Auf dieser Seite wird beschrieben, wie Sie ein neues Empfehlungsmodell erstellen.
Wenn Sie bereits ein Empfehlungsmodell vom richtigen Typ haben und damit Vorhersagen an einem anderen Ort Ihrer Website abrufen möchten, können Sie eine neue Bereitstellungskonfiguration dafür erstellen, anstatt ein neues Modell zu erstellen. Weitere Informationen
Einleitung
Wenn Sie einen neuen Empfehlungstyp für Vorhersagen verwenden möchten, müssen Sie ein neues Empfehlungsmodell erstellen und genügend Nutzerereignisdaten bereitstellen, damit es trainiert werden kann. Sie erstellen Bereitstellungskonfigurationen für Ihr neues Modell. Wenn das Modell fertig trainiert ist, können Sie Vorhersagen von diesen Bereitstellungskonfigurationen anfordern.
Eine Übersicht über die Arbeit mit Vertex AI Search für den Einzelhandel finden Sie unter Vertex AI Search für den Einzelhandel implementieren.
Empfehlungsmodell erstellen
Fügen Sie mithilfe der Search for Retail-Konsole oder der API-Methode models.Create
ein neues Empfehlungsmodell hinzu.
Es sind bis zu 20 Modelle pro Projekt möglich, wobei jederzeit bis zu 10 Modelle aktiv (nicht pausiert) sein können. Weitere Informationen zum Pausieren eines Modells
Sie können bis zu fünf Modellvorgänge pro Minute starten. Zu den eingeschränkten Modellvorgängen gehören das Erstellen, Löschen, Anhalten und Fortsetzen.
Bevor Sie ein neues Modell erstellen:
- Sehen Sie sich die verfügbaren Empfehlungsmodelltypen und Modellgeschäftsziele an und wählen Sie sie aus. Diese bestimmen, für welche Art von Empfehlungen dieses Modell trainiert werden soll.
- Legen Sie fest, wie oft das Modell abgestimmt werden soll. Einzelheiten zu den Kosten für Abstimmung und Training finden Sie unter Preise.
- Es müssen genügend Daten hochgeladen werden, um die Anforderungen zum Erstellen eines neuen Modells zu erfüllen. Einige Anforderungen hängen vom ausgewählten Modelltyp ab.
Wenn Sie ein Optimierungsmodell auf Seitenebene erstellen möchten:
Prüfen Sie, ob bereits Konfigurationen für die Empfehlungsbereitstellung vorhanden sind, an die trainierte Modelle angehängt sind. Sie müssen eine Auswahl von Bereitstellungskonfigurationen für Empfehlungen angeben, aus denen die Optimierung auf Seitenebene bei der Optimierung der Empfehlungen einer Seite auswählen kann.
Richten Sie die Ereignisaufzeichnung für
detail-page-view
-Ereignisse und -Ereignisse ein, die dem Seitentyp entsprechen, auf dem Sie das Optimierungsmodell auf Seitenebene bereitstellen. Wenn Sie das Modell beispielsweise auf einer Startseite bereitstellen, müssen Sie die Aufzeichnung fürhome-page-view
-Ereignisse einrichten. Zur Verbesserung der personalisierten Empfehlungen wird auch das Aufzeichnen von Ereignissen fürpurchase
- undadd-to-cart
-Ereignisse empfohlen.Wenn Sie das Geschäftsziel der Conversion-Rate (CVR) auswählen, ist eine Ereignisaufzeichnung für
add-to-cart
-Ereignisse erforderlich.Achten Sie darauf, dass Sie nach dem Erstellen des Modells für die Optimierung auf Seitenebene das Modell weiterhin abfragen, um Empfehlungsimpressionen zu erhalten. Diese Impressionen werden verwendet, um das Optimierungsmodell auf Seitenebene zu trainieren und die bereitgestellten Empfehlungen zu verbessern.
So erstellen Sie ein neues Modell:
Google Cloud Console
Rufen Sie in der Search for Retail-Konsole die Seite Modelle auf.
Zur Seite „Modelle“Klicken Sie auf Modell erstellen.
Geben Sie einen Namen für das Modell ein.
Der Name darf höchstens 1.024 Zeichen lang sein und nur alphanumerische Zeichen, Unterstriche, Bindestriche und Leerzeichen enthalten.
Wählen Sie den Empfehlungstyp aus.
Wenn Sie den Modelltyp „Optimierung auf Seitenebene“ ausgewählt haben:
Wählen Sie den Seitentyp aus, den das Modell „Optimierung auf Seitenebene“ für Sie optimieren soll.
Legen Sie fest, wie stark die Bereitstellung ähnlicher Bereitstellungskonfigurationen in verschiedenen Bereichen eingeschränkt werden soll:
Eindeutiger Modelltyp:Nicht zulassen, dass mehrere Bereitstellungskonfigurationen mit demselben Modelltyp in verschiedenen Bereichen angezeigt werden.
Einzelnes Modell:Nicht zulassen, dass mehrere Bereitstellungskonfigurationen mit demselben Modell in verschiedenen Bereichen angezeigt werden.
Eindeutige Bereitstellungskonfiguration:Ein und dieselbe Bereitstellungskonfiguration darf nicht in mehreren Bereichen angezeigt werden.
Keine Einschränkung:Es können beliebige Bereitstellungskonfigurationen in beliebig vielen Bereichen angezeigt werden.
Für jeden Empfehlungsbereich, den Sie mit diesem Modell anzeigen möchten:
Geben Sie eine Bereichs-ID ein.
Wählen Sie aus, welche Bereitstellungskonfigurationen das Modell der Optimierung auf Seitenebene als Optionen für diesen Bereich berücksichtigen kann.
Beispielsweise kann eine Seite zum Hinzufügen von Artikeln zum Einkaufswagen einen Empfehlungsbereich enthalten, in dem entweder „Häufig zusammen gekauft“ oder „Andere, die Ihnen gefallen könnten“ angezeigt werden. Wählen Sie in diesem Fall eine Bereitstellungskonfiguration aus, die das Modell „Häufig zusammen gekauft“ verwendet, und eine andere Konfiguration, die das Modell „Andere, was Ihnen gefallen“ verwendet, um in diesem Bereich zu berücksichtigen. Wenn Sie das Modell zur Optimierung auf Seitenebene durch einen Vorhersageaufruf aufrufen, wird auf der Grundlage des Ereignisverlaufs des Endnutzers ausgewählt, welche Art von Empfehlungen in diesem Bereich angezeigt werden sollen.
Wählen Sie eine Standardbereitstellungskonfiguration aus.
Wenn ein Google-Serverausfall auftritt, kann das Modell zur Optimierung auf Seitenebene weiterhin Ergebnisse aus der Standardbereitstellungskonfiguration bereitstellen.
Wenn Sie weitere Bereiche erstellen möchten, klicken Sie für jeden neuen Bereich auf Bereich hinzufügen und geben Sie die Details zum neuen Bereich ein.
Wählen Sie das Geschäftsziel aus, falls für den ausgewählten Modelltyp verfügbar.
Wenn Sie sich für das Modell „Häufig zusammen gekauft“ entschieden haben, wählen Sie den Kontextprodukttyp aus:
- Mehrere Kontextprodukte: Verwenden Sie ein oder mehrere Elemente als Kontext für Empfehlungen aus diesem Modell.
- Single-Context-Produkt: Verwenden Sie ein Element als Kontext für Empfehlungen aus diesem Modell.
Sehen Sie in der Liste Erfüllte Datenanforderungen? nach, ob Sie genügend Daten für den ausgewählten Modelltyp hochgeladen haben.
Wenn Sie aufgrund einer nicht erfüllten Datenanforderung das Modell nicht erstellen können, wird neben der Anforderung das Symbol X cancel angezeigt und die Schaltfläche Erstellen unten im Bereich Empfehlungsmodell erstellen ist deaktiviert.
Wenn Sie weitere Daten hochladen müssen, prüfen Sie sorgfältig die aufgeführten Datenanforderungen, um festzustellen, ob einige oder alle Anforderungen für dieses Modell erfüllt werden müssen. Importieren Sie dann die Nutzerereignisse oder Produkte, die zum Erstellen des Modells erforderlich sind.
Informationen zum Importieren finden Sie unter Nutzerereignisse importieren und Kataloginformationen importieren.
Legen Sie fest, wie oft das Modell abgestimmt werden soll. Weitere Informationen zu den Kosten für die Abstimmung finden Sie unter Preise.
- Alle drei Monate: Das Modell wird alle drei Monate automatisch abgestimmt.
- Nur manuelle Abstimmung: Das Modell wird nur abgestimmt, wenn Sie es manuell abstimmen.
(Öffentliche Vorschaufunktion) Wählen Sie aus, ob Tags zum Filtern automatisch generiert werden sollen.
- Tags automatisch generieren: Wenn Sie diese Option aktivieren, können Sie die Empfehlungsergebnisse aus diesem Modell filtern. Wenn diese Option aktiviert ist, kann sich die Trainingszeit erhöhen. Einzelheiten zu den Trainingskosten finden Sie unter Preise.
- Keine Tags generieren: Wenn diese Option deaktiviert ist, erhalten Sie von diesem Modell keine gefilterten Empfehlungen.
Klicken Sie auf Erstellen, um das neue Empfehlungsmodell zu erstellen.
Wenn Sie genügend Nutzerereignisdaten des erforderlichen Typs hochgeladen haben, beginnen das erste Modelltraining und die Feinabstimmung. Das erste Training und die Feinabstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber länger dauern.
Sie können für Ihr neues Modell vor dem Training Bereitstellungskonfigurationen erstellen, aber diese werden nur als Probevorhersagen verwendet, bis das erste Training und die Feinabstimmung abgeschlossen sind und das Modell aktiv ist.
curl
Stellen Sie eine Models.create
-Anfrage an die v2beta API mit einer Instanz von Model
im Anfragetext. Weitere Informationen finden Sie in der API-Referenz zu Models.create
.
Weitere Informationen zu allen Models
-Feldern finden Sie in der API-Referenz zu 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"
Wenn Sie genügend Nutzerereignisdaten des erforderlichen Typs hochgeladen haben, beginnen das erste Modelltraining und die Feinabstimmung. Das erste Training und die Feinabstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber länger dauern.
Sie können Bereitstellungskonfigurationen für das neue Modell erstellen, bevor das Training abgeschlossen ist. Diese liefern jedoch nur Probelaufvorhersagen, bis das erste Training und die Feinabstimmung abgeschlossen sind und das Modell aktiv wird.
Anforderungen zum Erstellen eines neuen Empfehlungsmodells
Wenn Sie zum ersten Mal einen bestimmten Empfehlungstyp für Ihre Website verwenden, trainieren Sie ein neues Modell für maschinelles Lernen. Das erfordert genügend Trainingsdaten sowie die Zeit zum Trainieren und Optimieren des Modells. Die folgenden Schritte sind erforderlich, um einen neuen Empfehlungstyp zu verwenden:
- Importieren Sie Ihren Katalog in Vertex AI Search für den Einzelhandel, falls noch nicht geschehen, und implementieren Sie Prozesse, um den hochgeladenen Katalog auf dem neuesten Stand zu halten.
- Beginnen Sie mit dem Aufzeichnen von Nutzerereignissen in Vertex AI Search für den Einzelhandel, falls noch nicht geschehen. Beachten Sie dabei die Best Practices zum Aufzeichnen von Nutzerereignisdaten.
- Identifizieren Sie den Empfehlungstyp und das Optimierungsziel, das Sie verwenden möchten.
- Ermitteln Sie die Anforderungen für Nutzerereignisdaten für den gewünschten Empfehlungstyp und das gewünschte Ziel.
- Importieren Sie Verlaufsdaten zu Nutzerereignissen, um die Mindestanforderungen für Ereignisdaten zu erfüllen, oder warten Sie, bis die Erfassung von Nutzerereignisdaten die Mindestanforderungen erfüllt.
Erstellen Sie das Modell und die Bereitstellungskonfigurationen.
An diesem Punkt initiiert Vertex AI Search für den Einzelhandel das Modelltraining und die Feinabstimmung. Das erste Training und die Feinabstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber länger dauern.
Prüfen Sie mithilfe der Vorhersagevorschau, ob Ihr Modell ordnungsgemäß funktioniert.
Datenanforderungen für Modelltyp
Die Art der importierten Nutzerereignisse und die Menge der benötigten Daten hängen von Ihrem Empfehlungstyp (Modell) und Ihrem Optimierungsziel ab. Wenn Sie die Mindestdatenanforderungen erreichen, können Sie mit dem Modelltraining beginnen.
Das Datenerfassungsfenster stellt den Zeitraum für Nutzerereignisse dar. Das Importieren weiterer Verlaufsdaten hat keine Auswirkungen auf die Modellqualität.
Achten Sie darauf, echte Nutzerereignisse und echte Katalogdaten zu verwenden. Modelle von guter Qualität können nicht auf synthetischen Daten aufgebaut werden.
Modelltyp | Optimierungsziel | Unterstützte Nutzerereignistypen: | Mindestdatenanforderung | Fenster zur Datenerfassung |
---|---|---|---|---|
Empfehlungen für mich | Klickrate (Click-through-Rate, CTR) |
detail-page-view purchase-complete home-page-view
|
10.000
10.000 UND
(1 Woche, mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
Empfehlungen für mich | Conversion-Rate |
detail-page-view add-to-cart purchase-complete home-page-view
|
10.000
10.000
10.000 UND
(1 Woche, mit durchschnittlich 10 ODER
60 Tage, wobei mindestens ein |
3 Monate |
Empfehlungen für mich | Umsatz pro Sitzung |
detail-page-view add-to-cart purchase-complete home-page-view
|
10.000
10.000
10.000 UND
(1 Woche, mit durchschnittlich 10 ODER
60 Tage, wobei mindestens ein |
3 Monate |
Was Ihnen sonst noch gefallen könnte | Klickrate (Click-through-Rate, CTR) |
detail-page-view
|
10.000 UND
(1 Woche mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
Was Ihnen sonst noch gefallen könnte | Conversion-Rate |
add-to-cart detail-page-view
|
10.000
10.000 UND
(1 Woche mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
Was Ihnen sonst noch gefallen könnte | Umsatz pro Sitzung |
add-to-cart detail-page-view
|
10.000
10.000 UND
(1 Woche mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
Häufig zusammen gekaufte Artikel | Beliebig |
purchase-complete detail-page-view
|
1.000 UND
(Durchschnittlich 10 ODER
90 Tage für |
12 Monate Wir empfehlen, Ereignisse mindestens täglich hochzuladen, um eine gute Datenqualität zu gewährleisten. Achten Sie beim Importieren von Verlaufsereignissen darauf, dass sich die Datenverteilung in Richtung des neuesten Zeitstempels bewegt. Die Anzahl der Ereignisse am letzten Tag des Zeitstempels sollte gleich oder größer als die durchschnittliche tägliche Ereignisanzahl sein. |
Im Angebot | Klickrate (Click-through-Rate, CTR) |
detail-page-view add‑to‑cart purchase-complete home-page-view shopping-cart-page-view category-page-view
|
Der aktive Katalogzweig hat mehr als 100 Sonderangebotsprodukte (der Wert
10.000
10.000
(1 Woche, mit durchschnittlich 10 ODER
60 Tage, wobei mindestens ein |
3 Monate |
Im Angebot | Conversion-Rate |
detail-page-view add-to-cart purchase-complete home-page-view category-page-view shopping-cart-page-view
|
Der aktive Katalogzweig hat mehr als 100 Sonderangebotsprodukte (der Wert
10.000
10.000
10.000 UND
(1 Woche, mit durchschnittlich 10 ODER
60 Tage, wobei mindestens ein |
3 Monate |
Ähnliche Artikel | Klickrate (Click-through-Rate, CTR) | Nicht erforderlich. |
Im aktiven Katalogzweig müssen mindestens 100 SKUs, die auf Lager sind, vorhanden sein. Es sind keine Nutzerereignisse erforderlich. |
– |
Optimierung auf Seitenebene | Beliebig |
detail-page-view add-to-cart purchase-complete home-page-view
|
Bei der Optimierung auf Seitenebene werden Empfehlungsbereiche optimiert, indem zwischen mehreren möglichen Modellen ausgewählt werden. Beachten Sie die Datenanforderungen für die Modelle, die Sie als Optionen für die Optimierung auf Seitenebene auswählen. |
– |
Kauf wiederholen | – |
purchase-complete
|
1.000 UND
60 Tage mit UND Im aktiven Katalogzweig müssen mindestens 100 SKUs, die auf Lager sind, vorhanden sein. |
90 Tage Wir empfehlen, Ereignisse mindestens täglich hochzuladen, um eine gute Datenqualität zu gewährleisten. Achten Sie beim Importieren von Verlaufsereignissen darauf, dass sich die Datenverteilung in Richtung des neuesten Zeitstempels bewegt. Die Anzahl der Ereignisse am letzten Tag des Zeitstempels sollte gleich oder größer als die durchschnittliche tägliche Ereignisanzahl sein. |
Nächste Schritte
- Erstellen Sie eine Bereitstellungskonfiguration für Ihr Modell.
- Training unterbrechen und fortsetzen.
- Wenn das Training des Modells abgeschlossen ist, fragen Sie Empfehlungen an.