Perguntas frequentes

Tem outros desafios ou não vê o seu problema descrito aqui? Comunique um erro ou peça uma funcionalidade e participe no grupo Google cloud-recommendations-users ou nas discussões do Stack Overflow.

Geral

Estas são perguntas frequentes gerais.

1. Têm bibliotecas cliente para o Vertex AI Search for commerce ou mais exemplos de código?

Sim. Pode consultar o guia de bibliotecas de cliente para obter informações de configuração e referência para cada biblioteca.

Em alternativa, também pode usar o Google API Discovery Service em vez de chamadas REST não processadas.

2. Todos os modelos de recomendações são personalizados?

Os modelos Recomendado para si, Outros que podem interessar-lhe e Comprar novamente fazem recomendações personalizadas quando são fornecidos com o histórico do utilizador. Os modelos "Frequentemente comprados em conjunto" e "Itens semelhantes" não são personalizados.

Consulte o artigo Acerca dos modelos de recomendações.

3. Vou receber recomendações personalizadas imediatamente ou tenho de esperar que estas melhorem ao longo do tempo?

As recomendações melhoram à medida que recolhe mais histórico do utilizador. O modelo Recomendado para si mostra produtos populares e o modelo Outros produtos que podem interessar-lhe mostra produtos semelhantes com base, principalmente, nas visualizações de outras pessoas. Ambos os modelos começam a ter em conta o comportamento do utilizador imediatamente, pelo que é importante enviar eventos em tempo real. Consulte o artigo Acerca dos modelos de recomendações.

Os eventos do utilizador têm de ser enviados em tempo real ou muito próximo do tempo real para que a personalização seja eficaz. Se os eventos do utilizador forem enviados apenas diariamente ou em lotes ao longo do dia, os modelos personalizados podem não ter o desempenho que teriam se fossem enviados eventos em tempo real.

4. Está a usar dados demográficos dos utilizadores da Google nos seus modelos?

Os modelos usam apenas os dados do catálogo e de eventos do utilizador que fornece. Se quiser incluir dados demográficos, pode incluir outras informações textuais ou numéricas que possam ser úteis como atributos personalizados. Estes dados vão começar a ser usados pelo modelo depois de serem reajustados.

Não inclua informações de identificação pessoal (IIP), como endereços de email ou nomes de utilizador. Sugerimos que anonimize os dados demográficos, por exemplo, através da aplicação de hash aos valores ou da utilização de IDs de grupos.

5. Posso fazer recomendações com base no histórico de eventos de um grupo de utilizadores em vez do histórico de um único utilizador?

As recomendações baseiam-se num único ID de visitante ou ID do utilizador. Terá de fazer pedidos individuais e, em seguida, combinar os resultados para basear as recomendações no histórico de um grupo. Se os utilizadores tiverem atributos de metadados comuns, pode usar IDs de grupos como IDs de utilizadores para fornecer recomendações ao nível do grupo.

6. Reparei que pode enviar URLs de imagens de produtos. Os modelos têm em consideração as imagens dos produtos?

Sim, as imagens dos produtos podem ser enviadas como parte dos dados do catálogo de produtos. O Vertex AI Search for commerce usa os URLs dos produtos e os identificadores subjacentes (URIs) para enriquecer as descrições dos produtos.

O objeto Product contém um campo de imagens, que é uma lista de objetos de imagem. Cada objeto de imagem pode incluir um URI, uma altura e uma largura. São permitidas até 300 imagens por produto. Embora seja opcional, recomendamos vivamente que forneça imagens dos produtos. A pré-visualização de previsões também usa URLs de imagens para apresentar as imagens quando pré-visualiza os resultados das previsões de um modelo na consola de pesquisa para comércio.

7. A minha empresa não é um Website de comércio eletrónico de retalho. Posso continuar a usar recomendações para prever x, y e z?

Os nossos clientes usaram recomendações para recomendações de conteúdo, streaming de vídeo e jogos, entre outros exemplos de utilização. No entanto, o nosso conteúdo e experiência foram concebidos tendo em conta o exemplo de utilização do comércio eletrónico de retalho e podem ainda não ser adequados para outros exemplos de utilização.

8. Posso colocar recomendações em qualquer página do meu site?

Sim, mas cada modelo foi concebido para exemplos de utilização específicos e pode funcionar melhor em determinadas páginas. Consulte o artigo Acerca dos modelos de recomendações.

As funcionalidades Comprados frequentemente em conjunto e Outros produtos que podem interessar-lhe requerem IDs dos artigos, pelo que devem ser usadas para recomendações que usem, por exemplo, um ID do produto ou artigos num carrinho. Normalmente, a funcionalidade Comprados frequentemente juntos funciona melhor nas páginas de adição ao carrinho ou de pagamento, enquanto as funcionalidades Outros artigos de que pode gostar e Artigos semelhantes funcionam melhor nas páginas de detalhes dos produtos. A secção Recomendado para si pode ser colocada em qualquer página, uma vez que só requer um ID do visitante como entrada, mas foi concebida como uma configuração de publicação da página inicial. A secção Comprar novamente foi concebida para ser colocada em qualquer página.

9. Posso usar recomendações para recomendações em newsletters por email?

Sim. Isto pode ser feito através de uma chamada à API com um ID de visitante ou um ID de utilizador e, em seguida, incorporando os resultados num modelo de email. Se quiser que os itens sejam carregados dinamicamente no momento da leitura do email, tem de usar um ponto final intermediário, como uma função do Google Cloud, para enviar o pedido de previsão. A API apenas fornece uma lista de IDs de produtos e metadados ordenados, pelo que também tem de escrever o seu próprio código para renderizar os resultados das imagens.

10. Posso usar o Vertex AI Search for commerce para outros exemplos de utilização não relacionados com a Web (apps para dispositivos móveis, quiosques)?

Sim. Pode configurar um ponto final (por exemplo, a função do Google Cloud) para receber resultados para a app. Também precisa de um mecanismo semelhante para enviar eventos em tempo real.

11. Não tenho mais de 3 meses de dados de eventos. Posso continuar a usar o Vertex AI Search para comércio? Posso adicionar mais dados posteriormente?

O modelo de itens semelhantes não usa dados de eventos do utilizador nem o ajuste do modelo. Se não tiver dados de eventos, ainda pode criar e preparar um modelo de itens semelhantes, desde que tenha dados do catálogo.

Se conseguir registar tráfego suficiente para eventos em tempo real, pode usar dados recentes para preparar outros modelos. Se tiver dados adicionais disponíveis numa data posterior, pode carregá-los após a preparação inicial do modelo. Os dados preenchidos novamente são incorporados nos modelos durante a reciclagem diária. No entanto, se os dados forem significativamente diferentes dos eventos que foram usados para a preparação inicial, os modelos podem ter de ser reajustados.

A maioria dos modelos funciona melhor com, pelo menos, três meses de visualizações de páginas de produtos, visualizações da página inicial e eventos de adição ao carrinho para todos os modelos e, idealmente, um a dois anos de histórico de compras para o modelo Comprados frequentemente em conjunto.

Uma a duas semanas de visualizações de páginas de detalhes podem ser suficientes para começar a formar os modelos Outros utilizadores também gostaram e Recomendado para si, enquanto os modelos Comprados frequentemente em conjunto e Comprar novamente requerem normalmente mais tempo porque existem normalmente menos compras por dia do que visualizações de páginas. A qualidade do modelo pode ser significativamente melhorada com mais dados. A quantidade mínima pode não produzir resultados ideais. Por exemplo, um ano de compras permite que os modelos tirem melhor partido da sazonalidade e das tendências.

12. Posso recomendar categorias juntamente com produtos?

Recommendations devolve apenas recomendações de produtos, mas pode obter as categorias de cada produto devolvido como parte dos resultados.

13. Tem integrações para carregar dados de bases de dados SQL ou outros sistemas, como o BigQuery?

Sim. Para eventos, existe um código de exemplo que lê a partir do BigQuery. Consulte um conjunto de dados de exemplo do Google Analytics para o BigQuery.

14. O Vertex AI Search for commerce usa cookies?

Não, não utiliza cookies. No entanto, todos os eventos enviados para a pesquisa do Vertex AI para comércio têm de ter um ID do visitante especificado, que é frequentemente um identificador de sessão de um cookie.

15. Preciso de um Google Cloud projeto dedicado?

Pode criar um novo projeto dedicado ou ativar o Vertex AI Search para comércio num projeto existente.

16. Por que motivo as minhas credenciais não funcionam quando uso o Cloud Shell?

Verifique se concluiu os passos de configuração da autenticação para a Vertex AI Search for commerce. Deve usar uma conta de serviço que tenha disponibilizado no seu ambiente. Caso contrário, pode receber um erro como este: A sua aplicação foi autenticada através de credenciais de utilizador final do Google Cloud SDK ou Google Cloud Shell que não são suportadas.

Para saber mais sobre as contas de serviço, consulte a secção de autenticação da Google Clouddocumentação.

17. Como posso comparar o Vertex AI Search para comércio com soluções semelhantes?

Pode realizar testes A/B para comparar os resultados do Vertex AI Search for commerce com os de outros produtos.

18. Acho que a funcionalidade x,y,z seria ótima. Can you add this?

Gostaríamos de saber a sua opinião. Os pedidos de funcionalidades podem ser enviados através da sua equipa de conta, do apoio técnico da Google ou do rastreador de problemas.

19. Posso continuar a usar a API antiga para recomendações?

As recomendações foram migradas da API Recommendations Engine para o Vertex AI Search para comércio. Se estava a usar a API Recommendations Engine enquanto estava na versão beta, recomendamos que migre as suas recomendações para a Vertex AI Search for commerce (ponto final do serviço https://retail.googleapis.com), que está em disponibilidade geral.

A API anterior (ponto final do serviço https://recommendationengine.googleapis.com) e a respetiva documentação permanecem disponíveis, mas já não são atualizadas.

Catálogos e produtos

Estas são as Perguntas frequentes sobre catálogos e produtos.

1. Como é que as recomendações processam os inícios a frio de novos produtos?

Para produtos sem histórico de compras, fazemos recomendações com base em produtos semelhantes. Nestes casos, é especialmente importante ter bons títulos, categorias e descrições de produtos definidos no catálogo.

Para utilizadores de início a frio (visitantes sem histórico), os modelos começam com os produtos gerais mais populares e tornam-se mais personalizados em tempo real à medida que são recebidos mais eventos de utilizadores.

Consulte os artigos Acerca dos catálogos e dos produtos e a página de referência do produto.

2. Posso usar o meu catálogo do Merchant Center para recomendações?

Sim, pode exportar um catálogo do Merchant Center para o BigQuery através do Serviço de transferência de dados do Merchant Center. Em seguida, podemos ler o catálogo diretamente a partir do BigQuery. Consulte o artigo Importe dados do catálogo do Merchant Center.

3. De que outras formas posso importar o meu catálogo?

  • Merchant Center: importe com o Merchant Center. Se usar a pesquisa, pode usar a consola para associar o Merchant Center de modo que o respetivo catálogo seja sincronizado automaticamente.
  • BigQuery: importe diretamente de uma tabela ou uma vista.
  • Cloud Storage: importe através de ficheiros de texto com um item do catálogo JSON por linha.
  • Importação inline: importe com uma chamada API, usando ficheiros de texto com um item do catálogo JSON por linha.
  • Crie itens de produtos: use o Products método create.

4. Como posso manter o meu catálogo atualizado? Com que frequência é necessário atualizar o catálogo?

Consulte o artigo Mantenha o seu catálogo atualizado.

Recomendamos que atualize o catálogo diariamente. Pode fazer uma atualização completa a partir do Cloud Storage ou do BigQuery, ou uma atualização incremental (ou seja, apenas itens novos e alterados).

Se possível, atualize o preço e a disponibilidade em tempo real. Isto afeta a rapidez com que os novos itens podem ser pesquisados.

Se tiver uma forma de receber notificações sobre alterações ao catálogo (como usar o Pub/Sub, a fila de mensagens, eventos, etc.), pode atualizar o catálogo em tempo real através dos métodos da API import ou create.

Por exemplo, pode usar o Cloud Scheduler para fazer uma chamada de importação do BigQuery diária.

5. Existem tamanhos mínimos e máximos para o catálogo?

Não existe um mínimo, mas os tamanhos de catálogos muito pequenos (< 100 artigos) podem não ter muitas vantagens com as recomendações, uma vez que existem muito poucos produtos diferentes para recomendar.

O máximo do catálogo é de 40 milhões de artigos.

Consulte a documentação para ver as quotas e os limites predefinidos e como pedir uma alteração à sua quota.

6. A minha empresa opera Websites em vários países. Devo usar um catálogo para todos os meus dados?

Normalmente, é melhor ter apenas um catálogo com todos os artigos. Os eventos têm de ser enviados todos com uma única moeda. Não é possível ter vários catálogos no mesmo projeto, mas, se usar entidades, pode especificar o comportamento de pesquisa, recomendações e preenchimento automático para um país específico.

Se os catálogos forem consideravelmente diferentes entre os Websites, recomendamos que tenha um projeto separado para cada Website. Além disso, se os países tiverem idiomas diferentes, recomendamos que tenha projetos separados, um para cada idioma.

Se existirem Websites semelhantes com pouco tráfego em comparação com o Website principal, pode ser melhor usar um único catálogo se não existirem eventos suficientes para produzir modelos de alta qualidade para todos os Websites individuais.

Para usar um único catálogo, os IDs dos artigos do catálogo devem ser consistentes, ou seja, o mesmo produto deve ter um único ID do artigo em todos os Websites para que não haja duplicação de produtos no catálogo.

Para recomendações apenas, uma alternativa à utilização de entidades é filtrar para um Website específico através de filtros. No entanto, os filtros podem demorar até 8 horas a serem atualizados. Por isso, se existirem requisitos de disponibilidade específicos do país (em falta), normalmente, têm de ser processados por uma regra empresarial que filtre os resultados após a resposta de previsão. Isto aplica-se à filtragem v1 filter_tag e à filtragem baseada em atributos v2.

7. O Vertex AI Search for commerce suporta várias moedas por catálogo?

Não, só é suportado um tipo de moeda por catálogo. Os eventos têm de ser carregados com uma única moeda.

Se planeia usar a consola Pesquisar comércio para obter as métricas de receita, certifique-se de que todos os eventos usam uma única moeda ou converta-os todos para a mesma moeda antes de os carregar.

8. Tenho vários Websites com um catálogo partilhado ou artigos semelhantes. As recomendações podem fornecer recomendações em vários sites?

Normalmente, recomendamos a utilização de um único catálogo como este apenas se existir uma sobreposição significativa entre os sites. Estes devem partilhar muitos ou todos os mesmos produtos. Em seguida, tal como nos sites com várias regiões, pode usar entidades ou etiquetas de filtro para devolver apenas itens específicos do site para uma determinada chamada de previsão.

Se os sites não partilharem muitos ou nenhum artigo do catálogo, devem ser usados vários catálogos. A utilização de vários catálogos requer um Google Cloud projeto separado para cada catálogo.

9. A inclusão de mais metadados melhora o modelo? O modelo considera os campos x, y e z?

Consulte as Informações obrigatórias dos artigos do catálogo para ver os campos obrigatórios.

Outros campos de metadados são opcionais (por exemplo, imagens e itemAttributes). Podem ser usadas para pré-visualização de previsões, análise de resultados, preparação e otimização. Recomendamos que inclua atributos úteis, como a cor, o tamanho, o material, etc. Estes campos podem ser devolvidos como parte dos resultados da previsão especificando returnProduct:true, para que possam ser úteis para a renderização dos resultados. As imagens e os atributos dos artigos são usados para a pré-visualização da previsão na consola de pesquisa para comércio.

10. Que atributos de um artigo do catálogo são usados como entradas da preparação do modelo?

É usada uma combinação do comportamento do utilizador e dos atributos do produto. Os campos principais usados são ID, título, hierarquia de categorias, preço e URL. Pode incluir outros atributos de chave-valor personalizados que possam ser úteis no Product.attributes[].

Os URLs das imagens são mais uma funcionalidade de conveniência. Pode devolver estes metadados como parte dos resultados da previsão especificando returnProduct:true, o que pode poupar uma chamada adicional para obter estas informações. Ter URLs de imagens também permite que a pré-visualização de previsões apresente as imagens quando pré-visualiza os resultados de previsões de um modelo na consola de pesquisa para comércio.

11. Que idiomas são suportados para os meus produtos?

  • A funcionalidade de recomendações: suporta a maioria dos idiomas. O modelo deteta automaticamente o idioma do texto. Para ver uma lista de todos os idiomas que podem ser detetados automaticamente, consulte o README do Compact Language Detector no GitHub.

  • A funcionalidade de pesquisa: suporta estes idiomas mundiais.

    O idioma é definido quando carrega o catálogo. O catálogo deve estar apenas num idioma e as consultas devem ser enviadas no mesmo idioma. Ter vários idiomas no catálogo degrada o desempenho do modelo. Por exemplo, se o catálogo estiver em espanhol, mas a consulta de pesquisa estiver em inglês, a consulta não é traduzida para espanhol.

12. O meu catálogo tem SKUs principais/variantes ou principais/secundários. São suportados?

Sim. Isto seria semelhante ao item_group_id no Merchant Center. Tem de determinar como quer receber recomendações (ao nível principal ou secundário) e se os eventos estão ao nível principal ou secundário.

Consulte os níveis de produtos para saber mais sobre os níveis de produtos.

Determine e defina o nível do produto correto antes de enviar artigos ou eventos. O nível do produto pode ser alterado, mas requer a associação novamente dos itens e a reajustamento dos modelos.

13. Posso eliminar produtos do catálogo quando já não estão disponíveis?

Se um item já não estiver atual, recomendamos que defina o respetivo estado como OUT_OF_STOCK em vez de o eliminar, para que os eventos de utilizador anteriores que lhe fazem referência não sejam invalidados.

Eventos do utilizador

Estas são as perguntas frequentes sobre eventos do utilizador.

1. Que eventos do utilizador tenho de recolher?

Consulte o artigo Acerca dos eventos do utilizador para ver uma lista dos tipos de eventos do utilizador, bem como os requisitos e as práticas recomendadas dos eventos do utilizador.

2. Como posso resolver problemas de qualidade de dados na criação de modelos?

Na consola de pesquisa do comércio, aceda à página Qualidade dos dados para ver métricas de qualidade dos dados sobre o catálogo carregado e os eventos do utilizador.

3. Posso fazer a integração com o Google Analytics 360?

Pode usar dados do histórico do Google Analytics 360 (GA360). Semelhante aos dados do Merchant Center, os dados do GA360 podem ser exportados para o BigQuery e, em seguida, a Pesquisa do Vertex AI para comércio pode ler os eventos diretamente do BigQuery.

Para eventos em tempo real, recomendamos a integração de píxeis de acompanhamento com o Gestor de Etiquetas da Google, porque os eventos são atrasados a partir do GA360.

4. Quero importar eventos de utilizadores do Google Analytics 360. Fornece todos os eventos do utilizador necessários?

O Google Analytics 360 suporta nativamente todos os eventos de utilizador usados pela Vertex AI Search for commerce, exceto os eventos de pesquisa. Pode continuar a importar eventos de utilizadores de pesquisa do Analytics 360, mas tenha em atenção que a pesquisa do Vertex AI para comércio cria o evento de utilizador de pesquisa a partir de consultas de pesquisa e, se presentes, impressões de produtos.

5. Como posso introduzir eventos na IA de recomendações?

Normalmente, os utilizadores importam eventos históricos através do Google Cloud Storage ou da importação de APIs e, em seguida, transmitem eventos em tempo real através do pixel JavaScript ou da etiqueta do Gestor de Etiquetas no site em direto, ou através do método de gravação no back-end.

6. E se não conseguir enviar todos os tipos de eventos do utilizador indicados como obrigatórios para um modelo? Quais são os tipos de eventos mínimos necessários para cada modelo?

Cada modelo e objetivo de otimização tem requisitos ligeiramente diferentes. Consulte os Requisitos de dados de eventos de utilizadores.

Normalmente, o desempenho do modelo é melhor quando existem mais eventos por item do catálogo. Para sites com grandes quantidades de tráfego e catálogos mais pequenos, pode começar com um volume menor de eventos do histórico, mas, normalmente, ainda precisa de, pelo menos, algumas semanas de dados do histórico, bem como eventos em tempo real no futuro.

7. Tenho eventos add_to_cart e purchase_complete que não têm um valor para a receita ou a quantidade. O que devo enviar?

Se não tiver um valor para a quantidade, pode transmitir um valor predefinido de 1 sem afetar os resultados do modelo. Os artigos devem ter sempre o displayPrice definido (este pode ser o que for apresentado ao utilizador, como um preço com desconto). O originalPrice e o custo são opcionais.

8. Os meus dados apenas abrangiam tipos de eventos limitados. Posso continuar a usar o Vertex AI Search para comércio?

Consulte os requisitos de dados de eventos do utilizador para ver os requisitos mínimos de dados de cada tipo de modelo.

Resultados da pesquisa

Estas são as perguntas frequentes sobre os resultados da pesquisa.

1. Os resultados da pesquisa são personalizados?

Sim. A Pesquisa pode fornecer resultados personalizados. Os resultados da pesquisa são personalizados com base nos IDs dos visitantes. Para mais informações, consulte o artigo Personalização.

2. Como posso incluir contexto, como a loja a partir da qual um utilizador está a fazer compras, como parte do pedido de pesquisa?

As opções de disponibilidade e processamento baseadas no ID da loja são atributos do catálogo de produtos. As opções de processamento são atributos como "entregue online", "comprar online" e "recolher na loja".

Os atributos podem ser enviados como um parâmetro no pedido de pesquisa. Assim, para este exemplo, o pedido de pesquisa pode especificar o ID da loja do utilizador. Os resultados podem ser filtrados ou classificados mais alto com base no ID da loja no pedido.

3. Posso ocultar produtos dos resultados da pesquisa?

Sim. O parâmetro filter pode filtrar os resultados com base nas respetivas etiquetas.

4. É possível classificar com base em vários critérios, como a disponibilidade e o preço?

Sim, o boostSpec permite regras de classificação complexas.

5. É possível agrupar alguns atributos para fornecer resultados com várias facetas? Por exemplo, agrupar cidades no mesmo país de origem da produção.

Os atributos do produto não são hierárquicos. No entanto, pode usar vários atributos personalizados para o fazer. Neste exemplo, pode usar atributos personalizados para o país de produção e a cidade de produção.

6. Como funcionam as sugestões?

As sugestões são uma combinação de consultas de utilizadores, consultas reescritas, nomes de produtos, etc. Para gerar sugestões de preenchimento automático de alta qualidade, deve ser carregado um número suficiente de eventos de pesquisa juntamente com o catálogo.

Resultados da previsão

Estas são as Perguntas frequentes sobre os resultados da previsão.

1. Existe um limite para o número de previsões que posso devolver?

Por predefinição, um pedido de previsão devolve 20 itens na resposta. Pode aumentar ou diminuir este valor enviando um valor para pageSize.

Se precisar de devolver mais de 100 artigos, contacte o apoio técnico da Google para aumentar o limite. No entanto, tenha em atenção que a devolução de mais de 100 itens pode aumentar a latência de resposta.

2. Posso ver os motivos pelos quais um modelo fez uma recomendação de produto específica?

Não.

3. Posso transferir e colocar em cache os resultados da previsão?

Uma vez que os resultados da previsão melhoram em tempo real em resposta à atividade do utilizador no seu site, não recomendamos a utilização de previsões em cache. Os modelos são reciclados diariamente para incorporar alterações ao seu catálogo e reagir a novas tendências nos eventos de utilizadores, o que também altera os resultados.

4. Preciso de reclassificar as recomendações devolvidas com base numa regra empresarial. Isto é suportado?

Sim. No entanto, embora possa reclassificar as recomendações devolvidas com base nas suas regras empresariais, tenha em atenção que reordenar ou filtrar os resultados recomendados pode reduzir a eficácia geral do modelo na obtenção do objetivo de otimização que escolheu.

A reclassificação de preços ordena primeiro os itens relevantes de preço elevado no conjunto de recomendações devolvidas e está disponível como uma personalização incorporada para os modelos Outros que também podem interessar-lhe e Recomendado para si.

Consulte o artigo Reclassificação de preços.

5. Existem restrições quanto ao número de etiquetas de filtro que posso criar e usar?

Não existem limites máximos para o número de etiquetas únicas que pode criar ou usar. No entanto, o sistema não foi concebido para processar muitas etiquetas de filtro por item. Recomendamos que, se possível, mantenha as etiquetas de filtro limitadas a um máximo de 10 por item do catálogo. Podem ser usados mais de 10 valores em todo o catálogo. Este é um limite por item. O limite para o total de etiquetas (a soma total de todas as contagens de etiquetas por item) é de 100 000 000.

Consulte a documentação sobre as quotas e os limites do Vertex AI Search para comércio.

6. Posso diversificar as recomendações?

Sim. A diversificação de recomendações pode ser especificada como parte da configuração de publicação ou nos parâmetros do pedido de previsão.Com uma diversificação baixa, as previsões podem conter itens semelhantes na mesma categoria. Com uma maior diversificação, os resultados vão conter itens de outras categorias.

7. Posso dar prioridade às recomendações por preço?

Sim. A reclassificação por preço faz com que os produtos recomendados com uma probabilidade de recomendação semelhante sejam ordenados por preço, com os artigos de preço mais elevado primeiro. A relevância também é usada para ordenar os itens, pelo que a reclassificação por preço não é o mesmo que ordenar por preço. A reclassificação de preços pode ser especificada como parte da configuração de publicação ou nos parâmetros do pedido de previsão.

Funcionalidades de conversação

Estas são as Perguntas frequentes sobre as funcionalidades de conversa, a filtragem de produtos e o comércio do Vertex AI Search for commerce.

1. Como é mantida uma sessão de conversa e como posso atualizar o contexto?

É mantida uma sessão de conversação através do ID de conversa devolvido na resposta do agente de comércio conversacional. Tem de transmitir este ID de conversa em todos os pedidos subsequentes na mesma conversa. O sistema retém todo o contexto associado a este ID. Para atualizar ou iniciar uma nova conversa com um novo começo, inicie um novo pedido de API sem um ID de conversa, e é emitido um novo ID de conversa na resposta.

2. Como é que a API de streaming afeta a minha implementação e a experiência do utilizador?

A natureza de streaming significa que pode receber imediatamente tipos de consultas. Isto permite-lhe distinguir entre consultas que têm uma resposta de texto conversacional, que pode ter uma latência mais elevada, e as que não têm, como SIMPLE_PRODUCT_SEARCH. Para SIMPLE_PRODUCT_SEARCH, pode acionar imediatamente uma chamada à API Search principal para uma apresentação rápida de produtos. Para respostas baseadas em MDIs, pode mostrar indicadores de carregamento ou obter resultados da pesquisa em paralelo enquanto o texto de conversa é transmitido, otimizando a capacidade de resposta percebida pelo utilizador.

3. Por que motivo é importante que searchParams em ConversationalSearchRequest reflita as minhas chamadas principais da API Google Search?

Quer manter a consistência nas suas searchParams, como filtros, ordem de ordenação e regras de aumento entre as suas chamadas ConversationalSearchRequest e SearchService.Search. A manutenção da consistência ajuda a garantir que as respostas conversacionais ou as consultas refinadas fornecidas pela API estão alinhadas com os resultados reais dos produtos apresentados ao utilizador. Isto evita discrepâncias e oferece uma experiência de compras coerente.

4. Se for detetada uma pesquisa básica de produtos, a conversa termina? O utilizador pode voltar a outros modos de conversa?

A conversa não termina. O ID da conversa permanece válido. No entanto, do ponto de vista da experiência do utilizador, os retalhistas transitam frequentemente o utilizador para uma página de resultados da pesquisa padrão. Se o utilizador enviar uma nova consulta sem o ID da conversa original, por exemplo, escrevendo diretamente na barra de pesquisa padrão, é iniciada uma nova sessão de conversa. No entanto, os retalhistas podem conceber a respetiva experiência do utilizador para manter a janela de chat persistente e permitir que os utilizadores continuem a conversa (especialmente se conversationalFilteringSpec.mode for ENABLED para ativar perguntas de seguimento). A capacidade de "reverter" para um modo de conversa avançado depende desta escolha de implementação da experiência do utilizador específica.

5. Que dados armazena a API Conversational para o contexto de conversas e durante quanto tempo?

Para manter o fluxo de uma conversa, a API Conversacional armazena a consulta do utilizador, a resposta de texto conversacional e a pergunta de seguimento que estão associadas ao ID da conversa. Estas informações contextuais são retidas durante sete dias para garantir que, quando transmite o ID da conversa em pedidos subsequentes, o sistema pode obter e utilizar este histórico.

6. Por que motivo a API Conversacional não fornece respostas sugeridas para perguntas de seguimento, de forma semelhante ao que acontece com a filtragem de produtos conversacional?

Embora o fornecimento de respostas sugeridas a perguntas de seguimento não seja suportado, esta capacidade está nos nossos planos. Mantenha-se a par de tudo!

7. Como é que a API Conversational usa o armazenamento em cache para o desempenho e o contexto?

A API Conversacional armazena em cache os tipos de consultas e as consultas de pesquisa refinadas para um determinado cliente e projeto durante um período máximo de 10 dias. Isto significa que, se a mesma consulta for repetida, o sistema pode obter rapidamente a intenção e os refinamentos sugeridos.

Modelos

Estas são as perguntas frequentes sobre modelos.

1. Carreguei o meu catálogo e eventos, mas continuo a receber esta resposta quando chamo a API predict: O modelo de recomendação não está pronto.

Pode definir "dryRun" como verdadeiro no pedido de previsão para fins de integração, o que devolve itens do catálogo arbitrários do seu catálogo (NÃO use isto para tráfego de produção)."**

Normalmente, isto significa que o seu modelo não concluiu a preparação. Se tiverem passado mais de 10 dias desde que criou o modelo e continuar a receber esta resposta, contacte o apoio técnico.

2. Quanto tempo demora a preparar um modelo?

A preparação e o ajuste iniciais do modelo demoram 2 a 5 dias a concluir, mas podem demorar mais tempo para conjuntos de dados grandes. Posteriormente, os modelos são preparados novamente de forma automática todos os dias, a menos que esta opção esteja desativada. Consulte o artigo Pausar e retomar a preparação de um modelo.

3. Posso transferir ou exportar o modelo?

Não.

4. Posso usar modelos que criei num projeto existente num novo projeto?

Não. Tem de criar e voltar a preparar os modelos no novo projeto.

5. Quero usar um modelo para as minhas páginas de categorias. Posso fazer isso?

Sim. A secção Recomendado para si é útil nas páginas de categorias. Uma página de categoria é semelhante a uma página inicial, exceto que apresenta apenas itens dessa categoria. Pode fazê-lo através de um modelo padrão Recomendado para si com etiquetas de filtro. Por exemplo, pode adicionar etiquetas de filtro personalizadas (correspondentes a cada página de categoria) aos itens no seu catálogo. Quando enviar o pedido de previsão, defina o objeto de evento do utilizador como category-page-view e especifique a etiqueta de uma página de categoria específica no campo filter. Apenas são devolvidos resultados de recomendações que correspondam à etiqueta de filtro pedida. A diversidade deve ser desativada neste exemplo de utilização, porque pode entrar em conflito com as etiquetas de filtro baseadas em categorias.

6. Posso desativar a personalização dos meus modelos?

Por predefinição, os resultados da previsão são personalizados por utilizador para os tipos de modelos de recomendações Outros que podem gostar, Recomendados para si e Comprar novamente.

Não recomendamos que desative a personalização, uma vez que pode afetar negativamente o desempenho do modelo.

Se precisar de apresentar artigos do catálogo relevantes para o produto que está a ser visto, em vez de com base nas interações anteriores do utilizador com o seu site, é possível receber recomendações não personalizadas através de um ID de visitante único aleatório num pedido de previsão. Certifique-se de que o faz apenas para pedidos em configurações de publicação que não quer que sejam personalizados.

Pesquise a consola de comércio

Estas são as perguntas frequentes sobre a utilização da consola de pesquisa para comércio.

1. Limpei vários eventos, mas o painel de controlo continua a mostrar as quantidades desses tipos de eventos.

Isto é normal. O painel de controlo da Pesquisa para comércio mostra o número de eventos carregados durante um determinado período. Não mostra a contagem atual nem o número de eventos.

Geralmente, deve deixar os eventos do utilizador no lugar depois de terem sido registados. Não é recomendável limpar eventos. Se planeia repor totalmente os eventos do utilizador, considere criar um novo projeto.

Se precisar de limpar eventos que não foram registados corretamente, consulte a documentação sobre como remover eventos de utilizadores. Uma eliminação de eventos pode demorar até vários dias a ser concluída.

2. Como posso saber se existem erros no meu catálogo ou eventos de utilizador?

A maioria das chamadas API para atualizações de itens do catálogo ou eventos do utilizador devolvem um erro se existir um problema com a sintaxe ou se a solicitação não puder ser processada por algum motivo.

O painel de controlo da pesquisa de comércio mostra a percentagem de eventos não associados, que também é uma métrica útil para detetar problemas de catálogos ou eventos. Os eventos não associados (ou chamadas de previsão não associadas) ocorrem quando é especificado um ID do artigo que não está no catálogo. Normalmente, isto significa que o catálogo está desatualizado e que os itens do catálogo novos ou alterados têm de ser carregados. No entanto, também pode dever-se à transmissão de IDs de itens incorretos. Verifique os seus pedidos para se certificar de que os IDs dos artigos estão corretamente mapeados para o catálogo e, em seguida, verifique o catálogo que carregou para se certificar de que os artigos existem.

O Cloud Monitoring e o Cloud Logging podem ser usados para monitorizar o estado dos eventos. Por exemplo, pode receber alertas se não houver eventos durante um determinado período ou se as chamadas previstas ficarem abaixo de um determinado limite.

3. Por que motivo as minhas configurações de publicação de recomendações são apresentadas como inativas? Como posso ativá-los?

Para usar as configurações de publicação de recomendações, primeiro tem de enviar dados do catálogo e dados de eventos do utilizador para preparar o modelo correspondente. Depois de um modelo ser preparado, o painel de controlo indica que o modelo está pronto para receber consultas.

4. Em que moeda é que a Pesquisa para comércio comunica as métricas de receita?

Pesquise métricas de relatórios de comércio eletrónico na moeda usada nos dados carregados. O Vertex AI Search for commerce não suporta a utilização de várias moedas por catálogo e não converte moedas.

Se planeia usar a consola de pesquisa para comércio para obter as suas métricas de receita, certifique-se de que todos os eventos usam uma única moeda ou converta-os todos para a mesma moeda antes de os carregar para o Vertex AI Search for commerce.