Auf dieser Seite wird beschrieben, wie Sie ein neues Empfehlungsmodell erstellen.
Wenn Sie bereits ein Empfehlungsmodell des richtigen Typs haben und Vorhersagen von einem anderen Speicherort auf Ihrer Website abrufen möchten, können Sie statt eines neuen Modells eine neue Bereitstellungskonfiguration erstellen. Weitere Informationen
Einführung
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 und fordern dann Vorhersagen von diesen Bereitstellungskonfigurationen an, wenn das Modell das Training abgeschlossen hat.
Eine Übersicht über den Prozess der Arbeit mit Vertex AI Search for Commerce finden Sie unter Vertex AI Search for Commerce implementieren.
Empfehlungsmodell erstellen
Sie fügen ein neues Empfehlungsmodell mithilfe der Commerce Console oder der models.Create-API-Methode 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 Geschäftsziele für Modelle an und wählen Sie die gewünschten Optionen aus. Sie bestimmen, für welche Art von Empfehlungen dieses Modell trainiert werden soll.
- Legen Sie fest, wie oft Sie das Modell abstimmen möchten. Weitere Informationen zu den Kosten für Optimierung und Training finden Sie unter Preise.
- Achten Sie darauf, dass Sie genügend Daten hochgeladen haben, um die Anforderungen zum Erstellen eines neuen Modells zu erfüllen. Einige Anforderungen hängen vom ausgewählten Modelltyp ab.
Wenn Sie ein Modell für die Optimierung auf Seitenebene erstellen möchten, gehen Sie so vor:
Prüfen Sie, ob Sie bereits Bereitstellungskonfigurationen für Empfehlungen haben, denen trainierte Modelle zugeordnet sind. Sie müssen eine Auswahl von Konfigurationen für die Empfehlungsbereitstellung angeben, aus denen die Seitenoptimierung auswählen kann, wenn die Empfehlungen einer Seite optimiert werden.
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. Um personalisierte Empfehlungen zu verbessern, wird auch die Aufzeichnung von Ereignissen fürpurchase- undadd-to-cart-Ereignisse empfohlen.Wenn Sie das Geschäftsziel „Conversion-Rate (CVR)“ auswählen, ist die Ereignisaufzeichnung für
add-to-cart-Ereignisse erforderlich.Achten Sie darauf, dass Sie nach dem Erstellen des Optimierungsmodells auf Seitenebene weiterhin Abfragen für das Modell ausführen, um Empfehlungs-Impressionen zu generieren. Diese Impressionen werden verwendet, um das Modell für die Optimierung auf Seitenebene zu trainieren und die Empfehlungen zu verbessern, die es liefert.
So erstellen Sie ein neues Modell:
Google Cloud Console
Rufen Sie in der Search for Commerce Console 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 Typ der Seite aus, für die das Modell „Optimierung auf Seitenebene“ optimiert werden soll.
Wählen Sie aus, in welchem Umfang die Bereitstellung ähnlicher Bereitstellungskonfigurationen in verschiedenen Bereichen eingeschränkt werden soll:
Eindeutiger Modelltyp:Es darf nicht zugelassen werden, dass mehrere Bereitstellungskonfigurationen mit demselben Modelltyp in verschiedenen Bereichen angezeigt werden.
Eindeutiges Modell:Es darf nicht zugelassen werden, dass mehrere Bereitstellungskonfigurationen mit demselben Modell in verschiedenen Bereichen angezeigt werden.
Eindeutige Bereitstellungskonfiguration:Dieselbe Bereitstellungskonfiguration darf nicht in mehreren Bereichen angezeigt werden.
Keine Einschränkung:Beliebige Bereitstellungskonfigurationen können in beliebig vielen Bereichen angezeigt werden.
Führen Sie für jeden Empfehlungsbereich, den Sie mit diesem Modell anzeigen möchten, die folgenden Schritte aus:
Geben Sie eine Panel-ID ein.
Wählen Sie aus, welche Bereitstellungskonfigurationen das Optimierungsmodell auf Seitenebene als Optionen für dieses Feld berücksichtigen kann.
Auf einer Seite zum Hinzufügen von Artikeln zum Einkaufswagen könnte beispielsweise ein Empfehlungsbereich vorhanden sein, in dem Sie entweder Empfehlungen vom Typ „Häufig zusammen gekauft“ oder „Was Ihnen sonst noch gefallen könnte“ anzeigen möchten. Wählen Sie in diesem Fall eine Bereitstellungskonfiguration aus, die das Modell „Häufig zusammen gekauft“ verwendet, und eine andere, die das Modell „Was Ihnen sonst noch gefallen könnte“ verwendet, damit diese im Bereich berücksichtigt werden. Wenn Sie einen Vorhersageaufruf an das Modell zur Optimierung auf Seitenebene senden, wird anhand des Ereignisverlaufs des Endnutzers ausgewählt, welche Art von Empfehlungen in diesem Bereich angezeigt werden soll.
Wählen Sie eine Standardbereitstellungskonfiguration aus.
Bei einem Ausfall eines Google-Servers kann das Modell zur Optimierung auf Seitenebene weiterhin Ergebnisse aus der Standardbereitstellungskonfiguration bereitstellen.
Wenn Sie weitere Bereiche erstellen müssen, klicken Sie für jeden neuen Bereich auf Bereich hinzufügen und geben Sie die Details des neuen Bereichs ein.
Wählen Sie das Geschäftsziel aus, sofern es für den ausgewählten Modelltyp verfügbar ist.
Wenn Sie den Modelltyp „Häufig zusammen gekauft“ ausgewählt haben, wählen Sie den Kontextprodukttyp aus:
- Mehrere Kontextprodukte: Verwenden Sie ein oder mehrere Elemente als Kontext für Empfehlungen aus diesem Modell.
- Einzelnes Kontextprodukt: Verwenden Sie ein Element als Kontext für Empfehlungen aus diesem Modell.
Prüfen Sie die Liste Datenanforderungen erfüllt?, um zu bestätigen, dass Sie genügend Daten für den von Ihnen ausgewählten Modelltyp hochgeladen haben.
Wenn eine nicht erfüllte Datenanforderung verhindert, dass Sie das Modell erstellen, wird neben der Anforderung ein X-Symbol cancel angezeigt und die Schaltfläche Erstellen unten im Bereich Empfehlungsmodell erstellen ist deaktiviert.
Wenn Sie weitere Daten hochladen müssen, lesen Sie sich die Datenanforderungen sorgfältig durch, um festzustellen, ob einige oder alle für das Modell erfüllt werden müssen. Importieren Sie dann die Nutzerereignisse oder Produkte, die zum Erstellen des Modells erforderlich sind.
Informationen zum Importieren finden Sie unter Nutzerereignisverlauf importieren und Kataloginformationen importieren.
Wählen Sie aus, wie oft das Modell abgestimmt werden soll. Weitere Informationen zu den Optimierungskosten finden Sie unter Preise.
- Alle drei Monate: Das Modell wird automatisch alle drei Monate optimiert.
- Nur manuelle Optimierung: Das Modell wird nur optimiert, wenn Sie es manuell optimieren.
Funktion in der öffentlichen Vorschau: Wählen Sie aus, ob Tags zum Filtern automatisch generiert werden sollen.
- Tags automatisch generieren: Wenn Sie diese Option aktivieren, können Sie Empfehlungsergebnisse dieses Modells filtern. Wenn diese Option aktiviert ist, kann sich die Trainingszeit verlängern. Weitere Informationen zu den Trainingskosten finden Sie unter Preise.
- Keine Tags generieren: Wenn diese Option deaktiviert ist, können Sie keine gefilterten Empfehlungen von diesem Modell erhalten.
Klicken Sie auf Erstellen, um das neue Empfehlungsmodell zu erstellen.
Wenn Sie ausreichend Nutzerereignisdaten des erforderlichen Typs hochgeladen haben, beginnt das erste Training und die Abstimmung des Modells. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber auch 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 v2 API mit einer Instanz von Model im Anfragetext. Weitere Informationen finden Sie in der Models.create API-Referenz.
Details zu allen Models-Feldern finden Sie in der Models API-Referenz.
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 ausreichend Nutzerereignisdaten des erforderlichen Typs hochgeladen haben, beginnt das erste Training und die Abstimmung des Modells. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber auch 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.
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 for Commerce, falls Sie dies noch nicht getan haben, und implementieren Sie Prozesse, um den hochgeladenen Katalog auf dem neuesten Stand zu halten.
- Starten Sie die Aufnahme von Nutzerereignissen in Vertex AI Search for Commerce, falls Sie dies noch nicht getan haben. Achten Sie dabei auf 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 ausgewählten Empfehlungstyp und das ausgewählte 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 Ihr Modell und Ihre Bereitstellungskonfigurationen.
An diesem Punkt initiiert Vertex AI Search for Commerce das Modelltraining und die Abstimmung. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es aber auch länger dauern.
Prüfen Sie mithilfe der Vorhersagevorschau, ob Ihr Modell ordnungsgemäß funktioniert.
Mindestanforderungen an Daten für Modelltypen
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.
Verwenden Sie echte Nutzerereignisse und echte Katalogdaten. Mit synthetischen Daten lassen sich keine hochwertigen Modelle erstellen.
| Modelltyp | Optimierungsziel | Unterstützte Nutzerereignistypen: | Mindestdatenanforderung | Fenster zur Datenerfassung |
|---|---|---|---|---|
| Empfehlungen für mich | Klickrate (Click-through-Rate, CTR) |
detail-page-viewhome-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
10.000 |
3 Monate |
| Empfehlungen für mich | Conversion-Rate |
add-to-cartdetail-page-viewhome-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
10.000 |
3 Monate |
| Empfehlungen für mich | Umsatz pro Sitzung |
add-to-cartdetail-page-viewhome-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
10.000 |
3 Monate |
| Was Ihnen sonst noch gefallen könnte | Klickrate (Click-through-Rate, CTR) |
detail-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 |
3 Monate |
| Was Ihnen sonst noch gefallen könnte | Conversion-Rate |
add-to-cartdetail-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
100 einzelne Katalogartikel für das
10.000 |
3 Monate |
| Was Ihnen sonst noch gefallen könnte | Umsatz pro Sitzung |
add-to-cartdetail-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
100 einzelne Katalogartikel für das
10.000 |
3 Monate |
| Häufig zusammen gekaufte Artikel | Umsatz pro Sitzung |
purchase-complete
|
Durchschnittlich 10 Vorkommen pro Katalogartikel (in einem 1-Jahres-Zeitfenster mit
100 einzelne Katalogartikel für das
1.000 |
3 Monate Wir empfehlen, Ereignisse mindestens täglich hochzuladen, um eine gute Datenqualität zu gewährleisten. Achten Sie beim Importieren von Verlaufsdaten darauf, dass die Datenverteilung zum aktuellen Zeitstempel hin verzerrt ist. Die Anzahl der Ereignisse am letzten Timestamp-Tag sollte mindestens der durchschnittlichen täglichen Ereignisanzahl entsprechen. |
| Im Angebot | Klickrate (Click-through-Rate, CTR) |
detail-page-viewhome-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
10.000 |
3 Monate |
| Im Angebot | Conversion-Rate |
add-to-cartdetail-page-viewhome-page-view
|
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
100 einzelne Katalogartikel für das
10.000 UND
7 Tage mit
10.000 |
3 Monate |
| Ähnliche Artikel | – | Nicht erforderlich. |
Mindestens 100 Produkt-SKUs müssen sich in irgendeinem Zweig befinden |
– |
| Optimierung auf Seitenebene | Beliebig |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
Bei der Optimierung auf Seitenebene werden Empfehlungsbereiche optimiert, indem zwischen mehreren möglichen Modellen ausgewählt wird. Beachten Sie die Datenanforderungen für die Modelle, die Sie als Optionen für die Optimierung auf Seitenebene auswählen. |
– |
| Noch einmal kaufen | – |
purchase-complete
|
Durchschnittlich 10 Vorkommen pro Katalogartikel (in einem 90‑Tage-Zeitfenster mit
100 einzelne Katalogartikel für das
1.000 Mindestens 100 Produkt-SKUs müssen sich in irgendeinem Zweig befinden |
– Wir empfehlen, Ereignisse mindestens täglich hochzuladen, um eine gute Datenqualität zu gewährleisten. Achten Sie beim Importieren von Verlaufsdaten darauf, dass die Datenverteilung zum aktuellen Zeitstempel hin verzerrt ist. Die Anzahl der Ereignisse am letzten Timestamp-Tag sollte mindestens der durchschnittlichen täglichen Ereignisanzahl entsprechen. |
Nächste Schritte
- Bereitstellungskonfiguration für das Modell erstellen.
- Training unterbrechen und fortsetzen.
- Wenn das Training des Modells abgeschlossen ist, fragen Sie Empfehlungen an.