Nesta página, descrevemos como criar um novo modelo de recomendações.
Se você já tem um modelo de recomendação do tipo correto e quer receber previsões dele de um local diferente no site, crie uma nova configuração de exibição para ele. em vez de criar um novo modelo. 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 exibição para o novo modelo e, quando o treinamento do modelo for concluído, solicite previsões a partir dessas configurações de exibição.
Para ter uma visão geral do processo de trabalho com a Vertex AI para Pesquisa no varejo, consulte Implementar a Vertex AI para Pesquisa no varejo.
Criar um modelo de recomendação
Adicione um novo modelo de recomendação usando o console de Pesquisa para
varejo ou o método da API
models.Create.
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 modelo de recomendação e os objetivos de negócios do modelo disponíveis. Elas determinam que tipo de recomendações esse modelo precisa ser treinado para fornecer.
- Decida com que frequência ajustar o modelo. Para detalhes sobre custos de ajuste e treinamento, consulte Preços.
- Confira se você tem dados suficientes para atender aos requisitos de criação de um novo modelo. Alguns requisitos dependem do tipo de modelo escolhido.
Se você planeja criar um modelo de otimização na página:
Verifique se você já tem configurações de exibição de recomendação com modelos treinados anexados. Você precisa fornecer uma seleção de configurações de veiculação de recomendações que a otimização no nível da página pode escolher ao otimizar as recomendações de uma página.
Configure a gravação de eventos
detail-page-viewe eventos que correspondem ao tipo de página em que você vai implantar o modelo de otimização no nível da página. Por exemplo, se você implantar o modelo em uma página inicial, configure a gravação para eventoshome-page-view. Para melhorar as recomendações personalizadas, também é recomendável gravar eventospurchaseeadd-to-cart.Se você escolher o objetivo de negócio "taxa de conversão" (CVR), a gravação de eventos
add-to-cartserá necessária.Depois de criar o modelo de otimização no nível da página, continue a consultar o modelo para criar impressões de recomendações. Essas impressões são usadas para treinar o modelo de otimização na página e melhorar as recomendações que ele oferece.
Para criar um novo modelo:.
Console do Google Cloud
Acesse a página Modelos no console da Pesquisa para varejo.
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 na página:
Escolha o tipo de página que o modelo de otimização no nível da página vai otimizar.
Escolha o quanto restringir a veiculação de configurações de veiculação semelhantes nos painéis:
Tipo de modelo exclusivo:não permita que várias configurações de exibição com o mesmo tipo de modelo sejam mostradas em painéis diferentes.
Modelo exclusivo:não permita que várias configurações de exibição com o mesmo modelo sejam mostradas em painéis diferentes.
Configuração de exibição exclusiva:não permita que a mesma configuração de exibição seja exibida em vários painéis.
Sem restrição:permita que as configurações de exibição sejam mostradas em qualquer número de painéis.
Para cada painel de recomendação que você planeja mostrar com esse modelo:
Insira um ID de painel.
Selecione quais configurações de exibição o modelo de otimização no nível da página pode considerar como opções para esse painel.
Por exemplo, uma página de adição ao carrinho pode ter um painel de recomendação em que você quer mostrar recomendações de "Comprados juntos com frequência" ou "Outros itens que você pode gostar". Nesse caso, selecione uma configuração de veiculação que use o modelo "Comprados frequentemente" e outra que use o modelo "Outros produtos que você pode gostar" para consideração neste painel. Quando você faz uma chamada de previsão para o modelo de otimização no nível da página, ele escolhe qual tipo de recomendação você deve exibir nesse painel com base no histórico de eventos do usuário final.
Selecione uma configuração de veiculação padrão.
Se ocorrer uma falha no servidor do Google, o modelo de otimização no nível da página ainda poderá exibir resultados da configuração de exibição padrão.
Se você precisar criar outros painéis, clique em Adicionar um painel e insira os detalhes do novo painel.
Escolha o objetivo de negócios, se disponível para o tipo de modelo que você selecionou.
Se você escolheu 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 as 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 enviou dados suficientes para o tipo de modelo selecionado.
Se um requisito de dados não atendido impedir a criação do modelo, um ícone cancel X vai aparecer ao lado do requisito, e o botão Criar na parte de baixo do painel Criar modelo de recomendação será desativado.
Se você precisar fazer upload de mais dados, analise cuidadosamente os requisitos de dados listados para saber se alguns ou todos eles precisam ser atendidos para esse modelo e importe os eventos do usuário ou produtos necessários para criar o modelo.
Para saber como importar, consulte Importar eventos históricos do usuário e Importar informações do catálogo.
Escolha com que frequência ajustar o modelo. Para detalhes sobre custos de ajuste, consulte Preços.
- A cada três meses: o modelo é ajustado automaticamente a cada três meses.
- Somente ajuste manual: o modelo é ajustado somente quando você o ajusta manualmente.
(recurso do Acesso antecipado) Escolha se você quer gerar tags automaticamente para filtragem.
- Gerar tags automaticamente: ao ativar essa opção, você pode filtrar os resultados de recomendações desse modelo. Ativar essa opção pode aumentar o tempo de treinamento. Para detalhes sobre custos de treinamento, consulte Preços.
- Não gerar tags: se essa opção estiver desativada, não será possível receber recomendações filtradas desse modelo.
Clique em Criar para gerar o novo modelo de recomendação.
Se você tiver feito upload de dados de eventos do usuário suficientes do tipo necessário, o treinamento e o ajuste do modelo inicial vão começar. O treinamento e o ajuste do modelo inicial levam de 2 a 5 dias para serem concluídos, mas podem levar 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 referência da API
Models.create.
Para detalhes sobre todos 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 upload de dados de eventos do usuário suficientes do tipo necessário, o treinamento e o ajuste do modelo inicial vão começar. O treinamento e o ajuste do modelo inicial levam de 2 a 5 dias para serem concluídos, mas podem levar mais tempo para grandes conjuntos de dados.
Você pode criar configurações de exibição para o novo modelo antes da conclusão do treinamento, mas elas vão veicular apenas previsões de simulação até que o treinamento e o ajuste iniciais sejam concluídos e o modelo fique 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 Search for Retail, caso ainda não tenha feito isso, e implemente processos para manter o catálogo enviado atualizado.
- Comece a gravar eventos do usuário na Pesquisa da Vertex AI para varejo, caso ainda não tenha feito isso. Não se esqueça de seguir as práticas recomendadas para gravar 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.
Nesse ponto, a Vertex AI Search para varejo inicia o treinamento e o ajuste do modelo. O treinamento e o ajuste do modelo inicial levam de 2 a 5 dias para serem concluídos, mas podem levar 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 do 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 dos eventos do usuário. A importação de mais dados históricos não afeta a qualidade do modelo.
Use eventos reais do usuário e dados reais do catálogo. Modelos de boa qualidade não podem ser criados 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 do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
10.000 eventos |
3 meses |
| Recomendados para você | Taxa de conversão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
10.000 eventos |
3 meses |
| Recomendados para você | Receita por sessão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
10.000 eventos |
3 meses |
| Outros itens que você pode gostar | Taxa de cliques |
detail-page-view
|
7 dias de eventos
100 itens do catálogo únicos 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 do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
100 itens do catálogo únicos 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 do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
100 itens do catálogo únicos 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 um período de 1 ano de eventos
100 itens de catálogo exclusivos para o evento
1.000 eventos |
3 meses Recomendamos fazer o upload de eventos pelo menos uma vez por dia para manter a qualidade dos dados. Durante as importações de eventos históricos, verifique se a distribuição de dados está distorcida para o carimbo de data/hora mais recente. O número de eventos no último dia de carimbo de data/hora precisa ser igual ou maior do que a contagem média de eventos diários. |
| Em promoção | Taxa de cliques |
detail-page-viewhome-page-view
|
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
10.000 eventos |
3 meses |
| Em promoção | Taxa de conversão |
add-to-cartdetail-page-viewhome-page-view
|
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
100 itens do catálogo únicos para o evento
10.000 eventos E
7 dias de eventos
10.000 eventos |
3 meses |
| Itens semelhantes | N/A | Não é necessário fazer nada. |
100 SKUs de produtos precisam estar em alguma ramificação |
N/A |
| Otimização na página | Qualquer |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
A otimização no nível da página otimiza os painéis de recomendação escolhendo entre vários modelos possíveis. Consulte os requisitos de dados dos modelos que você seleciona como opções para a otimização no nível da página. |
N/A |
| Comprar novamente | N/A |
purchase-complete
|
10 ocorrências por item do catálogo, em média (com um período de 90 dias de eventos
100 itens do catálogo únicos para o evento
1.000 eventos 100 SKUs de produtos precisam estar em alguma ramificação |
N/A Recomendamos fazer o upload de eventos pelo menos uma vez por dia para manter a qualidade dos dados. Durante as importações de eventos históricos, verifique se a distribuição de dados está distorcida para o carimbo de data/hora mais recente. O número de eventos no último dia de carimbo de data/hora precisa ser igual ou maior do que a 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.