Domande frequenti

Hai altri problemi o non trovi il tuo problema descritto di seguito? Segnala un bug o richiedi una funzionalità e partecipa al gruppo Google cloud-recommendations-users o alle discussioni su Stack Overflow.

Generale

1. Disponi di librerie client per Vertex AI Search per la vendita al dettaglio o di altro codice campione?

Sì. Puoi consultare la guida alle librerie client qui per informazioni di configurazione e riferimento per ogni libreria.

Puoi anche utilizzare il servizio di rilevamento API di Google al posto delle chiamate REST non elaborate.

2. Tutti i modelli di consigli sono personalizzati?

I modelli Consigliati per te, Altri che ti potrebbero piacere e Acquista di nuovo forniscono consigli personalizzati quando vengono forniti con la cronologia utente. I modelli Acquistati frequentemente insieme e Articoli simili non sono personalizzati.

Consulta Informazioni sui modelli di suggerimento.

3. Riceverò immediatamente consigli personalizzati o dovrò attendere che migliorino nel tempo?

I consigli migliorano man mano che raccogli più cronologia utente. Il modello Consigliati per te mostra i prodotti più apprezzati, mentre il modello Altri che potrebbero piacerti mostra prodotti simili in base principalmente alle visualizzazioni di altri utenti. Entrambi questi modelli iniziano immediatamente a prendere in considerazione il comportamento degli utenti, pertanto è importante inviare eventi in tempo reale. Consulta Informazioni sui modelli di suggerimento.

Affinché la personalizzazione sia efficace, gli eventi utente devono essere inviati in tempo reale o quasi. Se gli eventi utente vengono inviati solo quotidianamente o in batch durante il giorno, il rendimento dei modelli personalizzati potrebbe non essere ottimale come se fossero stati inviati eventi in tempo reale.

4. Utilizzi i dati demografici degli utenti di Google nei tuoi modelli?

I modelli utilizzano solo i dati del catalogo e sugli eventi utente che fornisci. Se vuoi includere dati demografici, puoi includere altre informazioni text o numeriche che potrebbero essere utili come attributi personalizzati. Questi dati inizieranno a essere utilizzati dal modello dopo la nuova ottimizzazione.

Non includere informazioni che consentono l'identificazione personale (PII), ad esempio indirizzi email o nomi utente. Ti consigliamo di rendere anonimi i dati demografici, ad esempio sottoponendo a hashing i valori o utilizzando gli ID gruppo.

5. Posso fornire consigli in base alla cronologia degli eventi di un gruppo di utenti anziché a quella di un singolo utente?

Al momento, i consigli si basano su un singolo ID visitatore o ID utente. Dovresti effettuare singole richieste e poi combinare i risultati per basare i consigli sulla cronologia di un gruppo. Se gli utenti hanno attributi di metadati comuni, puoi utilizzare gli ID gruppo come ID utente per fornire consigli a livello di gruppo.

6. Ho notato che puoi inviare URL di immagini per i prodotti. I modelli prendono in considerazione le immagini dei prodotti?

Al momento non è possibile. Questi campi vengono forniti in modo da poter recuperare questi metadati insieme ai risultati dei consigli restituiti, per facilitare il rendering dei risultati dei consigli. L'anteprima della previsione utilizza anche gli URL delle immagini per visualizzarle quando viene visualizzata l'anteprima dei risultati di previsione di un modello nella console Ricerca per la vendita al dettaglio.

7. La mia azienda non è un sito web di e-commerce di vendita al dettaglio. Posso comunque utilizzare i consigli per la previsione di x,y,z?

I nostri clienti hanno utilizzato i consigli per i contenuti, lo streaming di video e giochi e altri casi d'uso. Tuttavia, i nostri contenuti e la nostra esperienza sono progettati in base al caso d'uso dell'e-commerce al dettaglio e potrebbero non essere ancora adatti ad altri casi d'uso.

8. Posso inserire consigli in qualsiasi pagina del mio sito?

Sì, ma ogni modello è progettato per casi d'uso specifici e potrebbe funzionare al meglio su determinate pagine. Consulta Informazioni sui modelli di suggerimento.

Le sezioni Acquistati di frequente insieme e Altri che potrebbero piacerti richiedono ID articolo, pertanto devono essere utilizzate per i consigli utilizzando, ad esempio, un ID prodotto o gli articoli in un carrello. Acquistati spesso insieme in genere funziona meglio nelle pagine di aggiunta al carrello o di pagamento, mentre Altri che potrebbero piacerti e Articoli simili funzionano meglio nelle pagine dei dettagli del prodotto. La sezione Consigliati per te può essere posizionata su qualsiasi pagina, poiché richiede solo un ID visitatore come input, ma è progettata come configurazione di pubblicazione della home page. Acquista di nuovo è progettato per essere inserito in qualsiasi pagina.

9. Posso utilizzare i consigli per i consigli nelle email inviate tramite newsletter?

Sì. Per farlo, occorre effettuare una chiamata all'API con un ID visitatore o utente, poi incorporare i risultati in un modello email. Se vuoi che gli elementi vengano caricati dinamicamente al momento della lettura dell'email, devi utilizzare un endpoint intermedio, ad esempio una funzione Google Cloud, per inviare la richiesta di previsione. L'API fornisce solo un elenco di ID prodotto e metadati ordinati, quindi dovrai anche scrivere il tuo codice per eseguire il rendering dei risultati di immagini.

10. Posso utilizzare Vertex AI Search for Retail per altri casi d'uso non web (app mobile, chioschi)?

Sì. Puoi configurare un endpoint (ad esempio, Google Cloud Function) per ottenere risultati per l'app. Inoltre, hai bisogno di un meccanismo simile per inviare eventi in tempo reale.

11. Non dispongo di dati sugli eventi di almeno 3 mesi. Posso continuare a utilizzare Vertex AI Search per il retail? Posso aggiungere altri dati in un secondo momento?

Il modello Articoli simili non utilizza i dati sugli eventi utente o la regolazione del modello. Se non hai dati sugli eventi, puoi comunque creare e addestrare un modello di articoli simili purché tu abbia dati di catalogo.

Se riesci a registrare un volume di traffico sufficiente per gli eventi in tempo reale, i dati recenti possono essere utilizzati per l'addestramento di altri modelli. Se hai dati aggiuntivi disponibili in un secondo momento, puoi caricarli dopo l'addestramento iniziale del modello. I nuovi dati sottoposti a backfill vengono incorporati nei modelli durante il ricoinvolgimento giornaliero. Tuttavia, se i dati sono significativamente diversi dagli eventi utilizzati per l'addestramento iniziale, potrebbe essere necessario ottimizzare nuovamente i modelli.

La maggior parte dei modelli funziona al meglio con almeno tre mesi di visualizzazioni di pagine di prodotto, visualizzazioni di pagine di destinazione ed eventi di aggiunta al carrello per tutti i modelli e, idealmente, uno o due anni di cronologia acquisti per il modello Acquistati di frequente insieme.

Una o due settimane di visualizzazioni di pagine dei dettagli possono essere sufficienti per iniziare ad addestrare i modelli Altri che potrebbero piacerti e Consigliati per te, mentre Acquistati di frequente insieme e Acquista di nuovo in genere richiedono più tempo perché in genere gli acquisti giornalieri sono inferiori alle visualizzazioni di pagina. La qualità del modello può essere notevolmente migliorata con un maggior numero di dati; la quantità minima potrebbe non produrre risultati ottimali. Ad esempio, un anno di acquisti consente ai modelli di sfruttare meglio la stagionalità e le tendenze.

12. Posso consigliare categorie insieme ai prodotti?

La query Recommendations restituisce solo consigli sui prodotti, ma puoi ottenere le categorie di ciascun prodotto restituito come parte dei risultati.

13. Esistono integrazioni per il caricamento dei dati da database SQL o altri sistemi, come BigQuery?

Sì. Per gli eventi, è disponibile un codice di esempio che legge da BigQuery. Consulta un esempio di set di dati di Google Analytics per BigQuery.

14. Vertex AI Search for Retail utilizza i cookie?

No, non utilizza cookie. Tuttavia, tutti gli eventi inviati a Vertex AI Search per la vendita al dettaglio devono avere un ID visitatore specificato, che spesso è un identificatore di sessione di un cookie.

15. Mi serve un progetto Google Cloud dedicato?

Puoi creare un nuovo progetto dedicato o attivare Vertex AI Search for Retail in un progetto esistente.

16. Perché le mie credenziali non funzionano quando utilizzo Cloud Shell?

Verifica di aver completato i passaggi di configurazione dell'autenticazione per Vertex AI Search per il retail. Devi utilizzare un account di servizio che hai reso disponibile nel tuo ambiente. In caso contrario, potresti ricevere un errore simile al seguente: "La tua applicazione si è autenticata utilizzando le credenziali dell'utente finale dell'SDK Google Cloud o di Google Cloud Shell che non sono supportate."

Per saperne di più sugli account di servizio, consulta la sezione sull'autenticazione della documentazione di Google Cloud.

17. Come faccio a confrontare Vertex AI Search for Retail con soluzioni simili?

Puoi eseguire test A/B per confrontare i risultati di Vertex AI Search for Retail con quelli di altri prodotti.

18. Penso che le funzionalità x,y,z sarebbero fantastiche. Puoi aggiungere questo?

Ci piacerebbe conoscere la tua opinione. Le richieste di funzionalità possono essere inviate tramite il team dell'account, l'Assistenza Google o il tracker dei problemi.

19. Posso ancora utilizzare la vecchia API per i consigli?

È stata eseguita la migrazione di Recommendations dall'API Recommendations Engine a Vertex AI Search per il retail. Se utilizzavi l'API Recommendations Engine mentre era in versione beta, ti consigliamo di eseguire la migrazione dei tuoi consigli a Vertex AI Search for Retail (endpoint di servizio https://retail.googleapis.com), che è disponibile in versione generale.

L'API precedente (endpoint del servizio https://recommendationengine.googleapis.com) e la relativa documentazione rimangono disponibili, ma non vengono più aggiornate.

Cataloghi e prodotti

1. Come vengono gestiti gli avvii a freddo per i nuovi prodotti?

Per i prodotti che non hanno una cronologia acquisti, forniamo consigli basati su prodotti simili. In questi casi, è particolarmente importante avere titoli, categorie e descrizioni dei prodotti ben definiti nel catalogo.

Per gli utenti a cold start (visitatori senza cronologia), i modelli iniziano con i prodotti generali più apprezzati e diventano più personalizzati in tempo reale man mano che vengono ricevuti più eventi degli utenti.

Consulta la sezione Informazioni su cataloghi e prodotti e la pagina di riferimento dei prodotti.

2. Posso utilizzare il mio catalogo di Merchant Center per i consigli?

Sì, puoi esportare un catalogo di Merchant Center in BigQuery utilizzando il servizio Merchant Center Data Transfer. In questo modo possiamo leggere il catalogo direttamente da BigQuery. Consulta Importa i dati del catalogo da Merchant Center.

3. In quali altri modi posso importare il mio catalogo?

  • Merchant Center: importa con Merchant Center. Se utilizzi la rete di ricerca, puoi collegare Merchant Center alla console in modo che il relativo catalogo venga sincronizzato automaticamente.
  • BigQuery: importa direttamente da una tabella o una visualizzazione.
  • Cloud Storage: importa utilizzando file di testo con un elemento del catalogo JSON per riga.
  • Importazione in linea: importa con una chiamata API utilizzando file di testo con un elemento del catalogo JSON per riga.
  • Crea articoli del prodotto: utilizza il metodo Products create.

4. Come faccio a mantenere aggiornato il mio catalogo? Con quale frequenza deve essere aggiornato il catalogo?

Consulta Mantieni il catalogo aggiornato.

Ti consigliamo di aggiornare il catalogo quotidianamente. Puoi eseguire un aggiornamento completo da Cloud Storage o BigQuery oppure un aggiornamento incrementale (ovvero solo elementi nuovi e modificati).

Se possibile, aggiorna il prezzo e la disponibilità in tempo reale. Ciò influisce sulla rapidità con cui i nuovi elementi possono essere sottoposti a ricerca.

Se hai un modo semplice per ricevere notifiche delle modifiche al catalogo (ad esempio tramite Pub/Sub, coda di messaggi, eventi e così via), puoi aggiornare il catalogo in tempo reale utilizzando i metodi dell'API import o create.

Ad esempio, Cloud Scheduler può essere utilizzato per effettuare una chiamata di importazione giornaliera di BigQuery.

5. Esistono dimensioni minime e massime per i cataloghi?

Non esiste un limite minimo, ma i cataloghi di dimensioni molto ridotte (< 100 articoli) potrebbero non trarre molto vantaggio dai consigli perché ci sono pochissimi prodotti diversi da consigliare.

Il catalogo può contenere al massimo 40 milioni di articoli.

Consulta la documentazione per informazioni su quote e limiti predefiniti e su come richiedere una modifica alla quota.

6. La mia azienda gestisce siti web in più paesi. Devo utilizzare un unico catalogo per tutti i miei dati?

In genere è meglio avere un solo catalogo con tutti gli articoli. Gli eventi devono essere inviati utilizzando tutti la stessa valuta. Non è possibile avere più cataloghi nello stesso progetto, ma se utilizzi le entità, puoi specificare il comportamento di ricerca, consigli e completamento automatico per un determinato paese.

Se i cataloghi sono molto diversi tra i siti web, ti consigliamo di avere un progetto distinto per ogni sito web. Inoltre, se i paesi hanno lingue diverse, ti consigliamo di avere progetti distinti, uno per ogni lingua.

Se esistono siti web simili con traffico ridotto rispetto al sito web principale, potrebbe essere meglio utilizzare un singolo catalogo se non sono presenti eventi sufficienti per produrre modelli di alta qualità per tutti i singoli siti web.

Per utilizzare un singolo catalogo, gli ID articolo del catalogo devono essere coerenti, ovvero lo stesso prodotto deve avere un unico ID articolo su tutti i siti web in modo che non vi sia duplicazione dei prodotti all'interno del catalogo.

Solo per i consigli, un'alternativa all'utilizzo delle entità è filtrare per un sito web specifico utilizzando i filtri. Tuttavia, l'aggiornamento dei filtri può richiedere fino a 8 ore, pertanto, se sono presenti requisiti di disponibilità (non disponibili) specifici per paese, in genere devono essere gestiti da una regola aziendale che escluda i risultati dopo la risposta di previsione. Questo vale per i filtri filter_tag della versione 1 e per i filtri basati sugli attributi della versione 2.

7. Vertex AI Search for Retail supporta più valute per catalogo?

No, è supportato un solo tipo di valuta per catalogo. Gli eventi devono essere caricati utilizzando una singola valuta.

Se prevedi di utilizzare la console Ricerca per la vendita al dettaglio per ottenere le metriche relative alle entrate, assicurati che tutti gli eventi utilizzino una singola valuta o convertili tutti nella stessa valuta prima di caricarli.

8. Ho più siti web con un catalogo condiviso o articoli simili. I consigli possono essere forniti su più siti?

In genere consigliamo di utilizzare un unico catalogo come questo solo se esiste una sovrapposizione significativa tra i siti, che devono condividere molti o tutti gli stessi prodotti. Poi, come per i siti multiregione, puoi utilizzare le entità o i tag filtro per restituire solo gli elementi specifici del sito per una determinata chiamata di previsione.

Se i siti non condividono molti o nessun articolo del catalogo, è necessario utilizzare più cataloghi. L'utilizzo di più cataloghi richiede un progetto Google Cloud separato per ogni catalogo.

9. L'inclusione di più metadati migliora il modello? Il modello prende in considerazione i campi x,y,z?

Per informazioni sui campi obbligatori, consulta Informazioni obbligatorie sugli articoli del catalogo.

Gli altri campi dei metadati sono facoltativi (ad es. images e itemAttributes). Possono essere utilizzati per l'anteprima delle previsioni, l'analisi dei risultati, l'addestramento e la messa a punto. Ti consigliamo di includere attributi utili come colore, taglia, materiale e così via. Questi campi possono essere restituiti come parte dei risultati di predict specificando returnProduct:true, quindi possono essere utili per il rendering dei risultati. Le immagini e gli attributi degli articoli vengono utilizzati per l'anteprima della previsione nella console Search for Retail.

10. Quali attributi di un elemento del catalogo vengono utilizzati come input per l'addestramento del modello?

Viene utilizzata una combinazione di attributi del prodotto e del comportamento degli utenti. I campi principali utilizzati sono ID, titolo, gerarchia delle categorie, prezzo e URL. Puoi includere altri attributi chiave-valore personalizzati che potrebbero essere utili in Product.attributes[].

Gli URL immagine sono più che altro una funzionalità di praticità. Puoi restituire questi metadati come parte dei risultati della previsione specificando returnProduct:true, il che può farti risparmiare una chiamata extra per recuperare queste informazioni. La presenza di URL immagine consente inoltre all'anteprima della previsione di visualizzare le immagini quando viene visualizzata l'anteprima dei risultati di previsione di un modello nella console Ricerca per la vendita al dettaglio.

11. Quali lingue sono supportate per i miei prodotti?

  • La funzionalità dei consigli: supporta la maggior parte delle lingue. Il modello rileva automaticamente la lingua del testo. Per un elenco di tutte le lingue che possono essere rilevate automaticamente, consulta il file README di GitHub di Rilevamento lingua compatto.

  • La funzionalità di ricerca: supporta queste lingue del mondo.

    La lingua viene impostata quando carichi il catalogo. Il catalogo deve essere in una sola lingua e le query devono essere inviate nella stessa lingua. La presenza di più lingue nel catalogo peggiora le prestazioni del modello. Ad esempio, se il catalogo è in spagnolo, ma la query di ricerca è in inglese, la query non viene tradotta in spagnolo.

12. Il mio catalogo contiene SKU principali/di variante o principali/secondari. Sono supportati?

Sì. È simile a item_group_id in Merchant Center. Devi stabilire come vuoi ricevere i consigli (a livello principale o secondario) e se gli eventi si trovano a livello principale o secondario.

Per saperne di più sui livelli di prodotto, consulta la sezione Livelli di prodotto.

Determina e imposta il livello di prodotto corretto prima di inviare articoli o eventi. Il livello del prodotto può essere modificato, ma richiede di riunire gli elementi e di regolare nuovamente i modelli.

13. Posso eliminare i prodotti dal catalogo quando non sono più disponibili?

Se un elemento non è più attuale, ti consigliamo di impostarne lo stato su OUT_OF_STOCK anziché eliminarlo, in modo che gli eventi utente precedenti che fanno riferimento non vengano invalidati.

Eventi utente

1. Quali eventi utente devo raccogliere?

Consulta Informazioni sugli eventi utente per un elenco dei tipi di eventi utente, nonché i requisiti e le best practice per gli eventi utente.

2. Come faccio a risolvere i problemi relativi alla qualità dei dati durante la creazione del modello?

Nella console Ricerca per la vendita al dettaglio, vai alla pagina Qualità dei dati per visualizzare le metriche sulla qualità dei dati relative al catalogo importato e agli eventi utente.

3. Posso eseguire l'integrazione con Google Analytics 360?

Puoi utilizzare i dati storici di Google Analytics 360 (GA360). Analogamente ai dati di Merchant Center, i dati di GA360 possono essere esportati in BigQuery, dopodiché Vertex AI Search per la vendita al dettaglio può leggere gli eventi direttamente da BigQuery.

Per gli eventi in tempo reale, ti consigliamo di integrare i pixel di monitoraggio con Google Tag Manager, poiché gli eventi sono in ritardo rispetto a GA360.

4. Voglio importare gli eventi utente da Google Analytics 360. Fornisce tutti gli eventi utente necessari?

Google Analytics 360 supporta in modo nativo tutti gli eventi utente utilizzati da Vertex AI Search per la vendita al dettaglio, ad eccezione degli eventi di ricerca. Puoi comunque importare gli eventi utente di ricerca da Analytics 360, ma tieni presente che Vertex AI Search per la vendita al dettaglio crea l'evento utente di ricerca dalle query di ricerca e, se presenti, dalle impressioni dei prodotti.

5. Come faccio a inviare gli eventi all'Recommendations AI?

In genere, gli utenti importano gli eventi storici utilizzando l'importazione da Cloud Storage o API, quindi trasmettono in streaming gli eventi in tempo reale utilizzando il tag JavaScript Pixel o Tag Manager sul sito pubblicato o tramite il metodo di scrittura sul backend.

6. Cosa succede se non riesco a inviare tutti i tipi di eventi utente elencati come obbligatori per un modello? Quali sono i tipi di eventi minimi necessari per ogni modello?

Ogni modello e ogni obiettivo di ottimizzazione ha requisiti leggermente diversi. Consulta i requisiti per i dati sugli eventi utente.

In genere, il rendimento del modello è migliore quando ci sono più eventi per voce di catalogo. Per i siti con un volume elevato di traffico e cataloghi più piccoli, potresti essere in grado di iniziare con un volume inferiore di eventi storici, ma in genere sono necessarie almeno alcune settimane di dati storici e di eventi in tempo reale.

7. Ho eventi di aggiunta al carrello e di completamento dell'acquisto che non hanno un valore per le entrate o la quantità. Che cosa devo inviare?

Se non hai un valore per la quantità, puoi passare un valore predefinito di 1 senza influire sui risultati del modello. Per gli articoli deve sempre essere impostato displayPrice (che può essere qualsiasi valore mostrato all'utente, ad esempio un prezzo scontato). I valori originalPrice e cost sono facoltativi.

8. I miei dati riguardavano solo tipi limitati di eventi. Posso comunque utilizzare Vertex AI Search per il retail?

Consulta la sezione Requisiti dei dati sugli eventi utente per i requisiti minimi dei dati di ogni tipo di modello.

Risultati di ricerca

1. I risultati di ricerca sono personalizzati?

Sì. La Ricerca può fornire risultati personalizzati. I risultati di ricerca sono personalizzati in base agli ID visitatore. Per ulteriori informazioni, consulta la sezione Personalizzazione.

2. Come faccio a includere il contesto, ad esempio il negozio in cui un utente sta facendo acquisti, nella richiesta di ricerca?

Le opzioni di disponibilità e evasione degli ordini basate sull'ID negozio sono attributi del catalogo di prodotti. Le opzioni di evasione degli ordini sono attributi come "consegnata online", "acquista online" e "ritira in negozio".

Gli attributi possono essere inviati come parametro nella richiesta di ricerca. Pertanto, in questo esempio, la richiesta di ricerca può specificare l'ID negozio dell'utente. I risultati possono essere filtrati o avere un ranking migliore in base all'ID negozio nella richiesta.

3. Posso nascondere i prodotti dai risultati di ricerca?

Sì. Il parametro filter consente di filtrare i risultati in base ai relativi tag.

4. È possibile stabilire il ranking in base a più criteri, ad esempio disponibilità e prezzo?

Sì, [boostSpec] consente regole di ranking complesse.

5. È possibile raggruppare alcuni attributi per ottenere risultati con più sfaccettature? Ad esempio, raggruppare le città dello stesso paese per l'origine della produzione.

Gli attributi del prodotto non sono gerarchici. Tuttavia, puoi utilizzare più attributi personalizzati per farlo. In questo esempio, puoi utilizzare attributi personalizzati sia per il paese di produzione sia per la città di produzione.

6. Come funzionano i suggerimenti?

I suggerimenti sono una combinazione di query utente, query riscritte, nomi di prodotti e così via. Per generare suggerimenti di completamento automatico di alta qualità, è necessario importare un numero sufficiente di eventi di ricerca insieme al catalogo.

Risultati previsione

1. Esiste un limite al numero di previsioni che posso restituire?

Per impostazione predefinita, una richiesta di previsione restituisce 20 elementi nella risposta. Questo valore può essere aumentato o diminuito inviando un valore per pageSize.

Se devi restituire più di 100 articoli, contatta l'Assistenza Google per aumentare il limite. Tieni presente, tuttavia, che restituire più di 100 elementi può aumentare la latenza di risposta.

2. Posso visualizzare i motivi per cui un modello ha fornito un consiglio di prodotto specifico?

No.

3. Posso scaricare e memorizzare nella cache i risultati di previsione?

Poiché i risultati delle previsioni migliorano in tempo reale in risposta all'attività utente sul tuo sito, sconsigliamo di utilizzare le previsioni memorizzate nella cache. I modelli vengono riapprenti quotidianamente per incorporare le modifiche al tuo catalogo e reagire alle nuove tendenze negli eventi dell'utente, il che modifica anche i risultati.

4. Devo rieseguire il ranking dei consigli restituiti in base a una regola aziendale. È supportato?

Sì. Tuttavia, anche se puoi rieseguire il ranking dei consigli restituiti in base alle tue regole aziendali, tieni presente che l'ordinamento o il filtraggio dei risultati consigliati può ridurre l'efficacia complessiva del modello nel raggiungimento dell'obiettivo di ottimizzazione scelto.

Il re-ranking del prezzo ordina per primi gli articoli pertinenti di prezzo elevato nell'insieme di consigli restituiti ed è disponibile come personalizzazione integrata per i modelli Altri che ti potrebbero piacere e Consigliati per te.

Vedi Re-ranking del prezzo.

5. Esistono limitazioni al numero di tag filtro che posso creare e utilizzare?

Non esistono limiti fissi al numero di tag univoci che puoi creare o utilizzare. Tuttavia, il sistema non è progettato per gestire molti tag filtro per elemento. Se possibile, consigliamo di limitare i tag filtro a un massimo di 10 per articolo del catalogo. È possibile utilizzare più di 10 valori nell'intero catalogo. Si tratta di un limite per articolo. Il limite per i tag totali (la somma totale di tutti i conteggi dei tag per elemento) è 100.000.000.

Consulta la documentazione relativa a quote e limiti di Vertex AI Search per il retail.

6. Posso diversificare i consigli?

Sì. La diversificazione può essere specificata nell'ambito della configurazione della pubblicazione o nei parametri della richiesta di previsione. Con una diversificazione ridotta, le previsioni potrebbero contenere elementi simili nella stessa categoria. Con una diversificazione maggiore, i risultati conterranno elementi di altre categorie.

7. Posso dare la priorità ai consigli in base al prezzo?

Sì. Il re-ranking del prezzo fa sì che i prodotti consigliati con una probabilità di consiglio simile vengano ordinati per prezzo, partendo dagli articoli di prezzo più alto. La pertinenza viene comunque utilizzata anche per ordinare gli articoli, pertanto l'attivazione del ricoordinamento in base al prezzo non è la stessa cosa dell'ordinamento in base al prezzo. Il ricoinvolgimento dei prezzi può essere specificato nell'ambito della configurazione della pubblicazione o nei parametri di richiesta di previsione.

Modelli

1. Ho caricato il mio catalogo e i miei eventi, ma quando chiamo l'API di previsione ricevo sempre questa risposta: "Il modello di consigli non è pronto. Puoi impostare "dryRun" su true nella richiesta di previsione a scopo di integrazione, in modo da restituire elementi di catalogo arbitrari dal tuo catalogo (NON utilizzare questa opzione per il traffico di produzione)."

In genere, questo significa che l'addestramento del modello non è stato completato. Se sono trascorsi più di 10 giorni dalla creazione del modello e continui a ricevere questa risposta, contatta l'assistenza.

2. Quanto tempo è necessario per addestrare un modello?

L'addestramento e la messa a punto iniziali del modello richiedono 2-5 giorni, ma possono richiedere più tempo per set di dati di grandi dimensioni. Successivamente, i modelli vengono riaddestrati automaticamente ogni giorno, a meno che non vengano disattivati. Consulta Mettere in pausa e riprendere l'addestramento di un modello.

3. Posso scaricare o esportare il modello?

No.

4. Posso utilizzare i modelli che ho creato in un progetto esistente in un nuovo progetto?

No. Devi creare e addestrare nuovamente i modelli nel nuovo progetto.

5. Voglio utilizzare un modello per le mie pagine delle categorie. Posso farlo?

Sì. La sezione Consigliati per te è utile nelle pagine delle categorie. Una pagina di categoria è simile a una home page, tranne per il fatto che vengono visualizzati solo gli articoli della categoria in questione. Puoi ottenere questo risultato utilizzando un modello standard Consigliati per te con i tag filtro. Ad esempio, puoi aggiungere tag di filtro personalizzati (corrispondenti a ogni pagina della categoria) agli articoli nel tuo catalogo. Quando invii la richiesta di previsione, imposta l'oggetto evento utente su category-page-view e specifica il tag di una pagina della categoria specifica nel filter campo. Vengono restituiti solo i risultati dei consigli che corrispondono al tag di filtro richiesto. La diversità deve essere disattivata in questo caso d'uso, perché può entrare in conflitto con i tag di filtro basati sulle categorie.

6. Posso disattivare la personalizzazione per i miei modelli?

Per impostazione predefinita, i risultati di previsione sono personalizzati per utente per i tipi di modelli di consigli Altri che ti potrebbero piacere, Consigliati per te e Acquista di nuovo.

La disattivazione della personalizzazione non è consigliata perché può influire negativamente sul rendimento del modello.

Se devi mostrare gli articoli del catalogo pertinenti al prodotto visualizzato anziché in base ai precedenti impegni dell'utente con il tuo sito, è possibile ricevere consigli non personalizzati utilizzando un ID visitatore unico casuale in una richiesta di previsione. Assicurati di farlo solo per le richieste nelle configurazioni di pubblicazione che non vuoi siano personalizzate.

La console Search for Retail

1. Ho eliminato una serie di eventi, ma la dashboard continua a mostrare i conteggi per questi tipi di eventi.

È previsto. La dashboard Ricerca per la vendita al dettaglio mostra il numero di eventi importati in un determinato periodo di tempo, ma non il conteggio corrente o il numero di eventi.

In genere, devi lasciare invariati gli eventi utente dopo che sono stati registrati. La purga degli eventi non è consigliata. Se prevedi di reimpostare completamente gli eventi utente, valuta la possibilità di creare un nuovo progetto.

Se devi eliminare definitivamente gli eventi che non sono stati registrati correttamente, consulta la documentazione relativa alla rimozione degli eventi utente. L'eliminazione definitiva di eventi può richiedere fino a diversi giorni.

2. Come faccio a sapere se ci sono errori nel mio catalogo o negli eventi utente?

La maggior parte delle chiamate API per gli aggiornamenti delle voci di catalogo o gli eventi utente restituisce un errore se c'è un problema di sintassi o se la richiesta non può essere elaborata per qualche motivo.

La dashboard Ricerca per la vendita al dettaglio mostra la percentuale di eventi non associati, che è anche una metrica utile per rilevare problemi relativi a cataloghi o eventi. Gli eventi non associati (o le chiamate di previsione non associate) si verificano quando viene specificato un ID articolo che non è presente nel catalogo. In genere, significa che il catalogo non è aggiornato e che è necessario caricare gli elementi del catalogo nuovi o modificati, ma può anche essere dovuto al passaggio di ID articolo non validi. Controlla le richieste per assicurarti che gli ID articolo vengano mappati correttamente al catalogo, quindi controlla il catalogo che hai caricato per assicurarti che gli articoli esistano.

Cloud Monitoring e Cloud Logging possono essere utilizzati per monitorare lo stato degli eventi. Ad esempio, puoi ricevere avvisi se non si verificano eventi in un determinato periodo di tempo o se le chiamate previste scendono al di sotto di una determinata soglia.

3. Perché le mie configurazioni di pubblicazione dei consigli risultano inattive? Come faccio ad attivarli?

Per utilizzare le configurazioni di pubblicazione dei consigli, devi prima inviare il catalogo e i dati sugli eventi utente per addestrare il modello corrispondente. Una volta addestrato un modello, la dashboard indica che il modello è pronto per le query.

4. In quale valuta vengono registrate le metriche relative alle entrate in Ricerca per la vendita al dettaglio?

Cerca le metriche dei report sul settore retail nella valuta utilizzata nei dati caricati. Vertex AI Search for Retail non supporta l'utilizzo di più valute per catalogo e non le converte.

Se prevedi di utilizzare la console Search for Retail per ottenere le tue metriche relative alle entrate, assicurati che tutti gli eventi utilizzino una singola valuta o convertili tutti nella stessa valuta prima di caricarli in Vertex AI Search for Retail.