Dalam Vertex AI Search untuk produk retail, Anda akan mendapatkan kemampuan rekomendasi serta kemampuan penelusuran dan penjelajahan. Anda dapat mengupload dan mengelola informasi katalog produk serta log peristiwa pengguna untuk aplikasi e-commerce. Anda bisa mendapatkan dan menyesuaikan hasil berdasarkan informasi ini, dan data ini akan terus digunakan untuk melatih dan memperbarui model, sehingga meningkatkan rekomendasi dan hasil penelusuran Anda.
Untuk mengetahui informasi selengkapnya tentang proses penerapan Vertex AI Search untuk retail bagi aplikasi Anda, lihat Mengimplementasikan Vertex AI Search untuk retail.
Rekomendasi
Rekomendasi memungkinkan Anda membuat sistem rekomendasi produk yang dipersonalisasi dan berkualitas tinggi tanpa memerlukan keahlian tingkat tinggi dalam machine learning, desain sistem, atau operasi. Dengan memanfaatkan produk retail dan perilaku pengguna di situs, Anda dapat menggunakan rekomendasi untuk membuat model rekomendasi khusus kasus penggunaan, seperti "Sering Dibeli Bersama" dan "Direkomendasikan untuk Anda".
Vertex AI Search untuk retail menggunakan peristiwa pengguna dan katalog produk Anda untuk melatih model machine learning rekomendasi, yang memberikan rekomendasi berdasarkan data ini.
Saat men-deploy model rekomendasi ke aplikasi, Anda dapat meminta rekomendasi untuk produk lain dalam katalog Anda dan menampilkannya kepada pengguna.
Kemampuan rekomendasi meliputi:
Model kustom. Setiap model dilatih khusus untuk data Anda, berdasarkan model machine learning berbasis urutan menggunakan transformer.
Hasil yang dipersonalisasi. Manfaatkan algoritma personalisasi tanpa keahlian machine learning apa pun. Rekomendasi didasarkan pada perilaku dan aktivitas pengguna seperti penayangan, klik, dan pembelian di toko serta aktivitas online, sehingga setiap hasil prediksi dipersonalisasi.
Prediksi real-time. Setiap rekomendasi yang ditampilkan mempertimbangkan aktivitas pengguna sebelumnya seperti peristiwa klik, lihat, dan pembelian, sehingga rekomendasi bersifat real time.
Pelatihan dan penyesuaian model otomatis. Pelatihan ulang model harian memastikan semua model dapat menangkap perilaku pengguna setiap hari secara akurat.
Tujuan pengoptimalan. Sasaran seperti rasio konversi, rasio klik-tayang, dan pengoptimalan pendapatan membantu Anda mengoptimalkan sasaran bisnis dengan tepat.
Rekomendasi omnichannel. Dengan model API, Anda dapat memanfaatkan lebih dari sekadar rekomendasi situs untuk mempersonalisasi seluruh perjalanan pembeli hingga mendapatkan rekomendasi di aplikasi seluler, rekomendasi email yang dipersonalisasi, kios toko, atau aplikasi pusat panggilan.
Penelusuran
Penelusuran memungkinkan Anda memberikan hasil penelusuran produk berkualitas tinggi yang dapat disesuaikan untuk kebutuhan bisnis retail Anda. Manfaatkan kueri dan pemahaman kontekstual Google untuk meningkatkan penemuan produk di seluruh situs dan aplikasi seluler Anda.
Kemampuan penelusuran meliputi:
Hierarki produk: Anda dapat menyertakan koleksi dan varian dalam katalog produk yang dapat ditelusuri.
Perluasan kueri: Meningkatkan hasil relevan yang ditampilkan untuk istilah kueri yang biasanya akan menghasilkan lebih sedikit hasil, seperti kueri yang menggunakan kata kunci yang sangat spesifik.
Batas relevansi: Menyesuaikan cara Vertex AI Search untuk saldo retail menampilkan presisi (relevansi hasil penelusuran yang ditampilkan) dan penarikan (menampilkan lebih banyak hasil untuk kueri tersebut).
Penomoran halaman: Mengontrol penomoran halaman hasil penelusuran untuk mengurangi waktu pencarian dan ukuran respons.
Pemfilteran: Gunakan sintaksis ekspresi untuk menyediakan pemfilteran yang akan menyaring hasil penelusuran situs Anda.
Pengurutan: Menetapkan urutan hasil penelusuran berdasarkan beberapa kolom sesuai urutan prioritas.
Faceting: Membuat facet untuk memberikan opsi yang lebih relevan kepada pengguna berdasarkan atribut yang Anda berikan. Bucket harus disediakan untuk atribut numerik dalam permintaan penelusuran agar ditampilkan dalam respons penelusuran.
Faceting dinamis: Secara otomatis menghasilkan kunci faset berdasarkan kueri penelusuran, serta secara otomatis menggabungkan (dan mengurutkan ulang) dengan kunci faset yang disediakan dalam permintaan penelusuran. Fitur ini saat ini didasarkan pada daftar yang diizinkan. Hubungi dukungan penelusuran untuk mendapatkan bantuan dalam mengaktifkan fitur ini.
Meningkatkan dan menyembunyikan: Mengontrol peringkat hasil penelusuran dengan memprioritaskan atau mengurangi beberapa jenis hasil.
Browsing: Mendapatkan hasil yang diurutkan untuk memaksimalkan pendapatan saat pengguna menjelajahi produk menggunakan navigasi situs. Penelusuran penjelajahan dapat dikombinasikan dengan pemfilteran, pengurutan, facet, facet dinamis, peningkatan, dan pengurangan.
Hasil yang dipersonalisasi. Memberikan hasil penelusuran dan jelajahi teks yang dipersonalisasi yang dipersonalisasi untuk setiap pengguna akhir, berdasarkan perilaku setiap pengguna di situs Anda, termasuk histori tampilan produk, klik, penambahan ke keranjang, dan pembelian setiap pengguna.
Menggunakan Vertex AI Search untuk retail
Untuk membangun model machine learning untuk rekomendasi atau penelusuran, Anda harus menyediakan dua set informasi:
Katalog produk: Informasi tentang produk yang direkomendasikan kepada pelanggan. Hal ini mencakup judul, deskripsi, ketersediaan tersedia, dan harga produk.
Peristiwa pengguna: Perilaku pengguna akhir di situs Anda. Hal ini termasuk peristiwa seperti saat pengguna melihat atau membeli item tertentu, atau saat situs Anda menampilkan daftar produk kepada pengguna.
Dengan banyak opsi integrasi, Anda dapat menyerap data menggunakan alat yang mungkin sudah digunakan, seperti BigQuery, Cloud Storage, Merchant Center, Tag Manager, dan Google Analytics.