Mit Vertex AI Search for Retail können Sie sowohl Empfehlungen als auch Such- und Suchansichtsfunktionen nutzen. Sie können Produktkataloginformationen und Nutzerereignisprotokolle für Ihre E-Commerce-Anwendungen hochladen und verwalten. Sie haben dann die Möglichkeit, Ergebnisse anhand dieser Informationen abrufen und anzupassen. Diese Daten werden weiterhin zum Trainieren und Aktualisieren von Modellen verwendet, um Ihre Empfehlungen und Suchergebnisse zu verbessern.
Weitere Informationen zum Implementieren von Vertex AI Search for Retail in Ihrer Anwendung finden Sie unter Vertex AI Search for Retail implementieren.
Empfehlungen
Mit Vertex AI Search for Retail können Sie hochwertige, personalisierte Produktempfehlungssystemen, ohne dass ein hohes Maß an Fachwissen maschinelles Lernen, Systemdesign oder Betrieb. Anhand der Produkte und des Nutzerverhaltens auf Ihrer Website können Sie Empfehlungsmodelle erstellen, die speziell auf Ihren Anwendungsfall zugeschnitten sind, z. B. „Häufig zusammen gekauft“ und „Empfohlen für Sie“.
Vertex AI Search for Retail verwendet Nutzerereignisse und Ihren Produktkatalog, um Ihre Empfehlungsmodelle für maschinelles Lernen zu trainieren, die Empfehlungen auf Basis dieser Daten bereitstellen.
Wenn Sie Empfehlungsmodelle in Ihrer Anwendung bereitstellen, können Sie Empfehlungen für andere Produkte in Ihrem Katalog und die Sie Ihren Nutzern anzeigen.
Zu den Empfehlungen gehören:
Benutzerdefinierte Modelle Jedes Modell wird speziell für Ihre Daten trainiert. Dazu werden sequenzbasierte Modelle für maschinelles Lernen mit Transformers verwendet.
Persönliche Ergebnisse. Nutzen Sie Personalisierungsalgorithmen ohne Fachwissen in maschinellem Lernen. Empfehlungen basieren auf dem Nutzerverhalten und Aktivitäten wie Ansichten, Klicks und Käufen im Geschäft sowie Onlineaktivitäten, sodass jedes Vorhersageergebnis personalisiert wird.
Echtzeitvorhersagen Bei jeder bereitgestellten Empfehlung werden vorherige Nutzeraktivitäten wie Klick-, Aufruf- und Kaufereignisse berücksichtigt, sodass Empfehlungen in Echtzeit erfolgen.
Automatisches Modelltraining und -abstimmung. Die tägliche Modellaktualisierung sorgt dafür, dass alle Modelle täglich das Nutzerverhalten genau erfassen können.
Optimierungsziele. Ziele wie die Conversion-Rate, die Klickrate und die Umsatzoptimierung unterstützen Sie dabei, Ihr Geschäftsziel genau zu optimieren.
Omni-Channel-Empfehlungen. Mit dem API-Modell können Sie über Websiteempfehlungen hinausgehen und das gesamte Einkaufserlebnis durch Empfehlungen zu mobilen Apps, personalisierten E-Mail-Empfehlungen, Ladengeschäften oder Callcenter-Anwendungen personalisieren.
Suchen
Mit Vertex AI Search for Retail können Sie qualitativ hochwertige Produktsuchergebnisse bereitstellen, die sich an die Anforderungen Ihres Einzelhandelsunternehmens anpassen lassen. Mit dem Abfrage- und Kontextverständnis von Google können Sie die Produkterkennung auf Ihrer Website und in mobilen Anwendungen verbessern.
Zu den Suchfunktionen gehören:
Produkthierarchien: Sie können Sammlungen und Varianten in Ihren suchbaren Produktkatalog aufnehmen.
Suchanfragenerweiterung: Erhöhen Sie die relevanten Ergebnisse für Abfragebegriffe, die normalerweise weniger Ergebnisse liefern, z. B. Abfragen, die sehr spezifische Keywords verwenden.
Relevanzschwellenwerte: Passen Sie das Guthaben von Vertex AI Search für den Einzelhandel an. Precision (Relevanz der zurückgegebenen Suchergebnisse) und Recall (mehr Ergebnisse für diese Abfrage zurückgeben).
Paginierung: Passen Sie die Paginierung Ihrer Suchergebnisse an, um Suchzeit und Antwortgröße zu verringern.
Filter: Verwenden Sie die Ausdruckssyntax, um die Suchergebnisse Ihrer Website durch Filter zu verfeinern.
Reihenfolge: Legen Sie die Reihenfolge der Suchergebnisse nach mehreren Feldern in der Reihenfolge ihrer Priorität fest.
Attributerstellung: Sie können Attribute generieren und auf dieser Basis Nutzern weitere relevante Optionen bereitstellen. Für numerische Attribute müssen in der Suchanforderung Buckets angegeben werden, damit sie in der Suchantwort zurückgegeben werden.
Dynamische Attribute: Hiermit werden Attributschlüssel anhand der Suchanfragen automatisch generiert und automatisch mit den in der Suchanfrage angegebenen Attributschlüsseln kombiniert (und neu eingestuft). Diese Funktion basiert derzeit auf einer Zulassungsliste. Kontakt um Hilfe bei der Aktivierung dieser Funktion zu erhalten.
Boosting und Burying: Sie können das Ranking der Suchergebnisse steuern, indem Sie bestimmte Ergebnistypen priorisieren oder herabstufen.
Browser: Sie erhalten nur Suchergebnisse, die so sortiert sind, dass Sie den Umsatz maximieren, Nutzende die Produkte mithilfe der Website-Navigation durchsuchen. Die Stöbersuche kann kombiniert werden mit Filtern, Sortieren, Facettieren, Dynamic Facett, Boosting und Herabsetzen.
Persönliche Ergebnisse. Personalisierte Text- und Stöbersuche bereitstellen Ergebnisse, die für jeden Endnutzer basierend auf dessen des Nutzerverhaltens auf Ihrer Website, einschließlich der bisherigen Produktaufrufe der Nutzer, „In den Einkaufswagen“ und „Käufe“.
Vertex AI Search for Retail verwenden
Um Modelle für maschinelles Lernen für Empfehlungen oder Suchanfragen zu erstellen, müssen Sie zwei Informationen bereitstellen:
Produktkatalog: Informationen zu den Produkten, die Kunden empfohlen werden. Dazu gehören der Produkttitel, die Beschreibung, die Lagerverfügbarkeit und die Preise.
Nutzerereignisse: Das Verhalten der Endnutzer auf Ihrer Website. Dazu gehören Ereignisse etwa wenn ein Nutzer einen bestimmten Artikel ansieht oder kauft oder wenn Ihre auf der Website den Nutzenden eine Liste mit Produkten angezeigt wird.
Durch zahlreiche Integrationsoptionen können Sie Ihre Daten mit Tools aufnehmen, die Sie möglicherweise bereits verwenden, z. B. BigQuery, Cloud Storage, Merchant Center, Tag Manager und Google Analytics.