Cette page explique comment créer un modèle de recommandations.
Si vous disposez déjà d'un modèle de recommandation du type approprié et que vous souhaitez obtenir des prédictions à partir de celui-ci à partir d'un autre emplacement de votre site, vous pouvez créer une configuration de diffusion pour ce modèle plutôt que d'en créer un autre. En savoir plus
Introduction
Lorsque vous souhaitez utiliser un nouveau type de recommandation pour obtenir des prédictions, vous devez créer un modèle de recommandation et fournir suffisamment de données d'événements utilisateur pour qu'il puisse être entraîné. Vous créez des configurations de diffusion pour votre nouveau modèle et, une fois l'entraînement du modèle terminé, vous demandez des prédictions à ces configurations de diffusion.
Pour obtenir une présentation du processus d'utilisation de Vertex AI Search pour le commerce, consultez la page Implémenter Vertex AI Search pour le commerce.
Créer un modèle de recommandation
Ajoutez un modèle de recommandation à l'aide de la console Search for Retail ou de la méthode API models.Create.
Vous pouvez avoir jusqu'à 20 modèles par projet, et jusqu'à 10 d'entre eux peuvent être actifs (non suspendus) à tout moment. En savoir plus sur la mise en veille d'un modèle
Vous pouvez lancer jusqu'à cinq opérations de modèle par minute. Les opérations de modélisation limitées sont la création, la suppression, la pause et la reprise.
Avant de créer un modèle:
- Examinez et choisissez parmi les types de modèles de recommandations et les objectifs d'entreprise de modèles disponibles. Ceux-ci déterminent le type de recommandations que ce modèle doit être entraîné à fournir.
- Décidez à quelle fréquence vous souhaitez régler le modèle. Pour en savoir plus sur les coûts de réglage et d'entraînement, consultez la page Tarifs.
- Assurez-vous d'avoir suffisamment de données importées pour répondre aux conditions requises pour créer un modèle. Certaines exigences dépendent du type de modèle que vous choisissez.
Si vous prévoyez de créer un modèle d'optimisation au niveau de la page:
Vérifiez que vous disposez déjà de configurations de diffusion de recommandations auxquelles des modèles entraînés sont associés. Lorsque vous optimisez les recommandations d'une page, vous devez fournir une sélection de configurations de diffusion de recommandations parmi lesquelles l'optimisation au niveau de la page.
Configurez l'enregistrement des événements
detail-page-viewet des événements correspondant au type de page sur lequel vous allez déployer le modèle d'optimisation au niveau de la page (par exemple, si vous déployez le modèle sur une page d'accueil, veillez à configurer l'enregistrement pour les événementshome-page-view). Pour améliorer les recommandations personnalisées, nous vous recommandons également d'enregistrer les événementspurchaseetadd-to-cart.Si vous choisissez l'objectif d'entreprise "Taux de conversion", vous devez enregistrer les événements
add-to-cart.Après avoir créé le modèle d'optimisation au niveau de la page, assurez-vous de continuer à l'interroger pour créer des impressions de recommandations. Ces impressions permettent d'entraîner le modèle d'optimisation au niveau de la page et d'améliorer les recommandations qu'il diffuse.
Pour créer un modèle, procédez comme suit :
console Google Cloud
Accédez à la page Modèles de la console Search for Retail.
Accéder à la page "Modèles"Cliquez sur Créer un modèle.
Attribuez un nom à votre modèle.
Ce nom doit comporter 1 024 caractères au maximum, et ne peut contenir que des caractères alphanumériques, des traits de soulignement, des traits d'union et des espaces.
Sélectionnez le type de recommandation.
Si vous avez sélectionné le type de modèle Optimisation au niveau de la page:
Choisissez le type de page que le modèle "Optimisation au niveau de la page" optimisera pour vous.
Choisissez dans quelle mesure limiter la diffusion de configurations de diffusion similaires entre les panneaux:
Type de modèle unique:n'autorisez pas l'affichage de plusieurs configurations de diffusion ayant le même type de modèle dans différents panneaux.
Modèle unique:n'autorisez pas l'affichage de plusieurs configurations de diffusion associées au même modèle sur différents panneaux.
Configuration de diffusion unique:n'autorisez pas l'affichage de la même configuration de diffusion dans plusieurs panneaux.
Aucune restriction:autorise l'affichage de toutes les configurations de diffusion dans autant de panneaux que vous le souhaitez.
Pour chaque panneau de recommandations que vous prévoyez d'afficher avec ce modèle:
Saisissez un ID de panneau.
Sélectionnez les configurations de diffusion que le modèle d'optimisation au niveau de la page peut considérer comme options pour ce panneau.
Par exemple, une page d'ajout au panier peut comporter un panneau de recommandations dans lequel vous souhaitez afficher les recommandations "Achetés fréquemment ensemble" ou "Autres articles susceptibles de vous plaire". Dans ce cas, sélectionnez une configuration de diffusion qui utilise le modèle "Fréquemment achetés ensemble" et une autre qui utilise le modèle "Autres sujets susceptibles de vous intéresser" dans ce panneau. Lorsque vous appelez le modèle d'optimisation au niveau de la page à l'aide d'un appel de prédiction, celui-ci choisit le type de recommandations à afficher dans ce panneau en fonction de l'historique des événements de l'utilisateur final.
Sélectionnez une configuration de diffusion par défaut.
En cas de panne du serveur Google, le modèle d'optimisation au niveau de la page peut toujours fournir les résultats de la configuration de diffusion par défaut.
Si vous devez créer des panneaux supplémentaires, cliquez sur Add a panel (Ajouter un panneau) pour chaque nouveau panneau, puis saisissez les détails du nouveau panneau.
Choisissez l'objectif d'entreprise, s'il est disponible pour le type de modèle que vous avez sélectionné.
Si vous avez choisi le type de modèle "Fréquemment achetés ensemble", sélectionnez le type de produits "Contexte":
- Produits à plusieurs contextes: utilisez un ou plusieurs articles comme contexte pour les recommandations à partir de ce modèle.
- Produit à contexte unique: utilisez un article comme contexte pour les recommandations issues de ce modèle.
Consultez la liste Exigences en matière de données satisfaites ? pour vérifier que vous avez importé suffisamment de données pour le type de modèle sélectionné.
Si une exigence de données non satisfaite vous empêche de créer le modèle, une icône X cancel apparaît à côté de l'exigence et le bouton Créer en bas du volet Créer un modèle de recommandation est désactivé.
Si vous devez importer plus de données, examinez attentivement les exigences concernant les données pour vous assurer que tout ou partie d'entre elles doivent être remplies pour ce modèle, puis importez les événements utilisateur ou les produits requis pour créer le modèle.
Pour savoir comment effectuer l'importation, consultez Importer l'historique des événements utilisateur et Importer les informations du catalogue.
Choisissez la fréquence de réglage du modèle. Pour en savoir plus sur les coûts de réglage, consultez la section Tarifs.
- Tous les trois mois: le modèle effectue automatiquement le réglage tous les trois mois.
- Réglage manuel uniquement: le modèle n'est réglé que lorsque vous le réglez manuellement.
(Fonctionnalité en version Preview publique) Choisissez si vous souhaitez générer automatiquement des tags pour le filtrage.
- Générer automatiquement des tags: activez cette option pour filtrer les résultats de recommandations à partir de ce modèle. L'activation de cette option peut augmenter la durée d'entraînement. Pour en savoir plus sur le coût de l'entraînement, consultez la section Tarifs.
- Ne pas générer de tags: si cette option est désactivée, vous ne pouvez pas obtenir de recommandations filtrées à partir de ce modèle.
Cliquez sur Créer pour créer le modèle de recommandation.
Si vous avez importé suffisamment de données d'événements utilisateur du type requis, l'entraînement et le réglage initiaux du modèle commencent. L'entraînement et le réglage initiaux du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour les ensembles de données volumineux.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.
curl
Envoyez une requête Models.create à l'API v2beta avec une instance de Model dans le corps de la requête. Consultez la documentation de référence de l'API Models.create.
Pour en savoir plus sur tous les champs Models, consultez la documentation de référence de l'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"
Si vous avez importé suffisamment de données d'événements utilisateur du type requis, l'entraînement et le réglage initiaux du modèle commencent. L'entraînement et le réglage initiaux du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour les ensembles de données volumineux.
Vous pouvez créer des configurations de diffusion pour votre nouveau modèle avant la fin de l'entraînement, mais elles ne diffuseront que des prédictions de type "simulation" jusqu'à ce que l'entraînement et le réglage initiaux soient terminés et que le modèle devienne actif.
Exigences relatives à la création d'un modèle de recommandation
La première fois que vous utilisez un type de recommandation spécifique pour votre site, vous entraînez un nouveau modèle de machine learning. Le processus nécessite une quantité suffisante de données d'entraînement ainsi que du temps pour entraîner et régler le modèle. Pour commencer à utiliser un nouveau type de recommandation, vous devez suivre les étapes suivantes :
- Importez votre catalogue dans Vertex AI Search pour le commerce, si ce n'est pas déjà fait, et implémentez des processus pour maintenir le catalogue importé à jour.
- Si vous ne l'avez pas déjà fait, commencez à enregistrer des événements utilisateur dans Vertex AI Search pour le commerce, en veillant à suivre les bonnes pratiques pour enregistrer les données d'événements utilisateur.
- Identifiez le type de recommandation et l'objectif d'optimisation que vous souhaitez utiliser.
- Déterminez les exigences applicables aux données d'événement utilisateur pour le type de recommandation et l'objectif souhaités.
- Importez les données d'historique des événements utilisateur afin de répondre aux exigences minimales applicables aux données d'événements, ou attendez que la collecte des données d'événements utilisateur génère suffisamment de données pour satisfaire les exigences minimales.
Créez votre modèle et vos configurations de diffusion.
À ce stade, Vertex AI Search pour le commerce lance l'entraînement et le réglage du modèle. L'entraînement et le réglage initiaux du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour les ensembles de données volumineux.
Vérifiez que votre modèle fonctionne correctement à l'aide de la version bêta de la prédiction.
Créez votre test A/B.
Exigences concernant les données concernant le type de modèle
Le type d'événements utilisateur que vous importez et la quantité de données dont vous avez besoin dépendent de votre type de recommandation (modèle) et de votre objectif d'optimisation. Une fois que vous avez atteint la quantité minimale de données requise, vous pouvez commencer l'entraînement du modèle.
La fenêtre de collecte de données représente la période pour les événements utilisateur. L'importation de données plus historiques n'a aucun effet sur la qualité du modèle.
Assurez-vous d'utiliser des événements utilisateur réels et des données de catalogue réelles. Les modèles de bonne qualité ne peuvent pas être construits sur des données synthétiques.
| Type de modèle | Objectif d'optimisation | Types d'événements utilisateur compatibles | Exigence minimale en matière de données | Période de collecte de données |
|---|---|---|---|---|
| Recommandées pour vous | Taux de clics |
detail-page-viewpurchase-completehome-page-view
|
10 000 événements
Au moins 7 jours d'événements
10 000 événements ET
(1 semaine, avec une moyenne de 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Recommandées pour vous | Taux de conversion |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
10 000 événements
10 000 événements
Au moins 7 jours d'événements
10 000 événements ET
(1 semaine, avec une moyenne de 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Recommandées pour vous | Revenus par session |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
10 000 événements
10 000 événements
Au moins 7 jours d'événements
10 000 événements ET
(1 semaine, avec une moyenne de 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de clics |
detail-page-view
|
10 000 événements ET
(1 semaine, avec 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Autres articles susceptibles de vous intéresser | Taux de conversion |
add-to-cartdetail-page-view
|
10 000 événements
10 000 événements ET
(1 semaine, avec 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Autres articles susceptibles de vous intéresser | Revenus par session |
add-to-cartdetail-page-view
|
10 000 événements
10 000 événements ET
(1 semaine, avec 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Articles fréquemment achetés ensemble | Tous |
purchase-completedetail-page-view
|
1 000 événements ET
(10 événements OU
90 jours d'événements |
12 mois Nous vous recommandons d'importer des événements au moins une fois par jour afin de garantir une bonne qualité des données. Lors des importations d'événements historiques, assurez-vous que la distribution des données penche vers l'horodatage le plus récent. Le nombre d'événements du dernier jour d'horodatage doit être supérieur ou égal au nombre moyen d'événements quotidiens. |
| En vente | Taux de clics |
detail-page-viewadd‑to‑cartpurchase-completehome-page-viewshopping-cart-page-viewcategory-page-view
|
La branche active du catalogue comporte plus de 100 produits en promotion (la valeur
10 000 événements
Au moins sept jours d'événements
10 000 événements
(1 semaine, avec une moyenne de 10 événements OU
60 jours avec au moins un événement |
3 mois |
| En vente | Taux de conversion |
detail-page-viewadd-to-cartpurchase-completehome-page-viewcategory-page-viewshopping-cart-page-view
|
La branche active du catalogue comporte plus de 100 produits en promotion (la valeur
10 000 événements
10 000 événements
10 000 événements ET
(1 semaine, avec une moyenne de 10 événements OU
60 jours avec au moins un événement |
3 mois |
| Articles similaires | Taux de clics | Aucune action requise. |
Au moins 100 SKU de produits en stock doivent être présents dans la branche "Active catalogue". Aucun événement utilisateur n'est requis. |
Non disponible |
| Optimisation au niveau de la page | Tous |
detail-page-viewadd-to-cartpurchase-completehome-page-view
|
L'optimisation au niveau de la page optimise les panneaux de recommandations en choisissant parmi plusieurs modèles possibles. Reportez-vous aux exigences en termes de données pour les modèles sélectionnés comme options d'optimisation au niveau de la page. |
Non disponible |
| Acheter à nouveau | Non disponible |
purchase-complete
|
1 000 événements ET
60 jours d'événements ET Au moins 100 SKU de produits en stock doivent être présents dans la branche "Active catalogue". |
90 jours Nous vous recommandons d'importer des événements au moins une fois par jour afin de garantir une bonne qualité des données. Lors des importations d'événements historiques, assurez-vous que la distribution des données penche vers l'horodatage le plus récent. Le nombre d'événements du dernier jour d'horodatage doit être supérieur ou égal au nombre moyen d'événements quotidiens. |
Étapes suivantes
- Créez une configuration de diffusion pour votre modèle.
- Découvrez comment suspendre et reprendre l'entraînement de votre modèle.
- Une fois l'entraînement terminé, commencez à demander des recommandations.