
}

Campos relevantes para a conversa
catálogo	string: o nome do recurso do catálogo afetado no nível do projeto. Formato: projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	boolean Ativa ou desativa as perguntas. Campo opcional. Ela não pode ser ativada até que os requisitos de dados sejam atendidos. Se uma tentativa for feita, um erro será gerado.
minimum_products	Integer32: número mínimo de produtos na resposta para acionar perguntas de acompanhamento. Precisa ter um valor de 0 ou maior.

Gerenciar as perguntas generativas

Objeto:

• GenerativeQuestionConfig

Ele pode ser ativado para conversas com o campo booleano allowed_in_conversation. Ele controla a configuração de uma única pergunta gerada.

Campos (comportamentos de controle para a conversa em destaque)
catálogo	string Usado para identificar qual conjunto de atributos (e perguntas de extensão) está disponível. Todos esses valores são definidos no catálogo. Campo obrigatório.
faceta	string Faceta a que uma pergunta está associada. Campo obrigatório.
generated_question	string A pergunta padrão gerada pelo LLM. Apenas saída.
final_question	string A pergunta que será feita. Ele pode ter um comprimento máximo de 300 bytes. Campo opcional.
example_values	Valores de string repetidos que podem ser usados para responder à pergunta. Somente saída.
frequência	float: a proporção de vezes que uma pergunta foi feita. Apenas saída.
allowed_in_conversation	booleano: indica se a pergunta é feita no momento da veiculação. Este campo é opcional.

Experiência de veiculação ativada por esse recurso

O serviço de perguntas generativas (service GenerativeQuestionService{...}) é usado para gerenciar perguntas geradas pelo LLM. O objeto pai é o catálogo, onde ele recupera informações para retornar perguntas para um determinado catálogo. O serviço é usado para gerenciar o estado geral do recurso de perguntas generativas, fazer alterações individuais ou em lote e ativar ou desativar perguntas. Os requisitos de dados precisam ser atendidos para interagir com a API Service, e as perguntas precisam ser inicializadas antes de serem gerenciadas.

O serviço interage com as configurações do nível do recurso e da pergunta com dois conjuntos de manipuladores:

• Gerenciadores de generativeQuestionsFeatureConfig (nível de recurso):

  1. Atualização: permite mudar os produtos mínimos e ativar campos
  2. Get: retorna um objeto

• Gerenciadores de configuração de perguntas (no nível da pergunta):

  1. Lista: retorna todas as perguntas de um determinado catálogo
  2. Atualização: gerenciamento de perguntas individuais
  3. Atualização em lote: gerenciamento de perguntas agrupadas

O serviço vai retornar uma pergunta semanticamente adequada com base na consulta inicial.

Uma pergunta complementar é gerada pelo modelo LLM e pode ser substituída. As perguntas são mostradas com base na probabilidade de serem usadas pelos clientes ao chamar o histórico de eventos de pesquisa. Se não houver um histórico de eventos de pesquisa, o substituto será nos registros de pesquisa do varejista.

Perguntas diferentes são geradas com base na consulta anterior. Não há pesos fixos. A IA que gera as perguntas do LLM aprende com as consultas e muda o peso de cada uma delas. Assim, "camisa", por exemplo, tem um peso muito alto na categoria, mas "camisa vermelha GG" tem peso na categoria, tamanho e cor.

API de configuração da pesquisa conversacional: experiência de exibição

A API de configuração da pesquisa de conversação é integrada à API de pesquisa da Vertex AI.

Integração de API

A API de configuração ConversationalSearchSpec do recurso fica acima da API Vertex AI para Pesquisa para varejo. Para oferecer suporte ao novo recurso, a pesquisa de conversação, as seguintes mudanças foram feitas na API principal (query) da Vertex AI para Pesquisa para varejo:

• ConversationalSearchSpec: esse campo opcional foi adicionado ao SearchRequest, mas é obrigatório se você quiser usar o recurso de pesquisa de conversação. O campo reutiliza os campos, a consulta e o filtro do SearchRequest. Ele também inclui um campo para ativar uma pergunta de acompanhamento enviada ao usuário após uma consulta inicial e um conversation_id para manter o estado da conversa entre o cliente e o servidor.

• ConversationalSearchResult: um arquivo proto contém informações extras necessárias para serem retornadas para o fluxo de CRS de conversação em SearchResponse. Isso inclui conversation_id, refined_query, additional_filters, follow_up_question e suggested_answers (consulte a seção Jornada do usuário).

Jornada do usuário

O fluxo de conversa funciona da seguinte maneira: o usuário inicia uma pesquisa com uma consulta inicial e a flag followup_conversation_requested definida como "true". Em seguida, o usuário seleciona uma resposta ou fornece uma entrada de texto livre, que é enviada de volta à API usando o campo user_answer. Em seguida, a API refina os resultados da pesquisa com base na entrada do usuário e fornece uma nova pergunta de acompanhamento, solicitando uma consulta de acompanhamento e continuando a conversa em várias etapas até que o usuário encontre o que está procurando no site do varejista.

Supondo que a pesquisa de conversação esteja ativada no site, a jornada do usuário e a interação subsequente com a Vertex AI para Pesquisa para varejo seguem este caminho:

• Etapa 1. A primeira consulta vem do usuário
• Etapa 1a. Conversa de acompanhamento solicitada enviada para pesquisa
• Etapa 1b. Resposta inicial da pesquisa com consulta refinada e respostas sugeridas
• Cenário 2: o usuário seleciona uma opção múltipla
• Etapa 2a. Filtro de resposta selecionado enviado para a pesquisa
• Etapa 2b. Pesquisa executada novamente com o filtro aplicado
• Cenário 3: o usuário seleciona texto livre
• Etapa 3a. Resposta de texto enviada para a Pesquisa
• Etapa 3b. Pesquisa executada novamente com uma consulta modificada

Etapa 1. A primeira consulta vem do usuário

conversational_search_spec: a introdução desse campo na mensagem SearchRequest permite que o sistema distinga as pesquisas comuns das de conversação. Essa determinação influencia se os usuários recebem respostas de conversação adicionais, preservando os recursos de pesquisa originais e os estendendo para interações de conversação. O campo conversational_search_spec está no formato de mensagem e contém detalhes necessários para o fluxo de conversa, como respostas do usuário, IDs de conversa e se o usuário quer uma conversa de acompanhamento. Essas informações orientam o sistema a entender o contexto e as interações do usuário.

Se o campo booleano followup_conversation_requested estiver definido como VERDADEIRO, a API vai responder com um conjunto inicial de resultados e uma pergunta de acompanhamento. O usuário vai ter uma experiência de conversa na pesquisa. Se esse campo for definido como "FALSO", nenhuma pergunta de acompanhamento será exibida.

Etapa 1a. Varejista → pesquisa: consulta inicial com conversa ativada

Solicitação JSON

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

Etapa 1b. Pesquisa → varejista: ID da conversa, consulta refinada, pergunta de acompanhamento, respostas sugeridas

Resposta 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" é um proto que contém informações extras retornadas do fluxo de conversação. O campo conversational_search_result em SearchResponse fornece dados suplementares que são cruciais para a renderização da UI do lado do cliente. O campo conversational_search_result usa mensagens aninhadas, como SuggestedAnswer e AdditionalFilter, para estruturar os dados retornados de maneira clara e compreensível. Essa estrutura hierárquica garante que as informações trocadas entre o cliente e o servidor sejam bem definidas e interpretáveis.
• As respostas sugeridas são classificadas por quais valores de faceta no catálogo foram mais usados nos eventos do usuário como filtros para todas as consultas. A classificação usa o campo engagement_rate na pergunta de acompanhamento gerada pelo proto da Pesquisa de conversa. Esse campo captura a taxa de engajamento histórica mostrada pelo filtro dos eventos de pesquisa do varejista enviados ao servidor.

O que fazer com o retorno inicial da pesquisa por conversação

• conversation_id: um identificador exclusivo da sessão de pesquisa em andamento, que precisa ser armazenado e usado em solicitações subsequentes. Ele está vazio na consulta inicial, e o servidor vai responder com o conversation_id. O campo é usado para acompanhar "qual conversa está acontecendo", porque um comprador pode ter várias guias ou dispositivos abertos.
• refined_query: rastreia a consulta atual e é atualizado conforme o usuário interage com a Pesquisa. Isso muda se um comprador escolher a entrada de texto livre. Se o comprador selecionar uma opção de múltipla escolha, esse campo será igual à consulta na solicitação.
• followup_question: informa ao varejista qual pergunta mostrar ao usuário. Ele contém os campos question, suggested_answers
• suggested_answers: contém valores de atributos de produtos com pares de chave-valor de nome e valor para cada resposta sugerida. Ele fornece uma lista de opções de múltipla escolha. Esse campo pode ser definido para mostrar apenas os primeiros N resultados de múltipla escolha. Elas são classificadas por um campo engagement_rate, que representa a probabilidade de a pergunta estar envolvida em uma pesquisa.

Cenário 2: o usuário seleciona uma opção de múltipla escolha

Se um usuário selecionar uma resposta de múltipla escolha yellow:

• O conversation_id é restaurado do armazenamento de sessão.
• followup_conversation_requested é definido como verdadeiro.
• A string user_answer usa "selected_answer", que contém um par de chave-valor product_attribute_value, ou text_answer, que contém o valor de entrada de texto livre para indicar a escolha do usuário. Esse campo está dentro de conversational_search_spec e contém outras mensagens aninhadas, como "SelectedAnswer", para especificar os tipos de entrada do usuário (texto ou respostas selecionadas).
• O resultado reverte para a chamada do objeto SearchResults e seus campos.
• selected_answerEsse campo transmite os atributos do produto para orientar a pesquisa por conversa.

Etapa 2a. Varejista → pesquisa: filtro de resposta selecionada

Solicitação 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"
        }
      }
    }
  }
}

Etapa 2b. Pesquisa → varejista: filtros aplicados

Resposta 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"
        }
      }
    ]
  }
}

O que fazer com uma resposta de múltipla escolha

A resposta da pesquisa é basicamente idêntica à resposta da primeira consulta, exceto pelo fato de que ela também usa um additional_filter. Neste exemplo, ele precisa ser usado para "marcar" a caixa de filtro para cor = amarelo. Ele precisa ser adicionado ao campo filter nas solicitações de pesquisa de acompanhamento ou nos uploads de eventos, como em filter: "colors:ANY(\"yellow\")".

Cenário 3: o usuário seleciona uma entrada de texto livre

Se um usuário digitar lavender:

• o conversation_id é restaurado do armazenamento de sessão
• followup_conversation_requested é definida como verdadeiro
• user_answer é definido para o que o usuário insere (com o prefixo text_answer:)

Etapa 3a. Varejista → pesquisa: resposta de texto

Solicitação JSON

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

Observe a ausência de um campo de filtro na solicitação de texto livre.

Etapa 3b. Pesquisa → varejista: execute com consulta modificada

Resposta 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"
        }
      }
    ]
  }
}

O que fazer com uma resposta de texto livre

• É semelhante à resposta inicial, mas observe que o refined_query agora está atualizado.
• Atualize a interface do usuário de pesquisa ("caixa de pesquisa") com a consulta refinada.
• Envie a consulta refinada nos eventos nos pedidos de pesquisa de acompanhamento ou nos uploads de eventos.
• Se o usuário der uma resposta de texto livre que corresponda a uma resposta sugerida (por exemplo, text_answer="yellow" quando houver colors="yellow" como resposta sugerida), esse caso será tratado como uma resposta de múltipla escolha (consulte acima).