Ce document concerne Recommendations AI, Retail Search et la nouvelle console Retail. Pour utiliser Retail Search dans la phase en disponibilité limitée, contactez le service commercial Cloud.

Si vous n'utilisez que Recommendations AI, restez dans la console Recommendations AI et consultez la documentation sur Recommendations AI.

Fonctionnalités et caractéristiques de l'API Retail

Recommendations AI et Retail Search utilisent l'API Retail. L'API Retail vous permet d'importer et de gérer les informations des catalogues de produits et les journaux des événements utilisateur pour vos sites Web. Vous pouvez obtenir et personnaliser les résultats en fonction de ces informations. L'API Retail continue d'utiliser ces données pour entraîner et mettre à jour les modèles afin d'améliorer vos prédictions et les résultats de recherche.

Pour en savoir plus sur le processus de mise en œuvre de Retail pour votre site Web, consultez la page Mettre en œuvre Retail.

Recommendations AI

Recommendations AI vous permet de créer des systèmes de recommandation de produits personnalisés de haute qualité, sans nécessiter un niveau d'expertise approfondie en machine learning ou en conception de systèmes. En s'appuyant sur les produits du catalogue de votre site Web et sur le comportement des utilisateurs, l'API Retail crée un modèle de recommandation spécifique à votre entreprise. Vous pouvez ensuite demander des recommandations d'autres produits de catalogue à afficher pour vos utilisateurs.

L'API Retail utilise les événements utilisateur et votre catalogue de produits pour entraîner des modèles de machine learning de recommandation, qui fournissent des recommandations basées sur ces données.

Les fonctionnalités de Recommendations AI 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.

Retail Search vous permet de fournir des résultats de haute qualité, personnalisables en fonction des objectifs de votre entreprise. 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 Retail Search 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 Retail 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. Contactez l'assistance Retail Search 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 de recherche en fonction des catégories fournies dans la requête de recherche. Notez que le champ de requête est vide dans ce mode. Il peut être combiné aux fonctionnalités "Filtrage", "Tri", "Attribut", "Attribut dynamique" et "Remonter et redescendre". Cette fonctionnalité est actuellement basée sur une liste d'autorisation. Contactez l'assistance Retail Search pour obtenir de l'aide concernant l'activation de cette fonctionnalité.

Utiliser l'API Retail

Afin de créer des modèles de machine learning pour les recommandations ou la recherche, Retail a besoin de deux ensembles d'informations :

  • Catalogue de produits : les informations concernant les produits vendus aux clients. Cela inclut le nom des produits, leur description, leur disponibilité en stock, leur prix, etc.

  • Événements utilisateur : le comportement des utilisateurs finaux sur votre site Web. Cela inclut les utilisateurs qui recherchent, consultent ou achètent un article spécifique, l'affichage d'une liste de produits par votre site Web pour les utilisateurs, etc.

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.