Dans le produit Vertex AI Search pour le commerce, vous bénéficiez à la fois de la fonctionnalité de recommandations ainsi que les fonctionnalités 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 le processus d'implémentation de Vertex AI Search pour le commerce pour votre application, consultez Implémenter Vertex AI Search pour le commerce.
Recommandations
Vertex AI Search for retail 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. Tirer parti des ventes de votre site et le comportement des utilisateurs, vous pouvez utiliser les recommandations pour créer des modèles spécifiques à votre cas d'utilisation, tels que "Produits fréquemment achetés ensemble" et "Recommandations personnalisées".
Vertex AI Search pour le commerce s'appuie sur les événements utilisateur et votre catalogue de produits pour entraîner vos modèles de machine learning de recommandation, qui fournissent sur la base de 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.
Les fonctionnalités de Recommendations incluent :
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. Tirez parti d'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.
Recherche
Vertex AI Search pour le commerce vous permet de fournir des résultats de recherche de produits de haute qualité personnalisables selon les besoins de votre entreprise de vente au détail. Utiliser la requête de Google et la compréhension du contexte pour améliorer la visibilité de vos produits sur votre site Web et des applications mobiles.
Les fonctionnalités de recherche incluent les suivantes :
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 renvoyé (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 actuellement basée sur une liste d'autorisation. Contact 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 des produits à l'aide de la navigation sur le site. La recherche dans le catalogue peut être combinée au filtrage, au tri, aux attributs, aux attributs dynamiques, et aux classements des résultats "Boost and Bury".
Résultats personnels Proposez des recherches textuelles personnalisées et des recherches par navigation des résultats personnalisés pour chaque utilisateur final, en fonction de ses sur votre site, y compris l'historique des vues de produits de chaque utilisateur, les clics, les ajouts au panier et les achats.
Utiliser Vertex AI Search pour le commerce
Pour 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 pour clients. Cela inclut le titre, la description, la disponibilité en stock et le prix des produits.
Événements utilisateur : le comportement des utilisateurs finaux sur votre site Web. Cela inclut les événements tels que lorsqu'un utilisateur consulte ou achète un article spécifique, ou lorsque votre site Web lui présente une liste de produits.
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, Merchant Center, Tag Manager et Google Analytics.