Auf dieser Seite wird beschrieben, wie Sie ein neues Recommendations AI-Modell 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 die Arbeit mit Retail finden Sie unter Retail-Lösung implementieren.
Empfehlungsmodell erstellen
Fügen Sie über die Google Cloud Console 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 5 Modellvorgänge pro Minute starten. Zu den eingeschränkten Modellvorgängen gehören das Erstellen, Löschen, Anhalten und Fortsetzen.
Bevor Sie ein neues Modell erstellen können, müssen die Anforderungen zum Erstellen eines neuen Modells erfüllt sein.
So erstellen Sie ein neues Modell:
Rufen Sie in der Google Cloud Console die Seite „Einzelhandelsmodelle“ 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, der für das Modell trainiert werden soll, sowie das Geschäftsziel (falls für dieses Modell verfügbar).
Klicken Sie auf Erstellen, um das neue Empfehlungsmodell zu erstellen.
Wenn Sie ausreichende 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.
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 Retail, 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 Retail, 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 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 Ihr Modell und Ihre Bereitstellungskonfigurationen.
An diesem Punkt initiiert Retail das Modelltraining und die Abstimmung. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage.
Prüfen Sie mithilfe der Vorhersagevorschau, ob Ihr Modell ordnungsgemäß funktioniert.
Anforderungen an Nutzerereignisdaten
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 die maximale Zeitspanne dar, die die Retail API nach Nutzerereignissen sucht. Das Importieren weiterer Verlaufsdaten hat keine Auswirkungen auf die Modellqualität.
Da die Retail API keine hochwertigen Modelle aus synthetischen Daten erzeugen kann, sollten Sie echte Nutzerereignisse und echte Katalogdaten verwenden.
| Modelltyp | Optimierungsziel | Unterstützte Nutzerereignistypen: | Mindestdatenanforderung | Fenster zur Datenerfassung |
|---|---|---|---|---|
| Empfehlungen für mich | Klickrate (Click-through-Rate, CTR) |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
10.000
10.000 AND
(1 Woche, mit durchschnittlich 10 OR
60 Tage mit mindestens einem verknüpften |
3 Monate |
| Empfehlungen für mich | Conversion-Rate |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
10.000
10.000
10.000 AND
(1 Woche, mit durchschnittlich 10 OR
60 Tage mit mindestens einem verknüpften |
3 Monate |
| Was Ihnen sonst noch gefallen könnte | Klickrate (Click-through-Rate, CTR) |
detail-page-view
|
10.000 AND
(1 Woche mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
| Was Ihnen sonst noch gefallen könnte | Conversion-Rate |
add-to-cartdetail-page-view
|
10.000
10.000 AND
(1 Woche mit durchschnittlich 10 ODER
60 Tage mit mindestens einem verknüpften |
3 Monate |
| Häufig zusammen gekaufte Artikel | Alle |
purchase-completedetail-page-view
|
1.000 AND
(Im Durchschnitt sind 10 ODER
90 Tage für |
12 Monate |
| Ähnliche Artikel | Klickrate (Click-through-Rate, CTR) | Nicht erforderlich. |
Mindestens 100 Produkt-SKUs müssen im Katalogzweig |
– |
Weitere Informationen
- Bereitstellungskonfiguration für das Modell erstellen.
- Training unterbrechen und fortsetzen.
- Wenn das Training des Modells abgeschlossen ist, fragen Sie Empfehlungen an.