创建推荐模型

本页介绍了如何创建新的推荐模型。

注意 ：您无需为搜索手动配置或创建模型。

如果您已具有正确类型的推荐模型，并且想要从网站中的其他位置获取该模型，则可以为其创建新的投放配置而无需创建新模型。了解详情。

简介

当您希望使用新的推荐类型来获取预测时，您必须创建新的推荐模型并提供足够的用户事件数据以用于训练。您可以为新模型创建投放配置，然后在模型完成训练后，向这些投放配置请求预测。

如需简要了解如何使用 Vertex AI Search 零售解决方案，请参阅实现 Vertex AI Search 零售解决方案。

创建推荐模型

使用 Search for Retail 控制台或 models.Create API 方法添加新的推荐模型。

每个项目最多可以有 20 个模型，并且其中最多有 10 个模型一直处于活跃状态（未暂停）。详细了解如何暂停模型。

每分钟最多可以启动 5 个模型操作。受限制的模型操作包括创建、删除、暂停和继续。

在创建新模型之前，请确保：

• 查看可用的推荐模型类型和模型业务目标，然后进行选择。这些指标决定了该模型应接受怎样的训练才能提供什么类型的建议。
• 确定调整模型的频率。如需了解调整和训练费用详情，请参阅价格。
• 请确保您上传的数据量足够满足创建新模型的要求。某些要求取决于您选择的模型类型。

• 如果您打算创建页面级优化模型，请执行以下操作：

  • 检查您是否已拥有附加了训练好的模型的推荐服务配置。您必须提供一系列推荐广告投放配置，以便页面级优化在优化网页的推荐时从中进行选择。

  • 为 detail-page-view 事件以及与您要部署网页级优化模型的网页类型匹配的事件设置事件记录（例如，如果您要在首页上部署该模型，请务必为 home-page-view 事件设置记录）。为了改进个性化推荐功能，我们还建议您为 purchase 和 add-to-cart 事件记录事件。

  • 如果您选择转化率 (CVR) 作为业务目标，则必须为 add-to-cart 事件记录事件。

  • 请确保在创建网页级优化模型后，您继续查询该模型以创建推荐展示。这些展示次数用于训练网页级优化模型，并改进其提供的建议。

如需创建新模型，请执行以下操作：

Google Cloud 控制台

1. 前往 Search for Retail 控制台中的模型页面。
   
   前往“模型”页面

2. 点击创建模型。

3. 为模型输入名称。

   名称不得超过 1024 个字符，并且只能包含字母数字字符、下划线、连字符、空格。

4. 选择推荐类型。

5. 如果您选择了页面级优化模型类型，请执行以下操作：

   1. 选择“网页级优化”模型将为您优化的网页类型。

   2. 选择要多大程度地限制在各个面板中投放类似的服务配置：

      • 唯一的模型类型：不允许将具有相同模型类型的多个服务配置显示在不同的面板上。

      • 唯一模型：不允许将使用相同模型的多个服务配置显示在不同的面板上。

      • 独特的服务配置：不允许将同一服务配置显示在多个面板上。

      • 无限制：允许将任意服务配置显示在任意数量的面板上。

   3. 对于您计划使用此模型显示的每个推荐面板，请执行以下操作：

      1. 输入面板 ID。

      2. 选择网页级优化模型可以将哪些投放配置视为该面板的选项。

         例如，购物车页面可能包含一个建议面板，您可以在其中显示“经常一起购买的产品”或“可能感兴趣的其他商品”建议。在本例中，选择一个使用“经常一起购买”模型的服务配置，以及另一个使用“您可能喜欢的其他产品”模型的服务配置，以便在此面板上进行考虑。当您向网页级优化模型发出预测调用时，该模型会根据最终用户的事件历史记录选择应在该面板中显示哪种类型的建议。

      3. 选择默认的服务配置。

         如果 Google 服务器发生中断，网页级优化模型仍可根据默认投放配置投放结果。

   4. 如果您需要创建其他面板，请针对每个新面板点击添加面板，然后输入新面板的详细信息。

6. 选择业务目标（如果您选择的模型类型有）。

7. 如果您选择了“经常一起购买”模型类型，请选择情境产品类型：

   • 多个上下文商品：使用一项或多项内容作为上下文来根据此模型提供建议。
   • 单个上下文商品：使用一项内容作为上下文来根据此模型提供建议。

8. 查看是否满足数据要求列表，确认您已为所选模型类型上传足够的数据。

   如果未满足的数据要求导致您无法创建模型，则相应要求旁边会显示一个 X 图标，并且创建推荐模型窗格的底部创建按钮会处于停用状态。

   如果您需要上传更多数据，请仔细查看列出的数据要求，确保该模型是否需要满足其中的部分或全部要求，然后导入创建该模型所需的用户事件或产品

   如需了解导入方法，请参阅导入历史用户事件和导入目录信息。

9. 选择模型调优的频率。如需了解调整费用详情，请参阅价格。

   • 每 3 个月：模型每 3 个月自动调整一次。
   • 仅限手动调整：只有在您手动调整模型时，系统才会调整模型。

10. （公开预览版功能）选择是否自动生成用于过滤的代码。

    • 自动生成标记：启用此选项后，您可以滤除此模型提供的推荐结果。启用此选项可能会增加训练时间。如需了解训练费用详情，请参阅价格。
    • 不生成标签：如果停用此选项，您将无法通过此模型获得经过过滤的推荐内容。

11. 点击创建以创建新的推荐模型。

    如果您上传了所需类型的足够用户事件数据，则初始模型训练和调整会开始执行。初始模型训练和调整需要 2-5 天才能完成，但对于大型数据集，可能需要更长时间。

    您可以在训练完成之前为新模型创建展示位置，但在初始训练和调整完成以及模型生效之前，这些展示位置将仅提供“试运行”预测。

curl

向 v2 API 发出 Models.create 请求，并在请求正文中添加 Model 实例。请参阅 Models.create API 参考文档。

如需详细了解所有 Models 字段，请参阅 Models API 参考文档。

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
            "name": "FULL_MODEL_NAME",
            "displayName": "DISPLAY_NAME",
            "trainingState": "TRAINING_STATE",
            "type": "MODEL_TYPE",
            "optimizationObjective": "OPTIMIZATION_OBJECTIVE",
            "periodicTuningState": "TUNING_STATE",
            "filteringOption": "FILTERING_STATE",
            "modelTypeConfig" {
              "contextProductsType": "CONTEXT_PRODUCTS_TYPE"
            }
          }' \
  "https://retail.googleapis.com/v2beta/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/models"

如果您上传了所需类型的足够用户事件数据，则初始模型训练和调整会开始执行。 初始模型训练和调整需要 2-5 天才能完成，但对于大型数据集，可能需要更长时间。

您可以在训练完成之前为新模型创建投放配置，但在初始训练和调整完成以及模型生效之前，这些投放配置将仅提供“试运行”预测。

创建新推荐模型的要求

首次为网站使用特定建议类型时，您正在训练一种新的机器学习模型，该模型需要足够的训练数据，以及训练和调整模型的时间。如要开始使用新的推荐类型，您需要按以下步骤操作：

1. 将目录导入 Vertex AI Search 零售解决方案（如果尚未执行此操作），并实现使上传的目录保持最新状态的流程。
2. 开始将用户事件记录到 Vertex AI Search for Retail 中（如果您尚未这样做），请务必遵循记录用户事件数据的最佳实践。
3. 确定您要使用的建议类型和优化目标。
4. 确定您所需的推荐类型和目标的用户事件数据要求。
5. 导入历史用户事件数据以满足最低事件数据要求，或等到用户事件数据收集满足最低要求。

6. 创建模型和投放配置。

   此时，适用于零售业的 Vertex AI Search 会启动模型训练和微调。初始模型训练和调整需要 2-5 天才能完成，但对于大型数据集，可能需要更长时间。

7. 使用预测预览确认您的模型可正常运行。

8. 创建 A/B 实验。

模型类型最低数据量要求

您导入的用户事件类型和所需数据量取决于您的推荐（模型）类型和优化目标。达到最低数据要求后，您就可以开始训练模型。

数据收集时段表示用户事件的时间段；导入更多历史数据不会影响模型质量。

请务必使用真实的用户事件和真实的商品目录数据。无法基于合成数据构建优质模型。

模型类型	优化目标	支持的用户事件类型	最低数据要求	数据收集时段
为您推荐	点击率	detail-page-view home-page-view	过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件 且 过去 90 天内的 7 天 home-page-view 事件 过去 90 天内有 1 万个 home-page-view 事件	3 个月
为您推荐	转化率	add-to-cart detail-page-view home-page-view	过去 90 天内有 7 天的 add-to-cart 事件，且每个目录项平均有 10 次 add-to-cart 事件（90 天时间段）；或者，过去 90 天内有 60 天的 add-to-cart 事件 过去 90 天内，add-to-cart 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 add-to-cart 事件 且 过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内有 10,000 个 detail-page-view 事件 且 过去 90 天内的 7 天 home-page-view 事件 过去 90 天内有 1 万个 home-page-view 事件	3 个月
为您推荐	每次会话的收入	add-to-cart detail-page-view home-page-view	过去 90 天内有 7 天的 add-to-cart 事件数据，并且每个目录项平均有 10 个 add-to-cart 事件（90 天时间段）；或者过去 90 天内有 60 天的 add-to-cart 事件数据 过去 90 天内， add-to-cart 事件有 100 个不重复的目录项 过去 90 天内有 10,000 个 add-to-cart 事件 且 过去 90 天内的 7 天 home-page-view 事件 过去 90 天内发生了 1 万个 home-page-view 事件	3 个月
您可能喜欢的其他类型	点击率	detail-page-view	过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件	3 个月
您可能喜欢的其他类型	转化率	add-to-cart detail-page-view	过去 90 天内有 7 天的 add-to-cart 事件数据，并且每个目录项平均有 10 个 add-to-cart 事件（90 天时间段）；或者过去 90 天内有 60 天的 add-to-cart 事件数据 过去 90 天内，add-to-cart 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 add-to-cart 事件 且 过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件	3 个月
您可能喜欢的其他类型	每次会话的收入	add-to-cart detail-page-view	过去 90 天内有 7 天的 add-to-cart 事件数据，并且每个目录项平均有 10 个 add-to-cart 事件（90 天时间段）；或者过去 90 天内有 60 天的 add-to-cart 事件数据 过去 90 天内，add-to-cart 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 add-to-cart 事件 且 过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件	3 个月
经常一起购买的商品	每次会话的收入	purchase-complete	每个目录项平均有 10 次 purchase-complete 事件（1 年时间段内）；或者过去 1 年内有 90 天的 purchase-complete 事件 过去 1 年内，purchase-complete 事件有 100 个非重复清单项 过去 1 年内发生了 1,000 个 purchase-complete 事件	3 个月 我们建议您至少每天上传一次事件，以确保数据质量良好。在导入历史事件期间，请确保数据分布向最近的时间戳偏移。最后一个时间戳日期的事件数应等于或高于平均每日事件数。
促销	点击率	detail-page-view home-page-view	过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件 且 过去 90 天内的 7 天 home-page-view 事件 过去 90 天内有 1 万个 home-page-view 事件	3 个月
促销	转化率	add-to-cart detail-page-view home-page-view	过去 90 天内有 7 天的 add-to-cart 事件数据，并且每个目录项平均有 10 个 add-to-cart 事件（90 天时间段）；或者过去 90 天内有 60 天的 add-to-cart 事件数据 过去 90 天内，add-to-cart 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 add-to-cart 事件 且 过去 90 天内有 7 天的 detail-page-view 事件数据，并且每个目录项平均有 10 个 detail-page-view 事件（90 天时间段）；或者过去 90 天内有 60 天的 detail-page-view 事件数据 过去 90 天内，detail-page-view 事件有 100 个不重复的目录项 过去 90 天内发生了 1 万个 detail-page-view 事件 且 过去 90 天内的 7 天 home-page-view 事件 过去 90 天内有 1 万个 home-page-view 事件	3 个月
类似商品	不适用	不需要。	必须有 100 个商品 SKU 存在于某个分支中	不适用
页面级优化	不限	detail-page-view add-to-cart purchase-complete home-page-view	网页级优化会在多个可能的模型之间进行选择，以优化推荐面板。请参阅您选择作为网页级优化选项的模型的数据要求。	不适用
再次购买	不适用	purchase-complete	每个目录项平均有 10 次 purchase-complete 事件（90 天内有 purchase-complete 事件），或者过去 90 天内有 60 天的 purchase-complete 事件 过去 90 天内，purchase-complete 事件有 100 个不重复的目录项 过去 90 天内发生了 1,000 个 purchase-complete 事件 必须有 100 个商品 SKU 存在于某个分支中	不适用 我们建议您至少每天上传一次事件，以确保数据质量良好。在导入历史事件期间，请确保数据分布向最近的时间戳偏移。最后一个时间戳日期的事件数应等于或高于平均每日事件数。

后续步骤

• 为模型创建投放配置。
• 了解如何为模型暂停和恢复训练。
• 模型训练完成后，开始请求推荐。