Cette page explique comment créer un modèle de recommandations.
Si vous disposez déjà d'un modèle de recommandation du type approprié et que vous souhaitez obtenir des prédictions à partir d'un autre emplacement de votre site, vous pouvez créer une configuration de diffusion correspondante plutôt que créer un modèle. En savoir plus
Présentation
Lorsque vous souhaitez utiliser un nouveau type de recommandation pour obtenir des prédictions, vous devez créer un modèle de recommandation et fournir suffisamment de données d'événements utilisateur pour qu'il puisse être entraîné. Créez des configurations de diffusion pour votre nouveau modèle. Une fois l'entraînement du modèle terminé, les prédictions sont demandées aux utilisateurs de configuration.
Pour obtenir une présentation du processus d'utilisation de Vertex AI Search pour le commerce, consultez la page Implémenter Vertex AI Search pour le commerce.
Créer un modèle de recommandation
Ajoutez un modèle de recommandation à l'aide de la console de recherche pour le commerce ou de la méthode API models.Create.
Vous pouvez avoir jusqu'à 20 modèles par projet, et jusqu'à 10 d'entre eux peuvent être actifs (non suspendus) à tout moment. Découvrez comment mettre en pause un modèle.
Vous pouvez lancer jusqu'à cinq opérations de modèle par minute. Les opérations de modélisation limitées sont la création, la suppression, la pause et la reprise.
Avant de créer un modèle:
- Consultez les types de modèles de recommandation et les objectifs commerciaux du modèle disponibles, puis choisissez parmi ceux-ci. Ceux-ci déterminent ce que que ce modèle doit être entraîné à fournir.
- Déterminez à quelle fréquence régler le modèle. Pour les coûts de réglage et d'entraînement consultez la section Tarifs.
- Assurez-vous d'avoir importé suffisamment de données pour respecter Exigences relatives à la création d'un modèle. Certaines exigences dépendent du type de modèle que vous choisissez.
Si vous prévoyez de créer un modèle d'optimisation au niveau de la page :
Vérifiez que vous disposez déjà de configurations de diffusion des recommandations ayant qui leur sont rattachés. Vous devez fournir une sélection de recommandations que l'optimisation au niveau de la page peut choisir pour l'optimisation recommandations.
Configurer l'enregistrement des événements
detail-page-viewet des événements correspondants le type de page sur lequel vous allez déployer le modèle d'optimisation au niveau de la page (par exemple, si vous déployer le modèle sur une page d'accueil, assurez-vous de configurer l'enregistrementhome-page-view). Pour améliorer les recommandations personnalisées, l'enregistrement des événementspurchaseetadd-to-cartest également recommandé.Si vous choisissez l'objectif d'entreprise "Taux de conversion", l'enregistrement des événements pour les événements
add-to-cartest obligatoire.Après avoir créé le modèle d'optimisation au niveau de la page, veillez à continuer d'interroger pour créer des impressions de recommandations. Ces impressions sont utilisées pour entraîner le modèle d'optimisation au niveau de la page et améliorer les recommandations qu'il fournit.
Pour créer un modèle, procédez comme suit :
console Google Cloud
Accédez à la page Modèles dans la console Search for Retail.
Accéder à la page "Modèles"Cliquez sur Créer un modèle.
Attribuez un nom à votre modèle.
Ce nom doit comporter 1 024 caractères au maximum, et ne peut contenir que des caractères alphanumériques, des traits de soulignement, des traits d'union et des espaces.
Choisissez le type de recommandation.
Si vous avez sélectionné le type de modèle d'optimisation au niveau de la page :
Choisissez le type de page que le modèle d'optimisation au niveau de la page optimisera pour vous.
Choisissez le niveau de restriction de la diffusion de configurations de diffusion similaires entre les panneaux :
Type de modèle unique:n'autorisez pas plusieurs configurations de diffusion avec le même type de modèle à afficher dans différents panneaux.
Modèle unique:vous ne devez pas autoriser plusieurs configurations de diffusion ayant le même dans différents panneaux.
Configuration de diffusion unique : n'autorisez pas l'affichage de la même configuration de diffusion dans plusieurs panneaux.
Aucune restriction:autorisez l'affichage de toutes les configurations de diffusion sur les le nombre de panneaux.
Pour chaque panneau de recommandations que vous prévoyez d'afficher avec ce modèle :
Saisissez un ID de panneau.
Sélectionner les configurations de diffusion que le modèle d'optimisation au niveau de la page peut considérer comme pour ce panneau.
Par exemple, une page d'ajout au panier peut comporter un panneau de recommandations dans lequel vous souhaitez afficher des recommandations "Fréquemment achetés ensemble" ou "Autres articles susceptibles de vous intéresser". Dans ce cas, sélectionnez une configuration de diffusion qui utilise le modèle "Produits fréquemment achetés ensemble" et une autre qui utilise le modèle "Autres produits susceptibles de vous intéresser" pour examen dans ce panneau. Lorsque vous effectuez un appel de prédiction au modèle d'optimisation au niveau de la page, il choisit le type de recommandations à afficher dans ce panneau en fonction de l'historique des événements de l'utilisateur final.
Sélectionnez une configuration de diffusion par défaut.
En cas de panne du serveur Google, le modèle d'optimisation au niveau de la page de la configuration de diffusion par défaut.
Si vous devez créer des panneaux supplémentaires, cliquez sur Ajouter un panneau pour chaque panneau et saisissez les informations correspondantes.
Choisissez l'objectif commercial, s'il est disponible pour le type de modèle que vous sélectionnée.
Si vous avez choisi le type de modèle "Produits fréquemment achetés ensemble", sélectionnez Type de produits de contexte :
- Plusieurs produits à contexte : utilisez un ou plusieurs articles comme contexte pour les recommandations provenant de ce modèle.
- Produit à contexte unique : utilisez un seul article comme contexte pour les recommandations provenant de ce modèle.
Consultez la liste Exigences de données respectées ? pour vous assurer que vous avez importé suffisamment de données pour le type de modèle que vous avez sélectionné.
Si une exigence relative aux données non satisfaite vous empêche de créer le modèle, une L'icône X cancel s'affiche à côté de et le bouton Create (Créer) situé en bas de la fenêtre Create modèle de recommandation est désactivé.
Si vous devez importer plus de données, lisez attentivement les exigences concernant les données pour vérifier si tout ou partie d'entre eux doivent être remplis pour ce modèle, puis d'importer les événements utilisateur ou les produits requis pour créer modèle
Pour savoir comment importer, consultez Importer un historique d'événements utilisateur et Importer des informations du catalogue.
Choisissez la fréquence de réglage du modèle. Pour en savoir plus sur les coûts de réglage, consultez Tarifs :
- Tous les trois mois: le modèle est réglé automatiquement tous les trois mois. mois.
- Réglage manuel uniquement : le modèle n'est réglé que lorsque vous le faites manuellement.
(Fonctionnalité de la version Preview publique) Indiquez si vous souhaitez générer automatiquement des balises pour le filtrage.
- Générer des tags automatiquement : cette option vous permet de filtrer les résultats des recommandations de ce modèle. L'activation de cette option peut augmenter la durée d'entraînement. Pour en savoir plus sur les coûts d'entraînement, consultez Tarifs :
- Ne pas générer de tags: si cette option est désactivée, vous ne pouvez pas les recommandations filtrées de ce modèle.
Cliquez sur Créer pour créer le modèle de recommandation.
Si vous avez importé suffisamment de données d'événement utilisateur du type requis, l'entraînement initial et le réglage du modèle commencent. L'entraînement et le réglage initiaux du modèle prennent 2 à 5 jours, mais peuvent prendre pour les grands ensembles de données.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.
curl
Envoyez une requête Models.create à l'API v2 avec une instance de
Model dans le corps de la requête. Voir l'API Models.create
référence.
Pour en savoir plus sur tous les champs Models, consultez la documentation de référence de l'API Models.
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"
Si vous avez importé suffisamment de données d'événements utilisateur du type requis, le champ l'entraînement et le réglage initiaux du modèle. L'entraînement initial et le réglage du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour de grands ensembles de données.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.
Exigences relatives à la création d'un modèle de recommandation
La première fois que vous utilisez un type de recommandation spécifique pour votre site, vous entraînez un nouveau modèle de machine learning. Le processus nécessite une quantité suffisante de données d'entraînement ainsi que du temps pour entraîner et régler le modèle. Pour commencer à utiliser un nouveau type de recommandation, vous devez suivre les étapes suivantes :
- Importez votre catalogue dans Vertex AI Search pour le commerce, si ce n'est pas déjà fait, et mettez en œuvre des processus pour maintenir le catalogue importé à jour.
- Commencez à enregistrer des événements utilisateur dans Vertex AI Search pour le retail, si ce n'est pas déjà fait, en veillant à suivre les bonnes pratiques pour enregistrer les données d'événements utilisateur.
- Identifiez le type de recommandation et l'objectif d'optimisation que vous souhaitez utiliser.
- Déterminez les exigences applicables aux données d'événement utilisateur pour le type de recommandation et l'objectif souhaités.
- Importez les données d'historique des événements utilisateur afin de répondre aux exigences minimales applicables aux données d'événements, ou attendez que la collecte des données d'événements utilisateur génère suffisamment de données pour satisfaire les exigences minimales.
Créez votre modèle et votre configurations de diffusion.
À ce stade, Vertex AI Search for retail lance l'entraînement et le réglage du modèle. L'entraînement initial et le réglage du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour de grands ensembles de données.
Vérifiez que votre modèle fonctionne correctement à l'aide de la version bêta de la prédiction.
Créez votre test A/B.
Exigences minimales concernant les données pour le type de modèle
Le type d'événements utilisateur que vous importez et la quantité de données dont vous avez besoin dépendent de votre type de recommandation (modèle) et de votre objectif d'optimisation. Une fois que vous avez atteint la quantité minimale de données requise, vous pouvez commencer l'entraînement du modèle.
La période de collecte des données correspond à la période des événements utilisateur. importer davantage les données historiques n'ont aucun effet sur la qualité du modèle.
Veillez à utiliser des événements utilisateur réels et des données de catalogue réelles. Modèles de bonne qualité ne peuvent pas reposer sur des données synthétiques.
| Type de modèle | Objectif d'optimisation | Types d'événements utilisateur compatibles | Exigence minimale en matière de données | Période de collecte de données |
|---|---|---|---|---|
| Recommandées pour vous | Taux de clics |
detail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Recommandées pour vous | Taux de conversion |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Recommandées pour vous | Revenus par session |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de clics |
detail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de conversion |
add-to-cartdetail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Autres articles susceptibles de vous intéresser | Revenus par session |
add-to-cartdetail-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements |
3 mois |
| Articles fréquemment achetés ensemble | Revenus par session |
purchase-complete
|
10 occurrences par élément de catalogue en moyenne (avec
100 articles de catalogue uniques pour l'événement
1 000 événements |
3 mois Nous vous recommandons d'importer les événements au moins une fois par jour pour conserver des données de qualité. qualité. Lors des importations d'événements historiques, assurez-vous que la distribution des données est biaisée vers l'horodatage le plus récent. Le nombre de événements du dernier jour de code temporel doit être supérieur ou égal à la valeur le nombre moyen d'événements quotidiens. |
| En promotion | Taux de clics |
detail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| En promotion | Taux de conversion |
add-to-cartdetail-page-viewhome-page-view
|
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
100 articles de catalogue uniques pour l'événement
10 000 événements ET
7 jours d'événements
10 000 événements |
3 mois |
| Articles similaires | N/A | Aucune action requise. |
100 SKU de produits doivent se trouver dans une branche |
N/A |
| Optimisation au niveau de la page | Tout |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
L'optimisation au niveau de la page optimise les panneaux de recommandations en choisissant parmi plusieurs modèles de ML possibles. Reportez-vous aux exigences de données pour les modèles que vous sélectionnez comme options pour l'optimisation au niveau de la page. |
N/A |
| Racheter | N/A |
purchase-complete
|
10 occurrences par élément de catalogue en moyenne (avec une période de
100 articles de catalogue uniques pour l'événement
1 000 événements 100 codes SKU de produits doivent figurer dans une branche |
N/A Nous vous recommandons d'importer les événements au moins une fois par jour pour conserver des données de qualité. qualité. Lors des importations d'événements historiques, assurez-vous que les données est asymétrique selon le code temporel le plus récent. Le nombre d'événements du dernier jour avec code temporel doit être égal ou supérieur au nombre moyen d'événements quotidiens. |
Étape suivante
- Créez une configuration de diffusion pour votre modèle.
- Découvrez comment suspendre et reprendre l'entraînement de votre modèle.
- Une fois l'entraînement terminé, commencez à demander des recommandations.