Dans Vertex AI Search pour le commerce, vous bénéficiez à la fois de la fonctionnalité de recommandations et de la fonctionnalité de recherche et de navigation. Vous pouvez importer et gérer les informations des catalogues de produits et les journaux des événements utilisateur pour vos applications d'e-commerce. Vous pouvez obtenir et personnaliser les résultats en fonction de ces informations. Ces données continuent d'être utilisées pour entraîner et mettre à jour les modèles, ce qui améliore vos recommandations et les résultats de recherche.
Pour en savoir plus sur l'implémentation de Vertex AI Search pour le commerce dans votre application, consultez Implémenter Vertex AI Search pour le commerce.
Recommandations
Vertex AI Search pour le commerce vous permet de créer des systèmes de recommandation de produits personnalisés de haute qualité, sans nécessiter un niveau d'expertise approfondie en machine learning, en conception de systèmes ou en gestion des opérations. En s'appuyant sur les produits de votre site et sur le comportement des utilisateurs, vous pouvez utiliser les recommandations pour créer des modèles de recommandation spécifiques à votre cas d'utilisation, tels que "Articles fréquemment achetés ensemble" et "Recommandations personnalisées".
Vertex AI Search pour le commerce utilise les événements utilisateur et votre catalogue de produits pour entraîner vos modèles de machine learning de recommandation, qui fournissent des recommandations basées sur ces données.
Lorsque vous déployez des modèles de recommandation dans votre application, vous pouvez ensuite demander des recommandations pour d'autres produits de votre catalogue et les afficher pour vos utilisateurs.
Voici quelques exemples de fonctionnalités de Recommendations :
Modèles personnalisés. Chaque modèle est entraîné spécifiquement pour vos données, en fonction de modèles de machine learning basés sur des séquences et utilisant des transformateurs.
Résultats personnels Utilisez des algorithmes de personnalisation sans aucune expertise en machine learning. Les recommandations sont basées sur le comportement des utilisateurs et sur les activités telles que les vues, les clics, les achats en magasin et l'activité en ligne, afin que chaque résultat de prédiction soit personnalisé.
Prédictions en temps réel. Chaque recommandation diffusée prend en compte l'activité passée de l'utilisateur (clics, vues de page et achats, par exemple) pour fournir des recommandations en temps réel.
Entraînement et réglage automatiques du modèle. Le réentraînement quotidien du modèle garantit que tous les modèles peuvent capturer avec précision le comportement des utilisateurs, chaque jour.
Objectifs d'optimisation. Les objectifs tels que le taux de conversion, le taux de clics et l'optimisation des revenus vous aident à améliorer les performances en fonction de vos objectifs commerciaux.
Recommandations omnicanales. Avec le modèle d'API, vous pouvez aller au-delà des recommandations sur les sites Web pour personnaliser tout le parcours client grâce aux recommandations sur applications mobiles, par e-mail, sur des kiosques en magasin ou encore dans les applications de centre d'appels.
Rechercher
Vertex AI Search pour le commerce vous permet de fournir des résultats de recherche de produits de haute qualité, personnalisables en fonction des besoins de votre activité commerciale. Tirez parti des requêtes et de la compréhension contextuelle de Google pour améliorer la découverte des produits sur votre site Web et vos applications mobiles.
Les fonctionnalités de recherche incluent :
Hiérarchies de produits : vous pouvez inclure des collections et des variantes dans votre catalogue de produits inclus dans l'index de recherche.
Expansion de la requête : augmentez les résultats pertinents renvoyés pour des termes de requête qui généreraient normalement moins de résultats, comme les requêtes utilisant des mots clés très spécifiques.
Seuil de pertinence : ajustez la manière dont Vertex AI Search pour le commerce équilibre la précision renvoyée (la pertinence des résultats de recherche renvoyés) et le rappel (le fait de renvoyer davantage de résultats pour cette requête).
Pagination : contrôlez la pagination de vos résultats de recherche afin de réduire la durée de recherche et la taille de la réponse.
Filtrage : utilisez la syntaxe d'expression pour fournir un filtre permettant d'affiner les résultats de recherche de votre site.
Tri : définissez l'ordre des résultats de recherche en utilisant plusieurs champs par ordre de priorité.
Attribut : utilisez des attributs pour fournir des options plus pertinentes à vos utilisateurs sur la base des attributs fournis. Des buckets doivent être fournis pour les attributs numériques de la requête de recherche, afin de les renvoyer dans la réponse de recherche.
Attribut dynamique : générez automatiquement des clés d'attributs en fonction des requêtes de recherche puis combinez (et reclassez) automatiquement les clés d'attribut fournies dans la requête de recherche. Cette fonctionnalité est basée sur une liste d'autorisation. Contactez l'assistance pour obtenir de l'aide concernant l'activation de cette fonctionnalité.
Remonter et redescendre : contrôlez le classement des résultats de recherche en augmentant ou en réduisant la priorité donnée à certains types de résultats.
Parcourir : obtenez des résultats triés pour maximiser les revenus lorsque vos utilisateurs parcourent les produits à l'aide de la navigation sur le site. La navigation par recherche peut être combinée aux filtres, au tri, aux attributs, aux attributs dynamiques, et aux classements des résultats "Boost and Bury".
Résultats personnels Fournissez des résultats de recherche textuelle et de navigation personnalisés pour chaque utilisateur final, en fonction de son comportement sur votre site, y compris son historique de produits consultés, de clics, d'ajouts au panier et d'achats.
Utiliser Vertex AI Search pour le commerce
Afin de créer des modèles de machine learning pour les recommandations ou la recherche, vous devez fournir deux ensembles d'informations :
Catalogue de produits : informations sur les produits recommandés aux clients. Cela inclut le nom des produits, leur description, leur disponibilité en stock et leur prix.
Événements utilisateur : le comportement des utilisateurs finaux sur votre site Web. Cela inclut les événements tels que la consultation ou l'achat d'un article spécifique par un utilisateur, ou l'affichage d'une liste de produits par votre site Web pour l'utilisateur.
Grâce aux nombreuses options d'intégration, vous pouvez ingérer vos données à l'aide d'outils que vous utilisez peut-être déjà tels que BigQuery, Cloud Storage, Tag Manager et Google Analytics.