Nesta página, descrevemos como criar um novo modelo de recomendações.
Se você já tem um modelo de recomendação do tipo correto e você quiser receber previsões dele de um local diferente do seu site, é possível criar uma nova configuração de veiculação para ele em vez de criar uma modelo novo. Saiba mais
Introdução
Quando você quiser usar um novo tipo de recomendação para receber previsões, crie um novo modelo de recomendação e forneça dados de evento do usuário suficientes para que sejam treinados. Crie configurações de veiculação para o novo modelo e Quando o modelo terminar o treinamento, solicite previsões dos usuários personalizadas.
Para ter uma visão geral do processo de trabalho com a Vertex AI para Pesquisa para varejo, consulte Implementar a Vertex AI para Pesquisa para Retail.
Criar um modelo de recomendação
Adicione um novo modelo de recomendação usando a ferramenta Search for Retail
console ou a models.Create
Método de API.
É possível ter até 20 modelos por projeto, e até 10 deles podem estar ativos (não pausados) a qualquer momento. Saiba mais sobre como pausar um modelo.
É possível iniciar até cinco operações de modelo por minuto. As operações limitadas do modelo incluem criação, exclusão, pausa e retomada.
Antes de criar um novo modelo:
- Analise e escolha entre os tipos de modelos de recomendação disponíveis e modelar objetivos de negócio. Isso determina o que recomendações que esse modelo deve ser treinado para oferecer.
- decida com que frequência ajustar o modelo. Para custo de ajuste e treinamento Para mais detalhes, consulte Preços.
- Verifique se você fez o upload de dados suficientes para atender requisitos para criar um novo modelo. Alguns requisitos dependem com base no tipo de modelo que você escolher.
Se você planeja criar um modelo de otimização no nível da página:
Verifique se você já tem configurações de veiculação de recomendações treinadas de modelos de machine learning anexados a elas. Você precisa fornecer uma seleção de recomendações configurações de veiculação que a otimização no nível da página pode escolher ao otimizar o desempenho recomendações.
Configurar a gravação de
detail-page-vieweventos e eventos correspondentes o tipo de página em que você vai implantar o modelo de otimização no nível da página (por exemplo, se você implante o modelo em uma página inicial, configure a gravaçãohome-page-view). Para melhorar as recomendações personalizadas, os eventos a gravação dos eventospurchaseeadd-to-carttambém é recomendada.Se você escolher o objetivo de negócio da taxa de conversão (CVR), a gravação de
add-to-carteventos é necessária.Depois de criar o modelo de otimização no nível da página, você precisa continuar consultando a para criar impressões de recomendações. Essas impressões são usadas treinar o modelo de otimização no nível da página e melhorar as recomendações que ele exibe.
Para criar um novo modelo:.
Console do Google Cloud
Acesse a página Modelos no console do Search for Retail.
Acessar a página "Modelos"Clique em Criar modelo.
Insira um nome para seu modelo.
O nome precisa ter 1.024 caracteres ou menos e pode conter apenas caracteres alfanuméricos, sublinhados, hífens e espaços.
Escolha o tipo de recomendação.
Se você selecionou o tipo de modelo de otimização no nível da página:
Escolha o tipo de página com a "Otimização no nível da página" vai otimizar para você.
Escolha o quanto você quer restringir a veiculação de configurações de exibição semelhantes nos painéis:
Tipo de modelo único: não permita várias configurações de veiculação com que o mesmo tipo de modelo seja mostrado em painéis diferentes.
Modelo único: não permita várias configurações de veiculação com o mesmo modelo seja mostrado em painéis diferentes.
Configuração de veiculação única: não permita que a mesma configuração de veiculação seja mostrados em vários painéis.
Sem restrições:permite que qualquer configuração de veiculação seja mostrada em qualquer número de painéis.
Para cada painel de recomendações que você planeja mostrar com esse modelo:
Insira um ID de painel.
Selecione quais configurações de veiculação o modelo de otimização no nível da página pode considerar opções para esse painel.
Por exemplo, uma página "Adicionar ao carrinho" pode ter um painel de recomendações em que você quer exibir os itens "Comprados juntos com frequência" ou "Outros itens que você pode gostar". recomendações. Nesse caso, selecione uma configuração de veiculação que use o modelo “Comprados juntos com frequência” e outro que usa o modelo “Outros que podem ser curtidos” para consideração neste painel. Quando você faz uma chamada de previsão para o Otimização no nível da página, ele escolhe que tipo de recomendação você deve serão exibidas no painel com base no histórico de eventos do usuário final.
Selecione uma configuração de veiculação padrão.
Se ocorrer uma interrupção do servidor do Google, o modelo de otimização no nível da página ainda poderá veicular resultados da configuração de veiculação padrão.
Se precisar criar painéis adicionais, para cada novo painel, clique em Adicione um painel e insira os detalhes do novo painel.
Escolha o objetivo de negócios, se disponível para o tipo de modelo que você selecionados.
Se você escolher o tipo de modelo "Comprados juntos com frequência", selecione o Tipo de produtos de contexto:
- Vários produtos de contexto: use um ou vários itens como contexto para e recomendações deste modelo.
- Produto de contexto único: use um item como contexto para as recomendações. deste modelo.
Revise a lista Requisitos de dados atendidos? para confirmar que você fez upload de dados suficientes para o tipo de modelo selecionado.
Se um requisito de dados não atendido impedir a criação do modelo, O ícone X cancel aparece ao lado do requisito e o botão Create na parte inferior da página Criar modelo de recomendação está desativado.
Se for preciso fazer o upload de mais dados, analise atentamente os requisitos de dados para verificar se alguns ou todos eles precisam ser cumpridos esse modelo e, em seguida, importe os eventos ou produtos do usuário necessários para criar o modelo
Para importar, consulte Importar eventos históricos do usuário e Importar informações do catálogo.
Escolha a frequência do ajuste do modelo. Para ajustar os detalhes de custo, consulte Preços.
- A cada três meses: o modelo se ajusta automaticamente a cada três meses. meses.
- Somente ajuste manual: o modelo é ajustado somente quando você o ajusta. manualmente.
(Recurso de Acesso antecipado) Escolha se quer gerar automaticamente e tags para filtragem.
- Gerar tags automaticamente: ativar essa opção permite filtrar as tags automaticamente. recomendações deste modelo. Com essa opção ativada, pode aumentar o tempo de treinamento. Para detalhes sobre o custo do treinamento, consulte Preços.
- Não gerar tags: se essa opção estiver desativada, não será possível recomendações filtradas deste modelo.
Clique em Criar para gerar o novo modelo de recomendação.
Se você tiver feito o upload de dados de eventos de usuário suficientes do tipo exigido, o o treinamento e o ajuste iniciais do modelo começam. O treinamento e o ajuste iniciais do modelo levam de 2 a 5 dias para serem concluídos, mas podem levar por mais tempo para grandes conjuntos de dados.
Você podecriar configurações de exibição para o novo modelo antes da conclusão do treinamento, mas eles serão veiculados apenas previsões de"simulação" até que o treinamento e o ajuste iniciais sejam concluídos e o modelo fique ativo.
curl
Faça uma solicitação Models.create para a API v2 com uma instância de
Model no corpo da solicitação. Consulte a API Models.create
de referência.
Para mais detalhes sobre os campos Models, consulte a
Referência da 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"
Se você tiver feito o upload de dados de eventos de usuário suficientes do tipo exigido, o o treinamento e o ajuste iniciais do modelo começam. O treinamento e o ajuste iniciais do modelo levam de 2 a 5 dias para serem concluídos, mas podem levar por mais tempo para grandes conjuntos de dados.
É possível criar configurações de veiculação para o novo modelo. antes da conclusão do treinamento, mas eles só serão "simulação" previsões até o treinamento e ajuste iniciais é concluída, e o modelo fica ativo.
Requisitos para criar um novo modelo de recomendação
Na primeira vez que você usar um tipo de recomendação específico para seu site, estará treinando um novo modelo de machine learning, que exige dados de treinamento suficientes, bem como tempo para treinar e ajustar o modelo. As etapas a seguir são necessárias para começar a usar um novo tipo de recomendação:
- Importe seu catálogo para a Vertex AI para Pesquisa para Retail e implementar processos para manter o catálogo enviado atualizado.
- Comece a registrar eventos do usuário na Vertex AI para Pesquisa para varejo. caso ainda não o tenha feito, siga as Práticas recomendadas para registrar dados de eventos do usuário.
- Identifique o tipo de recomendação e o objetivo de otimização a serem usados.
- Determine o requisito de dados do evento do usuário para o tipo de recomendação e o objetivo desejados.
- Importe dados históricos de eventos do usuário para atender aos requisitos mínimos ou aguarde até que a coleta de dados de eventos do usuário atenda aos requisitos mínimos.
Crie o modelo e as configurações de veiculação.
Neste ponto, a Vertex AI para Pesquisa para Retail inicia treinamento de modelo e sintonização. O treinamento e o ajuste iniciais do modelo levam de 2 a 5 dias para serem concluídos, mas podem levar por mais tempo para grandes conjuntos de dados.
Confirme se o modelo está funcionando corretamente usando a visualização da previsão.
Crie seu experimento A/B.
Requisitos mínimos de dados para o tipo de modelo
O tipo de evento do usuário importado e a quantidade de dados necessários depende do tipo de recomendação (modelo) e do objetivo de otimização. Quando você atinge o requisito mínimo de dados, pode começar o treinamento do modelo.
A janela de coleta de dados representa o período de eventos do usuário. importando mais os dados históricos não afetam a qualidade do modelo.
Use eventos de usuário reais e dados de catálogo reais. Modelos de boa qualidade não pode ser criada com dados sintéticos.
| Tipo de modelo | Objetivo da otimização | Tipos de evento do usuário compatíveis | Requisito de dados mínimos | Janela de coleta de dados |
|---|---|---|---|---|
| Recomendados para você | Taxa de cliques |
detail-page-viewhome-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de
10.000 eventos |
3 meses |
| Recomendados para você | Taxa de conversão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de
10.000 eventos |
3 meses |
| Recomendados para você | Receita por sessão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de
10.000 eventos |
3 meses |
| Outros itens que você pode gostar | Taxa de cliques |
detail-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos |
3 meses |
| Outros itens que você pode gostar | Taxa de conversão |
add-to-cartdetail-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos |
3 meses |
| Outros itens que você pode gostar | Receita por sessão |
add-to-cartdetail-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos |
3 meses |
| Comprados juntos com frequência | Receita por sessão |
purchase-complete
|
10 ocorrências por item do catálogo, em média, (com uma janela de 1 ano de
100 itens de catálogo exclusivos para o evento
1.000 eventos |
3 meses Recomendamos fazer upload de eventos pelo menos uma vez por dia para manter a qualidade dos dados de qualidade. Durante as importações de eventos históricos, verifique se os dados a distribuição tende a ser o carimbo de data/hora mais recente. O número de os eventos no último dia do carimbo de data/hora devem ser iguais ou maiores que o contagem média de eventos diários. |
| Em promoção | Taxa de cliques |
detail-page-viewhome-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de
10.000 eventos |
3 meses |
| Em promoção | Taxa de conversão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de eventos
100 itens de catálogo exclusivos para o evento
10.000 eventos E
7 dias de
10.000 eventos |
3 meses |
| Itens semelhantes | N/A | Não é necessário fazer nada. |
100 SKUs de produtos precisam estar em uma ramificação |
N/A |
| Otimização no nível da página | Qualquer |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
A otimização no nível da página otimiza os painéis de recomendação ao escolher entre várias os possíveis modelos. Consulte os requisitos de dados dos modelos que você como opções para otimização no nível da página. |
N/A |
| Comprar novamente | N/A |
purchase-complete
|
10 ocorrências por item do catálogo, em média, (com uma janela de 90 dias de
100 itens de catálogo exclusivos para o evento
1.000 eventos 100 SKUs de produtos precisam estar em uma ramificação |
N/A Recomendamos fazer upload de eventos pelo menos uma vez por dia para manter a qualidade dos dados de qualidade. Durante as importações de eventos históricos, verifique se os dados a distribuição tende a ser o carimbo de data/hora mais recente. O número de os eventos no último dia do carimbo de data/hora devem ser iguais ou maiores que o contagem média de eventos diários. |
A seguir
- Crie uma configuração de veiculação para o modelo.
- Saiba como pausar e retomar o treinamento do modelo.
- Quando o treinamento do modelo terminar, comece a solicitar recomendações.