Dies ist die Dokumentation für Recommendations AI, Retail Search und die neue Retail Console. Wenn Sie Retail Search in der eingeschränkten GA-Phase nutzen möchten, wenden Sie sich an den Cloud-Vertrieb.

Wenn Sie Recommendations AI nur verwenden, bleiben Sie in der Recommendations-Konsole und sehen Sie sich die Dokumentation zu Recommendations AI an.

Features und Funktionen der Retail API

Recommendations AI und Retail Search nutzen die Retail API. Sie können mit der Retail API Produktkataloginformationen und Nutzerereignislogs für Ihre Websites hochladen und verwalten. Sie haben dann die Möglichkeit, Ergebnisse anhand dieser Informationen abrufen und anzupassen. Die Retail API verwendet diese Daten weiterhin zum Trainieren und Aktualisieren von Modellen, um Ihre Vorhersagen und Suchergebnisse zu verbessern.

Weitere Informationen zum Implementieren von Retail für Ihre Website finden Sie unter Retail implementieren.

Recommendations AI

Mit Recommendations AI können Sie qualitativ hochwertige Systeme zur Produktempfehlung erstellen, ohne umfassendes Fachwissen im Bereich maschinelles Lernen, Systemdesign oder Betrieb haben zu müssen. Auf Basis der Katalogprodukte und des Nutzerverhaltens auf Ihrer Website erstellt die Retail API ein Empfehlungsmodell, das speziell auf Ihr Unternehmen zugeschnitten ist. Sie können dann Empfehlungen für andere Katalogprodukte anfordern, die Ihren Nutzern angezeigt werden.

Die Retail API verwendet Nutzerereignisse und Ihren Produktkatalog, um Modelle für maschinelles Lernen mit Empfehlungen zu trainieren, die Empfehlungen auf Basis dieser Daten bereitstellen.

Recommendations AI bietet unter anderem folgende Funktionen:

  • 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.

Mit Retail Search können Sie qualitativ hochwertige Produktergebnisse bereitstellen, die sich an Ihre geschäftlichen Anforderungen anpassen lassen. Mit dem Abfrage- und Kontextverständnis von Google können Sie die Produkterkennung auf Ihrer Website und in mobilen Anwendungen verbessern.

Zu den Funktionen von Retail Search 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.

  • Relevanzschwellenwert: Passen Sie an, wie Retail die Rückgabegenauigkeit (die Relevanz der zurückgegebenen Suchergebnisse) und die Trefferquote (zurückgegebene Ergebnisse für diese Abfrage) ausgleicht.

  • 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. Für Unterstützung beim Aktivieren dieses Features wenden Sie sich an den Retail Search-Support.

  • Boosting und Burying: Sie können das Ranking der Suchergebnisse steuern, indem Sie bestimmte Ergebnistypen priorisieren oder herabstufen.

  • Browsing: Suchergebnisse basierend auf den in der Suchanfrage angegebenen Kategorien erhalten. Beachten Sie, dass das Abfragefeld in diesem Modus leer ist. Dies kann mit Filterung, Reihenfolge, Facettierung, dynamischer Attributierung, Boosting und Speicherung kombiniert werden. Diese Funktion basiert derzeit auf einer Zulassungsliste. Wenden Sie sich an den Retail Search-Support, um diese Funktion zu aktivieren.

Retail API verwenden

Zum Erstellen von Modellen für maschinelles Lernen für Empfehlungen oder Suchvorgänge benötigt Retail zwei Arten von Informationen:

  • Produktkatalog: Informationen zu Produkten, die an Kunden verkauft werden. Dies umfasst den Produkttitel, die Beschreibung, die Lagerverfügbarkeit, die Preise usw.

  • Nutzerereignisse: Das Verhalten der Endnutzer auf Ihrer Website. Dies umfasst Nutzer, die nach einem bestimmten Artikel suchen, einen Artikel ansehen oder kaufen, und Ihre Website, die Nutzern eine Produktliste anzeigt.

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.