Domande frequenti

Hai altre difficoltà o non trovi il tuo problema tra quelli elencati di seguito? Non dimenticare di apporre segnalare un bug o richiedere una funzionalità e unisciti alla utenti-suggerimenti-cloud gruppo Google o Stack Overflow discussioni.

Generale

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

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

La Servizio di rilevamento delle API di Google 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 fornita con la 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 farlo aspetti che migliorino nel tempo?

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

Gli eventi utente devono essere inviati in tempo reale, o molto vicino al tempo reale, per l'applicazione della personalizzazione. Se gli eventi utente vengono inviati solo quotidianamente o durante la giornata, i modelli personalizzati potrebbero non funzionare che sarebbe possibile se venissero 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 altri dati testuali o numerici informazioni che potrebbero essere utili come gli attributi personalizzati. Questo i 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 anonimizzare i dati demografici, ad esempio eseguendo l'hashing dei o tramite ID gruppo.

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

Attualmente, i consigli si basano su un singolo ID visitatore o ID utente. Tu eseguire richieste individuali e poi combinare i risultati in base consigli sulla cronologia di un gruppo. Se gli utenti hanno metadati comuni puoi utilizzare gli ID gruppo come ID utente per fornire i dati a livello di gruppo personalizzati.

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

Al momento non è possibile. Questi campi sono forniti per consentirti di recuperare metadati insieme ai risultati dei suggerimenti restituiti, al fine di aiutare risultati dei suggerimenti di rendering. Anche l'anteprima della previsione utilizza le immagini Gli URL per visualizzare le immagini quando visualizzi l'anteprima dei risultati della previsione di un modello Cerca la console Retail.

7. La mia azienda non ha un sito web di e-commerce per la vendita al dettaglio. Posso ancora usare consigliati per la previsione di x,y,z?

Alcuni clienti hanno utilizzato i consigli per i contenuti consigli, streaming di video, giochi e altri casi d'uso. Tuttavia, le nostre i contenuti e l'esperienza sono attualmente progettati per il caso d'uso dell'e-commerce per la vendita al dettaglio e potrebbe non essere ancora adatto ad altri casi d'uso.

8. Posso inserire consigli su 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 suggerimenti.

Per i prodotti acquistati spesso insieme e altri utenti che potrebbero piacerti sono necessari gli ID articolo, pertanto devono essere utilizzati per consigli tramite, ad esempio, un ID prodotto o articoli in un carrello. Acquistati spesso insieme in genere funziona meglio nelle pagine di aggiunta al carrello o di pagamento, mentre Gli articoli simili funzionano meglio nelle pagine dei dettagli dei prodotti. Consigliata per te può essere collocata su qualsiasi perché richiede solo un ID visitatore come input, ma è progettata come una home page configurazione della pubblicazione delle pagine. Il pulsante Acquista di nuovo è progettato per essere inserito in qualsiasi pagina.

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

Sì. Per farlo, occorre chiamare l'API con un ID visitatore o un ID utente. quindi incorporare i risultati in un modello di email. Se vuoi che gli elementi vengano caricati dinamicamente al momento della lettura delle email, è necessario ricorrere a un intermediario ad esempio una funzione Google Cloud Functions, per inviare il traffico richiesta. L'API fornisce solo un elenco di ID prodotto e metadati ordinati, 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, chioschi)?

Sì. Puoi configurare un endpoint (ad esempio funzione Google Cloud Functions) per ottenere risultati per l'app. Inoltre richiedono un meccanismo simile per l'invio di eventi in tempo reale.

11. Non ho dati sugli eventi per più di 3 mesi. Posso ancora usare Vertex AI Search for Retail? Posso aggiungere altri dati in un secondo momento?

Il modello Elementi simili non utilizza i dati sugli eventi utente né l'ottimizzazione del modello. In caso contrario disponi di dati sugli eventi, puoi comunque creare e addestrare un modello Articoli simili, purché disponi dei dati di catalogo.

Se puoi registrare un volume di traffico sufficiente per gli eventi in tempo reale, i dati recenti possono essere per addestrare altri modelli. Se hai a disposizione altri dati in un secondo momento puoi caricarlo dopo l'addestramento iniziale del modello. L'account di servizio i dati vengono incorporati nei modelli durante il riaddestramento giornaliero. Tuttavia, se i dati sono significativamente diversi dagli eventi utilizzati per la configurazione iniziale potrebbe essere necessario ottimizzare i modelli.

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

Una o due settimane di visualizzazioni della pagina dei dettagli possono essere sufficienti per iniziare l'addestramento. Altri che potrebbero piacerti e Consigliato per te, mentre "Acquistati insieme di frequente" e "Acquista di nuovo" in genere ne richiedono di più perché sono in genere meno acquisti al giorno rispetto al numero di visualizzazioni di pagina. Qualità del modello può essere migliorato significativamente con un maggior numero di dati; la quantità minima potrebbe non produrre per ottenere 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 consigli sui prodotti, ma puoi ottenere le categorie di ogni prodotto restituito come parte dei risultati.

13. Hai integrazioni per caricare dati da database SQL o altri come BigQuery?

Sì. Per gli eventi, è disponibile un codice campione che legge in BigQuery. Consulta 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, tutti gli eventi inviati a per Vertex AI Search for Retail deve essere specificato un ID visitatore, che spesso è un di sessione da un cookie.

15. Ho bisogno di un progetto Google Cloud dedicato?

Puoi creare un nuovo progetto dedicato oppure 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. Devi usare un account di servizio che hai creato disponibili nel tuo ambiente. In caso contrario, potresti visualizzare un errore simile al seguente: "L'applicazione è stata autenticata utilizzando le credenziali dell'utente finale del Cloud SDK o Google Cloud Shell che non sono supportati."

Per ulteriori informazioni sugli account di servizio, consulta Sezione Autenticazione di Google Cloud documentazione.

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

Puoi eseguire test A/B per confrontare i risultati Vertex AI Search for Retail a 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 all'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 durante era in versione beta, ti consigliamo di eseguire la migrazione dei tuoi suggerimenti Vertex AI Search for Retail (endpoint di servizio https://retail.googleapis.com), ossia GA.

L'API precedente (endpoint di servizio https://recommendationengine.googleapis.com) e le relative documentazione disponibile, ma non viene più aggiornata.

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 sulla base di prodotti simili. In questi casi, è particolarmente importante avere titoli, categorie e descrizioni dei prodotti efficaci definiti nel catalogo.

Per gli utenti con avvio a freddo (visitatori senza cronologia), i modelli iniziano con il prodotti generici più apprezzati e diventano più personalizzati in tempo reale man mano che vengono ricevuti.

Consulta Informazioni su cataloghi e prodotti e 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 con la funzionalità Data Transfer di Merchant Center assistenza. 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 usa la console per collegare Merchant Center in modo che il suo catalogo si sincronizza automaticamente.
  • BigQuery: importa direttamente da una tabella o una vista.
  • Cloud Storage: importa utilizzando file di testo con un catalogo JSON per riga.
  • Importazione in linea: importa con una chiamata API, utilizzando file di testo con una voce di catalogo JSON per riga.
  • Crea elementi del prodotto: utilizza il metodo di creazione Products.

4. Come faccio a mantenere aggiornato il mio catalogo? Frequenza con cui il catalogo deve essere aggiornato?

Consulta la sezione Mantenere aggiornato il catalogo.

Ti consigliamo di aggiornare il catalogo ogni giorno. Puoi fare un aggiornamento completo Cloud Storage o BigQuery oppure un aggiornamento incrementale Ad esempio, solo gli elementi nuovi e modificati.

Se possibile, aggiorna il prezzo e la disponibilità in tempo reale. Ciò influisce sul modo in cui rapidamente i nuovi elementi possono essere resi disponibili per la ricerca con la ricerca.

Se hai a disposizione un modo semplice per ricevere notifiche sulle modifiche al catalogo (ad esempio tramite Pub/Sub, coda di messaggi, eventi e così via), puoi aggiornare catalogo in tempo reale con l'API di importazione o creazione di machine learning.

Ad esempio, Cloud Scheduler può essere utilizzato per eseguire Chiamata di importazione 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 essere disponibili possono trarre vantaggio dai consigli perché esistono pochi prodotti diversi consigliano.

Il catalogo può contenere al massimo 40 milioni di articoli.

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

6. La mia azienda gestisce siti web in più paesi. Dovrei usarne uno? catalogo per tutti i miei dati?

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

Se i cataloghi sono notevolmente diversi da un sito web all'altro, ti consigliamo di un progetto a parte per ogni sito web. Inoltre, se i paesi hanno diverse lingue diverse, consigliamo di avere progetti separati, uno per ogni lingua.

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

Per utilizzare un solo catalogo, gli ID degli articoli del catalogo devono essere coerenti, ovvero lo stesso prodotto deve avere un singolo ID articolo su tutti i siti web, in modo che non ci siano duplicazione di prodotti nel catalogo.

Solo per i suggerimenti, un'alternativa all'utilizzo delle entità è filtrare in base a un un sito web specifico utilizzando filtri. Tuttavia, i filtri potrebbero richiedere a 8 ore per aggiornarsi, quindi se è presente una disponibilità specifica per paese (tra dei prodotti, normalmente devono essere gestiti 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. Eventi devono essere caricati utilizzando un'unica valuta.

Se prevedi di utilizzare Cerca la console Retail per visualizzare le tue entrate assicurati che gli eventi utilizzino un'unica valuta o convertirli tutti in la stessa valuta prima di caricarli.

8. Ho più siti web con un catalogo condiviso o articoli simili. Lattina fornisce consigli cross-site?

In genere consigliamo di utilizzare un unico catalogo come questo solo se è presente una sovrapposizione significativa tra i siti; devono condividere molte o tutte le stesse prodotti di big data e machine learning. Quindi, come per i siti multiregionali, puoi utilizzare entità o tag filtro per restituire solo elementi specifici del sito per un particolare prevedere la chiamata.

Se i siti non condividono molti o tutti gli articoli del catalogo, allora è necessario usare più cataloghi. Utilizzare 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). Potrebbero essere utilizzato per l'anteprima della previsione, l'analisi dei risultati, l'addestramento e l'ottimizzazione. Me consiglia di includere attributi utili come colore, taglia, materiale e così via. possono essere restituiti come parte dei risultati di predict specificando returnProduct:true, in modo che possano essere utili per il rendering che consentono di analizzare i dati e visualizzare i risultati. Le immagini e gli attributi degli elementi vengono utilizzati per l'anteprima della previsione nella console 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. Il principale I campi utilizzati sono ID, titolo, gerarchia di categorie, prezzo e URL. Puoi includere altri attributi coppia chiave-valore personalizzati che potrebbero essere utili Product.attributes[].

Gli URL immagine sono più una funzionalità pratica; puoi restituire questi metadati parte dei risultati della previsione specificando returnProduct:true, che può salvare una chiamata aggiuntiva da recuperare queste informazioni. Gli URL immagine consentono anche l'anteprima della previsione per visualizzare le immagini quando visualizzi l'anteprima dei risultati della previsione Cerca la console 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 automaticamente, consulta GitHub di Compact Language Detector LEGGIMI.

  • search: supporta le seguenti lingue: arabo, Olandese, inglese, francese, tedesco, italiano, giapponese, coreano, polacco, portoghese, spagnolo e turco. Puoi impostare la lingua quando carichi il catalogo. La catalogo deve essere in una sola lingua e le query devono essere inviate nel nella stessa lingua. La presenza di più lingue nel catalogo influisce negativamente sul modello delle prestazioni. 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. È necessario stabilire come ottenere i suggerimenti (a livello principale o secondario) e se gli eventi 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 è necessario rientrare nel e correggendo i modelli.

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

Se un articolo non è più aggiornato, ti consigliamo di impostare il suo stato su OUT_OF_STOCK anziché eliminarlo, in modo che gli eventi utente precedenti che farvi riferimento non vengono invalidati.

Eventi utente

1. Quali eventi utente devo raccogliere?

Per un elenco dei tipi di eventi utente, consulta Informazioni sugli eventi utente. nonché requisiti e best practice relativi agli 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 i dati e metriche di qualità relative agli eventi utente e catalogo importati.

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

Puoi utilizzare i dati storici di Google Analytics 360 (GA360). Simile a Dati di Merchant Center, i dati GA360 possono essere esportati BigQuery e Vertex AI Search for Retail possono leggere gli eventi direttamente da BigQuery.

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

4. Voglio importare gli eventi utente da Google Analytics 360. Offre tutte gli eventi utente necessari?

Google Analytics 360 supporta in modo nativo tutti gli eventi utente utilizzati Vertex AI Search for Retail, ad eccezione degli eventi di ricerca. Puoi comunque importare la ricerca gli eventi utente di Analytics 360, ma tieni presente Vertex AI Search for Retail genera l'evento utente della rete di ricerca dalle query di ricerca e se presenti, le impressioni del prodotto.

5. Come faccio a inserire eventi in Recommendations AI?

Gli utenti in genere importano eventi storici utilizzando Cloud Storage o l'importazione API. poi trasmettere in streaming eventi in tempo reale usando il pixel JavaScript 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 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 catalogo molto utile. Per i siti con grandi volumi di traffico e cataloghi più piccoli, potresti iniziare con un volume minore di eventi storici, ma in genere richiedono almeno alcune settimane di dati storici ed eventi in tempo reale in corso in avanti.

7. Ho eventi di aggiunta al carrello e di completamento dell'acquisto che non hanno un valore per entrate o 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 (questo può essere ciò che viene mostrato all'utente, ad esempio un prezzo scontato. La Il prezzo originale e il costo sono facoltativi.

8. I miei dati riguardavano solo tipi limitati di eventi. Posso ancora usare Vertex AI Search for Retail?

Per i requisiti minimi dei dati, consulta Requisiti dei dati sugli eventi utente di 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 un contesto, ad esempio il negozio in cui l'utente fa acquisti, la richiesta di ricerca?

La disponibilità basata sull'ID negozio e le opzioni di evasione degli ordini sono attributi del prodotto catalogo. Le opzioni di evasione degli ordini sono attributi quali "consegnato online", "acquisto" online" e "ritira in negozio".

Gli attributi possono essere inviati come parametro nella richiesta di ricerca. Quindi, per questo Ad 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 a i relativi tag.

4. È possibile classificarsi in base a più criteri, ad esempio sia disponibilità che 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 di produzione.

Gli attributi dei prodotti non sono gerarchici. Tuttavia, puoi utilizzare più modelli attributi per raggiungere questo obiettivo. In questo esempio, potresti utilizzare 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, di eventi di ricerca devono essere importati 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. Può essere aumentati o diminuiti inviando un valore per pageSize.

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

2. Posso vedere i motivi per cui un modello ha creato un prodotto specifico un consiglio?

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 su nel tuo sito, ti sconsigliamo di usare previsioni memorizzate nella cache. I modelli vengono riaddestrati ogni giorno per incorporare le modifiche al tuo catalogo e reagire alle nuove tendenze di eventi, con conseguente modifica dei risultati.

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

Sì. Ma se da un lato puoi riclassificare i consigli restituiti in base ai tuoi regole aziendali, tieni presente che riordinare o filtrare i risultati consigliati può Ridurre l’efficacia complessiva del modello nel raggiungimento dell’obiettivo di ottimizzazione che hai scelto.

Gli ordini di re-ranking del prezzo pertinenti per primi gli articoli di prezzo alto nel set di vengono restituiti ed è disponibile come personalizzazione integrata Altri modelli che potrebbero piacerti e consigliati per te.

Consulta Re-ranking del prezzo.

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

Non ci sono limiti rigidi al numero di tag univoci che puoi creare o per gli utilizzi odierni. Tuttavia, il sistema non è progettato per gestire molti tag di filtro per elemento. Me consigliamo di limitare i tag di filtro a un massimo di 10 per articolo di catalogo se possibile. È possibile utilizzare più di 10 valori in tutto il catalogo; questo è un per elemento. Il limite per i tag totali (la somma totale di tutti i 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 nell'ambito della pubblicazione configurazione o nei parametri della richiesta di previsione. Con bassa diversificazione, le previsioni possono contenere elementi simili nella stessa categoria. Con una maggiore diversificazione, i risultati conterranno elementi di altri categorie.

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

Sì. Il re-ranking del prezzo fa sì che i prodotti consigliati con un prezzo simile probabilità di suggerimento da ordinare per prezzo, con gli articoli più costosi per prima cosa. La pertinenza viene ancora utilizzata anche per ordinare gli articoli, quindi attivi il re-ranking del prezzo non è la stessa cosa che ordinare 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 eventi, ma ricevo ancora questa risposta quando chiama l'API Prediction: "Il modello di suggerimento non è pronto. Puoi impostare "dryRun" su true nella richiesta di previsione per l'integrazione, che restituisce articoli arbitrari di catalogo nel tuo catalogo (NON utilizzare per la produzione traffico)."

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

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

L'addestramento e l'ottimizzazione iniziali del modello richiedono da 2 a 5 giorni, ma in alcuni casi per set di dati di grandi dimensioni. Di conseguenza, i modelli vengono automaticamente vengono riaddestrate quotidianamente, a meno che non vengano disattivate. 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. nel tuo catalogo. Quando invii la richiesta di previsione, imposta l'oggetto evento utente come category-page-view e specifica il tag di una pagina di categoria specifica nel filter. Vengono visualizzati solo i risultati dei suggerimenti che corrispondono al tag del filtro richiesto restituito. La diversità in questo caso d'uso dovrebbe essere disattivata, perché può entrare in conflitto con a tag di filtro basati su categorie.

6. Posso disattivare la personalizzazione per i miei modelli?

Per impostazione predefinita, i risultati delle previsioni sono personalizzati dall'utente per Tipi di modelli di consigli Altri che potrebbero piacerti, Consigliati per te e Acquista di nuovo.

La disattivazione della personalizzazione non è consigliata perché può avere un impatto negativo delle prestazioni del modello.

Se invece hai l'esigenza di mostrare articoli di catalogo pertinenti al prodotto visualizzato rispetto alle precedenti interazioni 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 nella pubblicazione configurazioni 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 per quei tipi di eventi.

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

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 degli eventi che non sono stati registrati correttamente, consulta la sezione documentazione per Rimozione di eventi utente. L'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 non è possibile elaborare la richiesta per qualche motivo.

La dashboard di Search for Retail mostra la percentuale di eventi non uniti, che è una metrica utile anche per individuare i problemi relativi a cataloghi o eventi. Non iscritti gli eventi (o le chiamate di previsione non unite) si verificano quando viene specificato un ID elemento non è nel catalogo. Questo di solito significa che il catalogo non è aggiornato e i nuovi o modifiche apportate al catalogo, ma questo può anche essere dovuto a errori ID trasmessi. Controlla le tue richieste per assicurarti che gli ID elemento siano mappati correttamente a catalogo, quindi controlla il catalogo che hai caricato per assicurarti che gli articoli esistano.

È possibile usare Cloud Monitoring e Cloud Logging per monitorano lo stato degli eventi. Ad esempio, potete ricevere avvisi se vi sono nessun evento in un determinato periodo di tempo o se le chiamate di previsione scendono al di sotto di un determinato soglia.

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

Per utilizzare le configurazioni di pubblicazione dei suggerimenti, devi prima inviare catalogo e dati sugli eventi utente per addestrare il model. Una volta addestrato un modello, la dashboard indica che il modello 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 in ai 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 ottenere i tuoi assicurati che gli eventi utilizzino tutti una sola valuta o prima di caricarli su Vertex AI Search for Retail.