Domande frequenti

Hai altre difficoltà o non trovi il tuo problema tra quelli elencati di seguito? Segnala un bug o richiedi una funzionalità e unisciti al gruppo Google cloud-recommendations-users o alle discussioni su Stack Overflow.

Generale

1. Disponi di librerie client per Vertex AI Search for Retail o di più codice campione?

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

Il servizio di rilevamento delle API di Google può essere utilizzato anche al posto delle chiamate REST non elaborate.

2. Tutti i modelli di consigli sono personalizzati?

I modelli Consigliati per te, Altri che potrebbero piacerti e Acquista di nuovo forniscono consigli personalizzati quando sono corredati della cronologia utente. I modelli Comprati spesso insieme e Articoli simili non sono personalizzati.

Consulta Informazioni sui modelli di suggerimenti.

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

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

Affinché la personalizzazione sia efficace, gli eventi utente devono essere inviati in tempo reale, o molto vicino al tempo reale. Se gli eventi utente vengono inviati solo quotidianamente o in batch nel corso della giornata, i modelli personalizzati potrebbero non funzionare bene come se fossero inviati eventi in tempo reale.

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

I modelli utilizzano solo i dati relativi al catalogo e agli eventi utente che fornisci. Se vuoi includere dati demografici, puoi includere altre informazioni testuali o numeriche che potrebbero essere utili come attributi personalizzati. Questi dati inizieranno a essere utilizzati dal modello dopo l'ottimizzazione.

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

5. Posso dare suggerimenti in base alla panoramica eventi di un gruppo di utenti, anziché alla cronologia di un singolo utente?

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

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

Al momento no. Questi campi sono forniti in modo che tu possa recuperare questi metadati insieme ai risultati dei suggerimenti restituiti, per facilitare la visualizzazione dei risultati dei suggerimenti. L'anteprima della previsione utilizza anche gli URL immagine per visualizzare le immagini quando visualizzi l'anteprima dei risultati della previsione di un modello nella console di Search for Retail.

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

I nostri clienti usano consigli per contenuti, streaming di video, giochi e altri casi d'uso. Tuttavia, i nostri contenuti e la nostra esperienza sono attualmente progettati per il caso d'uso dell'e-commerce retail e potrebbero non essere ancora adatti ad altri casi d'uso.

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

Sì, ma i modelli sono progettati per casi d'uso specifici e potrebbero funzionare al meglio su determinate pagine. Consulta Informazioni sui modelli di suggerimenti.

I prodotti acquistati di frequente insieme e altri utenti che potrebbero piacerti richiedono gli ID articolo, pertanto devono essere utilizzati per consigli relativi, ad esempio, a un ID prodotto o ad 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 dei prodotti. Consigliato per te può essere inserito in qualsiasi pagina, poiché richiede solo un ID visitatore come input, ma è progettato come configurazione di pubblicazione per la home page. Il pulsante Acquista di nuovo è progettato per essere inserito in qualsiasi pagina.

9. Posso utilizzare i consigli per ricevere consigli nelle newsletter via email?

Sì. Per farlo, occorre effettuare una chiamata all'API con un ID visitatore o un ID utente e incorporare i risultati in un modello email. Se vuoi che gli elementi vengano caricati dinamicamente al momento della lettura delle email, devi utilizzare un endpoint intermedio, ad esempio una funzione di Google Cloud Functions, 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 dell'immagine.

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

Sì. Puoi configurare un endpoint (ad esempio, funzione Google Cloud Functions) per ottenere risultati per l'app. Inoltre, è necessario un meccanismo simile per inviare eventi in tempo reale.

11. Non ho dati sugli eventi per più di 3 mesi. Posso continuare a usare Vertex AI Search per la vendita al dettaglio? Posso aggiungere altri dati in un secondo momento?

Il modello Elementi simili non utilizza i dati sugli eventi utente né l'ottimizzazione del modello. Se non disponi di dati sugli eventi, puoi comunque creare e addestrare un modello di articoli simili a condizione che tu disponga di dati del catalogo.

Se puoi registrare un volume di traffico sufficiente per gli eventi in tempo reale, i dati recenti possono essere utilizzati per addestrare altri modelli. Se in seguito avrai altri dati, puoi caricarli dopo l'addestramento iniziale del modello. I dati appena sottoposti a backfill vengono incorporati nei modelli durante il riaddestramento giornaliero. Tuttavia, se i dati sono molto diversi dagli eventi utilizzati per l'addestramento iniziale, potrebbe essere necessario ottimizzare i modelli.

La maggior parte dei modelli funziona al meglio con almeno tre mesi di visualizzazioni delle pagine dei prodotti, visualizzazioni della home page ed eventi di aggiunta al carrello per tutti i modelli e idealmente uno o due anni di cronologia acquisti per il modello Comprati spesso insieme.

Una o due settimane di visualizzazioni della pagina dei dettagli possono essere sufficienti per iniziare l'addestramento dei modelli Altri che potrebbero piacerti e Consigliati per te, mentre gli acquisti di più frequentemente insieme e gli acquisti di nuovo richiedono di più, in quanto il numero di acquisti giornalieri è generalmente inferiore al numero di visualizzazioni di pagina. La qualità del modello può essere notevolmente migliorata con più dati; la quantità minima potrebbe non produrre risultati ottimali. Un anno di acquisti, ad esempio, consente ai modelli di sfruttare meglio la stagionalità e le tendenze.

12. Posso consigliare categorie oltre ai prodotti?

Al momento i suggerimenti restituiscono solo suggerimenti sui prodotti, ma puoi ottenere le categorie di ogni prodotto restituito come parte dei risultati.

13. Disponi di integrazioni per caricare dati da database SQL o altri sistemi, ad esempio BigQuery?

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

14. Vertex AI Search for Retail utilizza i cookie?

No, non utilizza i cookie. Tuttavia, per tutti gli eventi inviati a Vertex AI Search for Retail deve essere specificato un ID visitatore, che spesso è un identificatore di sessione di un cookie.

15. Ho bisogno di un progetto Google Cloud dedicato?

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

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

Verifica di aver completato la procedura di configurazione dell'autenticazione per Vertex AI Search for Retail. Dovresti usare un account di servizio che hai reso disponibile nel tuo ambiente. In caso contrario, potresti visualizzare un errore simile al seguente: "L'applicazione si è autenticata utilizzando credenziali dell'utente finale di Google Cloud SDK o Google Cloud Shell, che non sono supportate."

Per ulteriori informazioni sugli account di servizio, consulta la sezione 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 caratteristiche x,y,z sarebbero fantastiche. Puoi aggiungerlo?

Apprezziamo la tua opinione. Le richieste di funzionalità possono essere inviate tramite il team dedicato al tuo account, l'Assistenza Google o il tracker dei problemi.

19. Posso continuare a utilizzare la vecchia API per i consigli?

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

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

Cataloghi e prodotti

1. In che modo i consigli gestiscono 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 che nel catalogo siano definiti titoli, categorie e descrizioni di prodotto efficaci.

Per gli utenti che si avviano a freddo (visitatori senza cronologia), i modelli iniziano con i prodotti generali più popolari e diventano più personalizzati in tempo reale man mano che vengono ricevuti più eventi utente.

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

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

Sì, puoi esportare un catalogo Merchant Center in BigQuery utilizzando Data Transfer Service di Merchant Center. Poi possiamo leggere il catalogo direttamente da BigQuery. Consulta Importare 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 ricerca, puoi utilizzare la console per collegare Merchant Center in modo che il relativo catalogo si sincronizzi automaticamente.
  • BigQuery: importa direttamente da una tabella o una vista.
  • Cloud Storage: importa utilizzando file di testo con una voce di catalogo JSON per riga.
  • Importazione in linea: esegui l'importazione con una chiamata API, utilizzando file di testo con un articolo di catalogo JSON per riga.
  • Crea elementi del prodotto: utilizza il metodo di creazione Products.

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

Consulta la sezione Mantenere aggiornato il catalogo.

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

Se possibile, aggiorna il prezzo e la disponibilità in tempo reale. Questo influisce sulla rapidità con cui i nuovi elementi possono essere resi disponibili per la ricerca con la ricerca.

Se puoi ricevere facilmente notifiche relative alle 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 API di import o creazione.

Ad esempio, puoi utilizzare Cloud Scheduler per effettuare una chiamata di importazione giornaliera di BigQuery.

5. Esistono dimensioni minime e massime del catalogo?

Non è previsto un limite minimo, ma le dimensioni del catalogo molto piccole (< 100 articoli) potrebbero non trarre importanti vantaggi dai suggerimenti poiché sono presenti pochi prodotti diversi da consigliare.

Il catalogo può contenere al massimo 40 milioni di articoli.

Consulta la documentazione per quote e limiti predefiniti e per sapere come richiedere una modifica della tua quota.

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

Di solito è meglio avere un solo catalogo con tutti gli articoli. Gli eventi devono essere inviati tutti utilizzando un'unica valuta. Al momento non è possibile avere più cataloghi all'interno dello stesso progetto, ma se utilizzi entità, puoi specificare il comportamento di ricerca, suggerimenti e completamento automatico per un determinato paese.

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

Se esistono siti web simili con un traffico ridotto rispetto a quello principale, potrebbe essere meglio utilizzare un unico catalogo se non ci sono abbastanza eventi per produrre modelli di alta qualità per tutti i singoli siti web.

Per utilizzare un unico 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 ci siano duplicati di prodotti all'interno del catalogo.

Solo per i suggerimenti, un'alternativa all'utilizzo delle entità è filtrare in base a un sito web specifico utilizzando filtri. Tuttavia, l'aggiornamento dei filtri può richiedere fino a 8 ore. Di conseguenza, se esistono requisiti specifici per paese relativi alla disponibilità (non disponibile), di solito è necessario gestirli da una regola aziendale che filtra i risultati dopo la risposta della previsione. Questo si applica al filtro filter_tag v1 e al filtro basato su attributi v2.

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 un'unica valuta.

Se prevedi di utilizzare la console di Search for Retail per visualizzare le metriche sulle entrate, assicurati che gli eventi utilizzino tutti un'unica 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 offrire consigli tra siti?

In genere consigliamo di utilizzare un unico catalogo come questo solo in caso di sovrapposizione significativa tra i siti; i siti devono condividere molti o tutti gli stessi prodotti. Quindi, come per i siti multiregionali, puoi utilizzare entità o tag di filtro per restituire solo elementi specifici del sito per una particolare chiamata di previsione.

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

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

Per i campi obbligatori, consulta Informazioni sugli articoli di catalogo obbligatori.

Altri campi di metadati sono facoltativi (ad esempio, images e itemAttributes). Possono essere utilizzate per l'anteprima della previsione, l'analisi dei risultati, l'addestramento e l'ottimizzazione. Ti consigliamo di includere attributi utili, come colore, dimensione, materiale e così via. Questi campi possono essere restituiti come parte dei risultati di predict specificando returnProduct:true, in modo che possano essere utili per il rendering dei risultati. Le immagini e gli attributi degli elementi vengono utilizzati per l'anteprima delle previsioni nella console di Search for Retail.

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

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

Gli URL immagine sono più una funzionalità di comodità; puoi restituire questi metadati come parte dei risultati della previsione specificando returnProduct:true, in modo da salvare una chiamata aggiuntiva per recuperare queste informazioni. Gli URL immagine consentono inoltre all'anteprima della previsione di mostrare le immagini quando visualizzi l'anteprima dei risultati della previsione di un modello nella console di Search for Retail.

11. Quali lingue sono supportate per i miei prodotti?

  • recommendations: 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 documento README di Compact Language Detector.

  • search: supporta le seguenti lingue: arabo, coreano, francese, giapponese, inglese, italiano, olandese, polacco, portoghese, spagnolo, tedesco e turco. Puoi impostare la lingua 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 comporta un peggioramento delle 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 primari/varianti o principali/secondari. Sono supportati?

Sì. È simile a item_group_id in Merchant Center. Devi determinare come vuoi ricevere i suggerimenti (a livello principale o secondario) e se gli eventi sono a livello principale o secondario.

Consulta Livelli di prodotto per ulteriori informazioni sui livelli di prodotto.

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

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

Se un elemento non è più aggiornato, ti consigliamo di impostare lo stato su OUT_OF_STOCK anziché eliminarlo, in modo che gli eventi utente precedenti a cui si riferiscono 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 di qualità dei dati nella creazione dei modelli?

Nella console di Search for Retail, vai alla pagina Qualità dei dati per visualizzare le metriche sulla qualità dei dati relative al catalogo e agli eventi utente importati.

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 GA360 possono essere esportati in BigQuery e poi Vertex AI Search for Retail può leggere gli eventi direttamente da BigQuery.

Per gli eventi in tempo reale, consigliamo di integrare i pixel di monitoraggio con Google Tag Manager, poiché gli eventi vengono ritardati da 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 for Retail, ad eccezione degli eventi di ricerca. Puoi comunque importare gli eventi utente della rete di ricerca da Analytics 360, ma tieni presente che Vertex AI Search for Retail genera l'evento utente di ricerca dalle query di ricerca e, se presenti, dalle impressioni del prodotto.

5. Come faccio a inserire eventi in Recommendations AI?

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

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

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

Le prestazioni del modello sono in genere migliori quando ci sono più eventi per articolo di catalogo. Per i siti con grandi quantità di traffico e cataloghi di dimensioni ridotte, potresti iniziare con un volume inferiore di eventi storici, ma in genere hai bisogno di almeno alcune settimane di dati storici ed eventi in tempo reale in futuro.

7. Ho eventi di aggiunta al carrello e di completamento degli acquisti 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 il valore predefinito 1 senza influire sui risultati del modello. Per gli elementi deve essere sempre impostato displayPrice (può essere ciò che viene mostrato all'utente, ad esempio un prezzo scontato). Il prezzo originale e il costo sono facoltativi.

8. I miei dati riguardavano solo tipi limitati di eventi. Posso continuare a usare Vertex AI Search per la vendita al dettaglio?

Consulta Requisiti dei dati sugli eventi utente per i requisiti minimi dei dati per ciascun 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, vedi Personalizzazione.

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

Le opzioni di evasione e disponibilità basate sull'ID negozio sono attributi del catalogo dei prodotti. Le opzioni di evasione degli ordini sono attributi come "consegnato online", "acquisto online" e "ritiro in negozio".

Gli attributi possono essere inviati come parametro nella richiesta di ricerca. Quindi, per questo esempio, la richiesta di ricerca può specificare l'ID negozio dell'utente. I risultati possono essere filtrati o posizionati più in alto in base all'ID negozio nella richiesta.

3. Posso nascondere prodotti nei risultati di ricerca?

Sì. Il parametro filter può filtrare i risultati in base ai tag corrispondenti.

4. È possibile ottenere il ranking in base a più criteri, ad esempio sia la disponibilità che il prezzo?

Sì, il criterio [boostSpec] consente regole di ranking complesse.

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

Gli attributi dei prodotti non sono gerarchici. A tal fine, però, puoi utilizzare più attributi personalizzati. In questo esempio, potresti usare attributi personalizzati sia per il paese di produzione che per la città di produzione.

6. Come funzionano i suggerimenti?

I suggerimenti sono una combinazione di query degli utenti, 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 specificando un valore per pageSize.

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

2. Posso visualizzare i motivi per cui un modello ha suggerito un prodotto specifico?

Al momento non è possibile.

3. Posso scaricare e memorizzare nella cache i risultati delle previsioni?

Poiché i risultati delle previsioni migliorano in tempo reale in risposta all'attività utente sul tuo sito, ti consigliamo di non utilizzare le previsioni memorizzate nella cache. I modelli vengono riaddestrati quotidianamente per incorporare le modifiche al catalogo e reagire alle nuove tendenze degli eventi utente, il che influisce anche sui risultati.

4. Devo riclassificare i consigli restituiti in base a una regola aziendale. È supportato?

Sì. Tuttavia, anche se puoi riclassificare i suggerimenti restituiti in base alle tue regole aziendali, tieni presente che riordinare o filtrare i risultati consigliati può ridurre l'efficacia complessiva del modello nel raggiungere l'obiettivo di ottimizzazione scelto.

Gli ordini di re-ranking del prezzo pertinenti per primi articoli di prezzo alto nel set di consigli restituiti sono disponibili come personalizzazione integrata per i modelli Altri che potrebbero piacerti e consigliati per te.

Consulta Re-ranking del prezzo.

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

Non ci sono limiti rigidi al numero di tag univoci che puoi creare o utilizzare. Tuttavia, il sistema non è progettato per gestire molti tag di filtro per elemento. Consigliamo di mantenere i tag di filtro limitati a un massimo di 10 per articolo del catalogo, se possibile. È possibile utilizzare più di 10 valori in tutto il catalogo. Si tratta di un limite per articolo. Il limite per i tag totali (la somma totale di tutti i conteggi di tag per elemento) è 100.000.000.

Consulta la documentazione di quote e limiti di Vertex AI Search for Retail.

6. Posso diversificare i consigli?

Sì. La diversificazione può essere specificata come parte della configurazione di pubblicazione o nei parametri della richiesta di previsione. Con una bassa diversificazione, le previsioni possono contenere elementi simili nella stessa categoria. Con una maggiore diversificazione, i risultati conterranno elementi di altre categorie.

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

Sì. Con il re-ranking del prezzo, i prodotti consigliati con una probabilità di suggerimento simile vengono ordinati per prezzo, partendo dagli articoli di prezzo più alto. La pertinenza viene comunque utilizzata anche per ordinare gli articoli, pertanto attivare il riranking del prezzo non equivale a eseguire l'ordinamento per prezzo. Il re-ranking del prezzo può essere specificato come parte della configurazione di pubblicazione o nei parametri della richiesta di previsione.

Modelli

1. Ho caricato il mio catalogo e i miei eventi, ma ricevo ancora questa risposta quando chiamo l'API Prediction: "Il modello di suggerimento non è pronto. Puoi impostare "dryRun" su true nella richiesta di previsione ai fini dell'integrazione, che restituisce articoli di catalogo arbitrari dal tuo catalogo (NON utilizzare per il traffico di produzione)."

Questo di solito significa che l'addestramento del modello non è terminato. Se sono trascorsi più di 10 giorni dalla creazione del modello e continui a ricevere questa risposta, contatta l'assistenza.

2. Quanto tempo richiede l'addestramento di un modello?

Il completamento dell'addestramento e dell'ottimizzazione iniziali del modello richiede da 2 a 5 giorni, ma può richiedere più tempo per set di dati di grandi dimensioni. 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 usare i modelli che ho creato in un progetto esistente in un nuovo progetto?

No. Devi creare e riaddestrare i modelli nel nuovo progetto.

5. Voglio utilizzare un modello per le pagine delle mie categorie. È possibile?

Sì. Consigliato per te è utile nelle pagine delle categorie. Una pagina di categoria è simile a una home page, con la sola differenza che vengono visualizzati solo gli elementi di quella categoria. Puoi ottenere questo risultato utilizzando un modello standard consigliato per te con tag di filtro. Ad esempio, puoi aggiungere tag filtro personalizzati (corrispondenti a ogni pagina di categoria) agli articoli del catalogo. Quando invii la richiesta di previsione, imposta l'oggetto evento utente su category-page-view e specifica un tag specifico della pagina di categoria nel campo filter. Vengono restituiti solo i risultati dei suggerimenti che corrispondono al tag del filtro richiesto. La diversità deve essere disabilitata 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 della previsione sono personalizzati dall'utente in base ai tipi di modello di suggerimenti Altri che potrebbero piacerti, Consigliati per te e Acquista di nuovo.

La disattivazione della personalizzazione non è consigliata perché può influire negativamente sulle prestazioni del modello.

Se devi mostrare articoli di catalogo pertinenti al prodotto visualizzato anziché basarti sulle precedenti interazioni dell'utente con il tuo sito, puoi 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 personalizzare.

Console Search for Retail

1. Ho eliminato definitivamente un certo numero di eventi, ma la dashboard continua a mostrare i conteggi per questi tipi di eventi.

È previsto. La dashboard di Search for Retail mostra il numero di eventi importati in un determinato periodo di tempo; non mostra il conteggio o il numero di eventi attuali.

In genere, è consigliabile lasciare invariati gli eventi utente dopo la registrazione. L'eliminazione definitiva 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. Il completamento dell'eliminazione definitiva di un evento può richiedere diversi giorni.

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

La maggior parte delle chiamate API per gli aggiornamenti degli articoli del 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 di Search for Retail mostra la percentuale di eventi non uniti, una metrica utile anche per individuare i problemi relativi al catalogo o agli eventi. Gli eventi non uniti (o chiamate di previsione non unite) si verificano quando viene specificato un ID elemento che non è nel catalogo. In genere questo significa che il catalogo non è aggiornato e che è necessario caricare gli articoli nuovi o modificati del catalogo, ma può anche essere dovuto al trasferimento di ID articolo non validi. Controlla le tue richieste per assicurarti che gli ID articolo siano 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 di previsione scendono al di sotto di una determinata soglia.

3. Perché le mie configurazioni di pubblicazione dei suggerimenti vengono visualizzate come inattive? Come faccio ad attivarli?

Per utilizzare le configurazioni di pubblicazione dei suggerimenti, 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 eseguire query.

4. In quale valuta Search for Retail registra le metriche delle entrate?

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

Se prevedi di utilizzare la console di Search for Retail per visualizzare le metriche relative alle entrate, assicurati che gli eventi utilizzino tutti un'unica valuta o convertirli tutti nella stessa valuta prima di caricarli in Vertex AI Search for Retail.