これは、Recommendations AI、Retail Search、新しい Retail コンソールに関するドキュメントです。制限付き一般提供フェーズで Retail Search を使用するには、Cloud 営業担当者にお問い合わせください

Recommendations AI のみを使用している場合は、Recommendations コンソールを引き続き使用し、Recommendations AI のドキュメントをご覧ください。

モデルの作成

このページでは、新しい Recommendations AI モデルの作成方法について説明します。

適切なタイプのレコメンデーション モデルがすでにあり、サイトの別の場所から予測を取得する場合は、新しいモデルを作成するのではなく、新しいサービス提供構成を作成できます。詳細

はじめに

新しいレコメンデーション タイプを使用して予測を取得する場合は、新しいレコメンデーション モデルを作成して、トレーニングに十分なユーザー イベント データを提供する必要があります。新しいモデル用のサービス提供構成を作成し、モデルのトレーニングが完了したら、それらのプレースメントから予測をリクエストします。

Retail の使用プロセスの概要については、Retail ソリューションの実装をご覧ください。

レコメンデーション モデルの作成

Google Cloud Console を使用して、新しいレコメンデーション モデルを追加します。プロジェクトごとに最大 20 個のモデルを作成できます。また、いつでも最大 10 個のモデルを有効(一時停止不可)にできます。モデルの一時停止について確認してください。

1 分あたり最大 5 つのモデルのオペレーションを開始できます。対象となるモデルのオペレーションには、作成、削除、一時停止、再開が含まれます。

新しいモデルを作成する前に、新しいモデルを作成するための要件を満たしている必要があります。

新しいモデルを作成するには:

  1. Google Cloud Console の [Retail Models] ページに移動します。

    [モデル] ページに移動

  2. [モデルを作成] をクリックします。

  3. モデルに名前を入力します。

    名前は 1,024 文字以下で、英数字、アンダースコア、ハイフン、スペースのみを含めることができます。

  4. このモデルにトレーニングするレコメンデーション タイプと、ビジネスの目標(そのモデルに使用可能な場合)を選択します。

  5. [Create] をクリックして、新しいレコメンデーション モデルを作成します。

    必要なタイプの十分なユーザー イベントデータをアップロードした場合、初期モデルのトレーニングと調整が開始されます。最初のモデルのトレーニングと調整には 2~5 日かかります。

    新しいモデルのトレーニングを完了する前にサービス提供構成を作成できますが、最初のトレーニングと調整が完了してモデルがアクティブになるまでは「ドライラン」予測のみで使用できます。

新しいレコメンデーション モデルを作成するための要件

サイトで特定のレコメンデーション タイプを初めて使用するときは、新しい機械学習モデルをトレーニングします。このモデルには、十分なトレーニング データと、モデルのトレーニングと調整を行う時間が必要です。新しいレコメンデーション タイプを使用するには、次の手順が必要です。

  1. まだ行っていない場合は、Retail にカタログをインポートし、アップロードされたカタログを最新に保つプロセスを実施します。
  2. Retail へのユーザー イベントの記録を開始します(まだ行っていない場合)。必ず、ユーザー イベント データの記録に関するベスト プラクティスに従ってください。
  3. 使用するレコメンデーション タイプ最適化目標を指定します。
  4. 希望するレコメンデーション タイプと目標に対するユーザー イベント データの要件を決定します。
  5. 最小のイベント データの要件を満たすために過去のユーザー イベントデータをインポートするか、ユーザー イベントデータの収集が最小要件を満たすまで待ちます。
  6. モデルを作成し、サービス提供構成を作成します。

    この時点で、Retail はモデルのトレーニングと調整を開始します。最初のモデルのトレーニングと調整には 2~5 日かかります。

  7. 予測プレビューを使用して、モデルが正しく機能していることを確認します。

  8. A/B テストを作成します。

ユーザー イベントのデータ要件

インポートするユーザー イベントのタイプと必要なデータ量は、レコメンデーション(モデル)タイプ最適化の目標によって異なります。最小データ要件に達した時点で、モデル トレーニングを開始できます。

データ収集時間は、Retail API がユーザー イベントを検索する最大時間を表します。それ以上の履歴データをインポートしても、モデルの品質には影響しません。

Retail API は、合成データに基づいて良好なモデルを生成できないため、実際のユーザー イベントと実際のカタログデータを使用してください。

モデルタイプ 最適化の目標 ユーザー イベントタイプ 最小データ要件 データ収集時間
あなたへのおすすめ クリック率 detail-page-view
add-to-cart
purchase-complete
home-page-view

100 個以上のユニーク ユーザー ID を含む 10,000 件の detail-page-view イベントと、10,000 件の home-page-view イベント

かつ

(1 週間、結合されたカタログ アイテムごとに平均 10 件の detail-page-view イベントを含む。

OR

60 日間、少なくとも 1 つの結合した detail-page-view イベントを含む)。

3 か月
あなたへのおすすめ コンバージョン率 detail-page-view
add-to-cart
purchase-complete
home-page-view

100 個以上のユニーク ユーザー ID を含む 10,000 件の add-to-cart イベント; 10,000 件の detail-page-view イベントと 10,000 件の home-page-view イベント。

かつ

(1 週間、結合されたカタログ アイテムごとに平均 10 件の add-to-cart イベントを含む。

OR

60 日間、少なくとも 1 つの結合した add-to-cart イベントを含む)。

3 か月
関連商品のおすすめ クリック率 detail-page-view

100 個以上のユニーク ユーザー ID を含む 10,000 件の detail-page-view イベント。

かつ

(1 週間、結合されたカタログ アイテムごとに平均 10 件の detail-page-view イベントを含む。

OR

60 日間、少なくとも 1 つの結合した detail-page-view イベントを含む)。

3 か月
関連商品のおすすめ コンバージョン率 add-to-cart
detail-page-view

100 個以上のユニーク ユーザー ID を含む 10,000 件の add-to-cart イベントと、10,000 件の detail-page-view イベント。

かつ

(1 週間、結合されたカタログ アイテムごとに平均 10 件の add-to-cart イベントを含む。

OR

60 日間、少なくとも 1 つの結合した add-to-cart イベントを含む)。

3 か月
よく一緒に購入されている商品 任意 purchase-complete
detail-page-view

100 個以上のユニーク ユーザー ID を含む 1,000 件の purchase イベント

かつ

(結合されたカタログ アイテムごとに平均 10 件の purchase-complete イベント。

OR

90 日間の purchase-complete イベント)。

12 か月
似ている商品アイテム クリック率 特になし。

100 個以上の在庫あり商品 SKU がカタログ ブランチ 0 に存在する必要があります。ユーザー イベントは必要ありません。

該当なし

次のステップ