Domande frequenti

Hai altre sfide o non vedi il tuo problema descritto di seguito? Segnala un bug o richiedi una funzionalità e partecipa al gruppo cloud-recommendations-users o alle discussioni di Stack Overflow.

Generico

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

Sì, La guida alle librerie client è disponibile qui per informazioni sulla configurazione e di riferimento per ogni libreria.

Puoi utilizzare anche Google API Discovery Service al posto delle chiamate REST non elaborate.

2. Tutti i modelli di suggerimenti sono personalizzati?

I modelli Consigliati per te, Altre persone che ti piacciono e Acquista di nuovo offrono consigli personalizzati quando forniti con la cronologia utente. I modelli Comprati spesso insieme e Articoli simili non sono personalizzati.

Consulta Informazioni sui modelli di consigli.

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

I consigli migliorano man mano che raccogli più cronologia utente. Il modello Consigliati per te mostra i prodotti più apprezzati, mentre il modello Altri che ti potrebbero piacere mostra prodotti simili in base alle opinioni di altri utenti. Entrambi i modelli iniziano a tenere subito in considerazione il comportamento degli utenti, perciò 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 quasi in tempo reale. Se gli eventi utente vengono inviati solo ogni giorno o in batch nel corso della giornata, i modelli personalizzati potrebbero non avere le prestazioni migliori che avrebbero se venissero inviati eventi in tempo reale.

4. Utilizzi 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 possano essere utili come attributi personalizzati. Questi dati inizieranno a essere utilizzati dal modello dopo essere stati perfezionati.

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

5. Posso fornire suggerimenti in base alla cronologia degli 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. Dovresti effettuare singole richieste e poi combinare i risultati in base ai 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 immagine per i prodotti. I modelli prendono in considerazione le immagini prodotto?

Al momento no. Questi campi vengono forniti in modo da poter recuperare questi metadati insieme ai risultati dei suggerimenti restituiti, in modo da semplificare 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 di previsione di un modello nella console Search for Retail.

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

I nostri clienti usano i consigli per consigli di contenuti, lo streaming di video, i 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 in qualsiasi pagina del mio sito?

Sì, ma ognuno è progettato per casi d'uso specifici e può funzionare al meglio su determinate pagine. Consulta Informazioni sui modelli di consigli.

Gli articoli acquistati spesso insieme e altri che ti potrebbero piacere richiedono ID articolo, pertanto devono essere utilizzati per consigli usando, ad esempio, un ID prodotto o gli articoli di un carrello. Gli articoli acquistati di frequente insieme in genere funzionano meglio nelle pagine di aggiunta al carrello o di pagamento, mentre altri che ti potrebbero piacere e Articoli simili funzionano meglio nelle pagine dei dettagli dei prodotti. Consigliato per te può essere inserito in qualsiasi pagina, dato che richiede solo un ID visitatore come input, ma è progettato come configurazione per la pubblicazione di una home page. La funzionalità Acquista di nuovo è progettata per essere posizionata in qualsiasi pagina.

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

Sì, A questo scopo, puoi 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 in modo dinamico al momento della lettura delle email, devi utilizzare un endpoint intermedio, come una funzione di Google Cloud Functions, per inviare la richiesta di previsione. L'API fornisce solo un elenco di metadati e ID prodotto ordinati, quindi dovrai scrivere anche il tuo codice per eseguire il rendering dei risultati dell'immagine.

10. Posso utilizzare Vertex AI Search per la vendita al dettaglio per altri casi d'uso non web (app mobile, kiosk)?

Sì, Puoi configurare un endpoint (ad esempio, la funzione di Google Cloud Functions) per ottenere risultati per l'app. Hai anche bisogno di un meccanismo simile per inviare eventi in tempo reale.

11. Non dispongo di dati sugli eventi relativi a 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 Articoli simili non utilizza i dati sugli eventi utente o l'ottimizzazione del modello. Se non disponi di dati sugli eventi, puoi comunque creare e addestrare un modello Articoli simili a condizione di disporre di dati di catalogo.

Se riesci a registrare traffico sufficiente per gli eventi in tempo reale, puoi utilizzare i dati recenti per addestrare altri modelli. Se disponi di dati aggiuntivi disponibili in un secondo momento, puoi caricarli dopo l'addestramento iniziale del modello. I dati di cui è stato eseguito il backfill di recente vengono incorporati nei modelli durante il riaddestramento giornaliero. Tuttavia, se i dati sono notevolmente diversi dagli eventi utilizzati per l'addestramento iniziale, potrebbe essere necessario riottimizzare i modelli.

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

Una o due settimane di visualizzazioni della pagina dei dettagli possono essere sufficienti per iniziare ad addestrare i modelli Altri che ti potrebbero piacere e Consigliati per te, mentre i modelli Comprati spesso insieme e Acquista di nuovo richiedono solitamente di più perché in genere ci sono meno acquisti al giorno rispetto alle visualizzazioni di pagina. La qualità del modello può essere notevolmente migliorata con più dati; la quantità minima potrebbe non produrre risultati ottimali. Ad esempio, un intero anno di acquisti consente ai modelli di sfruttare meglio la stagionalità e le tendenze.

12. Posso consigliare le categorie insieme ai prodotti?

Al momento i suggerimenti restituiscono solo consigli sui prodotti, ma puoi restituire le categorie per ciascun prodotto come parte dei risultati.

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

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

14. Vertex AI Search per la vendita al dettaglio utilizza i cookie?

No, non utilizza i cookie. Tuttavia, per tutti gli eventi inviati a Vertex AI Search per la vendita al dettaglio è necessario specificare un ID visitatore, che spesso è un identificatore di sessione proveniente da un cookie.

15. Ho bisogno di un progetto Google Cloud dedicato?

Puoi creare un nuovo progetto dedicato o abilitare Vertex AI Search per la vendita al dettaglio 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 per la vendita al dettaglio. Devi utilizzare un account di servizio che hai reso disponibile nel tuo ambiente. In caso contrario, potresti visualizzare un errore come questo: "La tua applicazione è stata autenticata utilizzando le 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 posso confrontare Vertex AI Search per il retail con soluzioni simili?

Puoi eseguire test A/B per confrontare i risultati di Vertex AI Search per la vendita al dettaglio con quelli di altri prodotti.

18. Penso che la funzionalità x,y,z sarebbe perfetta. Puoi aggiungerlo?

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

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

Recommendations è stato migrato dall'API Recommendations Engine a Vertex AI Search per il retail. Se utilizzavi l'API Recommendations Engine in versione beta, ti consigliamo di eseguire la migrazione dei tuoi suggerimenti a Vertex AI Search per la vendita al dettaglio (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 sono 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, offriamo consigli basati su prodotti simili. In questi casi, è particolarmente importante definire nel catalogo titoli, categorie e descrizioni efficaci.

Per gli utenti avviati 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 Informazioni su cataloghi e prodotti e la pagina di riferimento dei prodotti.

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

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

3. In quali altri modi posso importare il catalogo?

  • Merchant Center: importa con Merchant Center. Se usi la ricerca, puoi usare la console per collegare Merchant Center in modo che il suo catalogo si sincronizzi automaticamente.
  • BigQuery: importa direttamente da una tabella o una vista.
  • Cloud Storage: esegui l'importazione utilizzando file di testo con una voce di 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 articoli di prodotto: utilizza il metodo di creazione Products.

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

Consulta la pagina Mantieni 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. Questa impostazione influisce sulla rapidità con cui i nuovi elementi possono essere resi disponibili per la ricerca tramite la ricerca.

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

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

5. Esistono dimensioni minime e massime del catalogo?

Non c'è un valore minimo, ma dimensioni del catalogo molto piccole (meno di 100 articoli) potrebbero non trarre vantaggio dai suggerimenti perché esistono pochissimi prodotti diversi da consigliare.

Il catalogo massimo è di 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 usare un solo catalogo per tutti i miei dati?

Solitamente 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 le entità, puoi specificare il comportamento di ricerca, suggerimenti e completamento automatico per un determinato paese.

Se i cataloghi sono molto diversi da un sito web all'altro, consigliamo di creare un progetto distinto per ogni sito web. Inoltre, se i paesi hanno lingue diverse, consigliamo di creare progetti distinti, uno per ogni lingua.

Se esistono siti web simili con basso traffico rispetto al sito 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 singolo catalogo, gli ID articolo del catalogo devono essere coerenti, ovvero lo stesso prodotto deve avere un unico ID articolo su tutti i siti web, in modo che i prodotti del catalogo non vengano duplicati.

Solo per i suggerimenti, un'alternativa all'utilizzo delle entità è filtrare in base a un sito web specifico utilizzando i tag di filtro. Tuttavia, l'aggiornamento dei tag di filtro può richiedere fino a 8 ore. Pertanto, se sono presenti requisiti di disponibilità (non disponibili) specifici per paese, di solito devono essere gestiti da una regola aziendale che filtra i risultati dopo la risposta della previsione.

7. Vertex AI Search per la vendita al dettaglio 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 Search for Retail per ottenere le metriche sulle entrate, assicurati che tutti gli eventi utilizzino 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 suggerimenti possono fornire suggerimenti tra siti?

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

Se i siti non condividono molte o alcune voci di catalogo, devono essere utilizzati più cataloghi. L'utilizzo di più cataloghi richiede un progetto Google Cloud separato per ogni catalogo.

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

Consulta la sezione Informazioni obbligatorie sugli articoli del catalogo per i campi obbligatori.

Altri campi dei metadati sono facoltativi (ad esempio, immagini e itemAttributes). Possono essere utilizzate per l'anteprima della previsione, l'analisi dei risultati, l'addestramento e l'ottimizzazione. 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 i risultati del rendering. Le immagini e gli attributi degli articoli vengono utilizzati per l'anteprima di previsione nella console di Search for Retail.

10. Quali attributi di un articolo di catalogo vengono utilizzati come input per l'addestramento di un 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 semplici da utilizzare; puoi restituire questi metadati nell'ambito dei risultati della previsione specificando returnProduct:true, che può salvare una chiamata aggiuntiva per recuperare queste informazioni. Avere gli URL immagine consente inoltre all'anteprima di previsione di mostrare le immagini quando visualizzi l'anteprima dei risultati di previsione di un modello nella console Search for Retail.

11. Quali lingue sono supportate per i miei prodotti?

  • consigli:supporta la maggior parte delle lingue. Il modello rileva automaticamente la lingua del testo. Per un elenco di tutte le lingue che possono essere rilevate automaticamente, consulta il rilevatore Compact Language Detector GitHub README.

  • ricerca: 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. Il catalogo deve essere in una sola lingua e le query devono essere inviate nella stessa lingua. Avere più linguaggi nel catalogo riduce le prestazioni del modello. Ad esempio, se il catalogo è in spagnolo, ma la query di ricerca è in inglese, la query non viene tradotta in spagnolo.

12. Il mio catalogo ha SKU principali/varianti o principali/secondari. Sono supportati?

Sì, Sarà simile all'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.

Per ulteriori informazioni sui livelli del prodotto, vedi Livelli del 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 nuovo gli elementi e l'ottimizzazione dei modelli.

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

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

Eventi utente

1. Quali eventi utente devo raccogliere?

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

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

Nella console Search for Retail, vai alla pagina Qualità dei dati per consultare le metriche sulla qualità dei dati relativi al catalogo importato e agli eventi utente.

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

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

Per gli eventi in tempo reale, consigliamo di integrare i pixel di monitoraggio in Google Tag Manager, poiché gli eventi vengono ritardati rispetto a GA360.

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

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

5. Come faccio a inserire gli eventi in Recommendations AI?

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

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

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

Il rendimento del modello è in genere migliore quando ci sono più eventi per voce di catalogo. Per i siti con grandi quantità di traffico e cataloghi più piccoli, potresti iniziare con un volume minore di eventi storici, ma in genere servono almeno alcune settimane di dati storici e gli eventi in tempo reale da questo momento in poi.

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

Se non disponi di un valore per la quantità, puoi passare il valore predefinito 1 senza influire sui risultati del modello. Per gli articoli è sempre impostato il valore displayPrice (può essere qualsiasi cosa venga mostrata all'utente, ad esempio un prezzo scontato). Il prezzo e il costo originali sono facoltativi.

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

Consulta i requisiti per i dati sugli eventi utente per conoscere i requisiti minimi per i dati 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 saperne di più, consulta la sezione Personalizzazione.

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

La disponibilità basata sull'ID negozio e le opzioni di evasione degli ordini sono attributi del catalogo dei prodotti. Le opzioni di evasione ordini sono attributi come "consegna online", "acquista 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 classificati più in alto in base all'ID negozio nella richiesta.

3. Posso nascondere prodotti dai risultati di ricerca?

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

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

Sì, l'attributo [boostSpec] consente regole di ranking complesse.

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

Gli attributi dei prodotti non sono gerarchici. Tuttavia, potresti utilizzare più attributi personalizzati per fare questo. In questo esempio, puoi utilizzare attributi personalizzati per paese di produzione e città di produzione.

6. Come funzionano i suggerimenti?

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

Risultati previsione

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

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

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

2. Sono in grado di visualizzare i motivi per cui un modello ha consigliato 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 sconsigliamo di utilizzare le previsioni memorizzate nella cache. I modelli vengono riaddestrati giornaliera per incorporare le modifiche al catalogo e reagire alle nuove tendenze negli eventi utente, il che cambia anche i risultati.

4. Devo riclassificare i suggerimenti restituiti in base a una regola aziendale. Questa funzionalità è supportata?

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

Gli ordini di riranking del prezzo relativi agli articoli dal prezzo elevato sono rilevanti per primi nell'insieme dei suggerimenti restituiti ed è disponibile come personalizzazione integrata per i modelli Altri che ti potrebbero piacere e Consigliati per te.

Consulta la sezione Riranking dei prezzi.

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

Non esistono 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. Se possibile, ti consigliamo di limitare i tag di filtro a un massimo di 10 per voce di catalogo. 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 Vertex AI Search per quote e limiti di retail.

6. Posso diversificare i consigli?

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

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

Sì, Il riranking del prezzo fa sì che i prodotti consigliati con una probabilità di consiglio simile vengano ordinati per prezzo, partendo dagli articoli con il prezzo più alto. La pertinenza viene comunque utilizzata anche per ordinare gli articoli, quindi abilitare il re-ranking del prezzo non è la stessa cosa che ordinare per prezzo. Il re-ranking del prezzo può essere specificato nella configurazione di pubblicazione o nei parametri della richiesta di previsione.

ottimizzabili

1. Ho caricato il mio catalogo e i miei eventi, ma ricevo ancora questa risposta quando chiamo l'API Previsione: "Il modello di suggerimenti non è pronto. Puoi impostare "dryRun" su true nella richiesta di previsione ai fini dell'integrazione, in modo da restituire gli articoli del catalogo arbitrari dal tuo catalogo (NON utilizzarlo 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 è necessario per addestrare un modello?

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

3. Posso scaricare o esportare il modello?

No.

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

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

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

Sì, Consigliato per te è utile nelle pagine delle categorie. Una pagina di categoria è simile a una home page, ad eccezione del fatto 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 di filtro personalizzati (corrispondenti a ogni pagina di categoria) agli articoli del 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 campo filter. Vengono restituiti solo i risultati dei suggerimenti che corrispondono al tag di filtro richiesto. La diversità dovrebbe 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 delle previsioni sono personalizzati dall'utente per i tipi di modelli 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 in base alle precedenti interazioni dell'utente con il tuo sito, puoi ricevere suggerimenti non personalizzati utilizzando un ID visitatore unico casuale in una richiesta di previsione. Assicurati di farlo solo per le richieste nelle configurazioni di gestione che non vuoi personalizzare.

Console Search for Retail

1. Ho eliminato definitivamente un certo numero di eventi, ma la dashboard mostra ancora 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 il conteggio corrente o il numero di eventi.

In genere, gli eventi utente dovrebbero essere mantenuti attivi dopo che sono stati registrati. L'eliminazione definitiva degli eventi non è consigliata. Se vuoi 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 di eventi utente. L'eliminazione definitiva di un evento può richiedere diversi giorni.

2. Come faccio a capire se si verificano errori nel mio 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 in caso di problemi di sintassi o se per qualche motivo la richiesta non può essere elaborata.

La dashboard di Search for Retail mostra la percentuale di eventi non uniti, che è anche una metrica utile da usare per individuare problemi relativi al catalogo o agli eventi. Gli eventi non uniti (o chiamate di previsione non unite) si verificano quando viene specificato un ID articolo che non è nel catalogo. Questo di solito significa che il catalogo non è aggiornato e gli articoli nuovi o modificati devono essere caricati, ma può anche essere dovuto al passaggio di ID articolo non validi. Controlla le richieste per assicurarti che gli ID articolo siano mappati correttamente al catalogo, poi controlla il catalogo che hai caricato per assicurarti che gli articoli esistano.

Puoi utilizzare Cloud Monitoring e Cloud Logging 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 è pronto per l'esecuzione di query.

4. In quale valuta vengono registrate le metriche sulle entrate di Search for Retail?

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

Se prevedi di utilizzare la console Search for Retail per ottenere le metriche sulle entrate, assicurati che tutti gli eventi utilizzino un'unica valuta o convertili tutti nella stessa valuta prima di caricarli su Vertex AI Search for Retail.