Innerhalb des Produkts Vertex AI Search für den Einzelhandel erhalten Sie sowohl die Empfehlungsfunktion als auch die Such- und Stöberfunktion. Sie können Produktkataloginformationen und Nutzerereignisprotokolle für Ihre E-Commerce-Anwendungen hochladen und verwalten. Anhand dieser Informationen können Sie Ergebnisse abrufen und anpassen. Diese Daten werden weiterhin zum Trainieren und Aktualisieren von Modellen verwendet, um Ihre Empfehlungen und Suchergebnisse zu verbessern.
Weitere Informationen zur Implementierung von Vertex AI Search für den Einzelhandel für Ihre Anwendung finden Sie unter Vertex AI Search für den Einzelhandel implementieren.
Empfehlungen
Mit Empfehlungen können Sie hochwertige, personalisierte Produktempfehlungssysteme erstellen, ohne ein hohes Maß an Fachwissen in Bezug auf maschinelles Lernen, Systemdesign oder Betrieb zu benötigen. Anhand der Einzelhandelsprodukte und des Nutzerverhaltens auf Ihrer Website können Sie Empfehlungen verwenden, um Empfehlungsmodelle zu erstellen, die auf Ihren Anwendungsfall zugeschnitten sind, z. B. „Häufig zusammen gekauft“ und „Empfehlungen für Sie“.
Vertex AI Search für den Einzelhandel verwendet Nutzerereignisse und Ihren Produktkatalog, um Ihre Empfehlungsmodelle für maschinelles Lernen zu trainieren, die Empfehlungen auf der Grundlage dieser Daten liefern.
Wenn Sie Empfehlungsmodelle in Ihrer Anwendung bereitstellen, können Sie Empfehlungen für andere Produkte in Ihrem Katalog anfordern und Ihren Nutzern anzeigen.
Zu den Empfehlungsfunktionen 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 der Google Suche können Sie hochwertige Produktsuchergebnisse bereitstellen, die sich an die Anforderungen Ihres Einzelhandelsgeschäfts anpassen lassen. Nutzen Sie Abfragen und das Kontextverständnis von Google, um die Produktsuche auf Ihrer Website und in Ihren mobilen Anwendungen zu 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 an, wie Vertex AI Search für den Einzelhandel die Rückgabegenauigkeit (die Relevanz der zurückgegebenen Suchergebnisse) und die Trefferquote (mehr Ergebnisse für diese Abfrage zurückgibt) 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. Wenden Sie sich an den Support für die Google Suche, um Hilfe beim Aktivieren dieser Funktion zu erhalten.
Boosting und Burying: Sie können das Ranking der Suchergebnisse steuern, indem Sie bestimmte Ergebnistypen priorisieren oder herabstufen.
Stöbern: Sie erhalten sortierte Ergebnisse, die den Umsatz maximieren, wenn Nutzer über die Websitenavigation Produkte suchen. Die Stöbersuche kann mit Filtern, Sortierung, Facettierung, dynamischen Attributen, Boosting und Herabstufung kombiniert werden.
Persönliche Ergebnisse. Sie können eine personalisierte Textsuche bereitstellen und Suchergebnisse ansehen, die auf der Grundlage des Verhaltens der einzelnen Nutzer auf Ihrer Website für jeden Endnutzer personalisiert sind. Dazu gehören auch bisherige Produktaufrufe, Klicks, „In den Einkaufswagen“ und Käufe der einzelnen Nutzer.
Vertex AI Search für den Einzelhandel verwenden
Um Modelle für maschinelles Lernen für Empfehlungen oder die Suche zu erstellen, müssen Sie zwei Arten von Informationen angeben:
Produktkatalog:Informationen zu den Produkten, die Kunden empfohlen werden. Dazu gehören der Titel des Produkts, die Beschreibung, die Verfügbarkeit auf Lager und der Preis.
Nutzerereignisse: Das Verhalten der Endnutzer auf Ihrer Website. Dazu gehören Ereignisse, z. B. wenn ein Nutzer einen bestimmten Artikel ansieht oder kauft oder wenn ihm auf Ihrer Website eine Liste von 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.