All'interno del prodotto Vertex AI Search for Retail, hai a disposizione entrambe le funzionalità per i suggerimenti e la funzionalità di ricerca e navigazione. Puoi caricare e gestire il catalogo dei prodotti informazioni e log di eventi utente per le tue applicazioni di e-commerce. Puoi ottenere e personalizzare i risultati in base a queste informazioni e questi dati continuano a essere utilizzati per addestrare e aggiornare i modelli, migliorando così i consigli e i risultati di ricerca.
Per saperne di più sulla procedura di implementazione di Vertex AI Search for Retail per la tua applicazione, consulta Implementazione di Vertex AI Search for Retail.
Consigli
Vertex AI Search for Retail ti consente di creare contenuti personalizzati di alta qualità sistemi di consigli sui prodotti senza richiedere un elevato livello di competenza machine learning, progettazione dei sistemi o operazioni. Sfruttare la vendita al dettaglio del tuo sito prodotti e comportamento degli utenti, puoi utilizzare i consigli per creare modelli di suggerimento specifici per il tuo caso d'uso, ad esempio "Comprati spesso insieme" e "Consigliati per te".
Vertex AI Search for Retail utilizza gli eventi utente e il tuo catalogo di prodotti per addestrare i tuoi modelli di machine learning per i consigli, che forniscono consigli in base a questi dati.
Quando esegui il deployment dei modelli di consigli nella tua applicazione, puoi richiedere consigli per altri prodotti nel tuo catalogo e mostrarli agli utenti.
Le funzionalità dei suggerimenti includono:
Modelli personalizzati. Ogni modello viene addestrato specificamente per i tuoi dati, in base a modelli di machine learning basati su sequenze che utilizzano i trasformatori.
Risultati personalizzati. Sfrutta gli algoritmi di personalizzazione senza dover nel machine learning. I consigli si basano sul comportamento degli utenti e attività quali visualizzazioni, clic e acquisti in negozio, nonché online attività, in modo che ogni risultato delle previsioni sia personalizzato.
Previsioni in tempo reale. Ogni suggerimento pubblicato tiene conto di Attività utente, come eventi di clic, visualizzazione e acquisto, quindi i consigli vengono in tempo reale.
Addestramento e ottimizzazione automatici dei modelli. La riqualificazione giornaliera dei modelli garantisce che tutti i modelli possano acquisire con precisione il comportamento degli utenti ogni giorno.
Obiettivi di ottimizzazione. Obiettivi quali tasso di conversione, percentuale di clic e l'ottimizzazione delle entrate ti aiutano a ottimizzare con precisione in base al tuo obiettivo commerciale.
Consigli omnicanale. Con il modello API, vai oltre il sito web consigli per personalizzare l'intero percorso di acquisto consigli su app mobile, consigli personalizzati via email, store kiosk o applicazioni di call center.
Cerca
Vertex AI Search per la vendita al dettaglio ti consente di fornire risultati di ricerca dei prodotti di alta qualità personalizzabili in base alle esigenze della tua attività di vendita al dettaglio. Sfrutta la query di Google e la comprensione del contesto per migliorare la scoperta dei prodotti sul tuo sito web e applicazioni per dispositivi mobili.
Le funzionalità di ricerca includono:
Gerarchie di prodotti: puoi includere collezioni e varianti nel catalogo dei prodotti disponibile per la ricerca.
Espansione della query: aumenta i risultati pertinenti restituiti per i termini di query. che normalmente produrrebbero meno risultati, come le query che usano per parole chiave specifiche.
Soglia di pertinenza: regola il modo in cui Vertex AI Search for Retail bilancia la precisione restituita (la pertinenza dei risultati di ricerca restituiti) e il richiamo (restituzione di più risultati per la query).
Impaginazione: controlla l'impaginazione dei risultati di ricerca per ridurre il tempo di ricerca e le dimensioni della risposta.
Filtro: utilizza la sintassi delle espressioni per applicare un filtro che perfeziona i risultati di ricerca del tuo sito.
Ordinamento: imposta l'ordine dei risultati di ricerca in base a più campi in ordine di priorità.
Livelli di filtrazione: genera livelli di filtrazione per offrire opzioni più pertinenti ai tuoi utenti in base agli attributi che fornisci. Devi fornire i bucket attributi numerici nella richiesta di ricerca per restituirli nella ricerca la risposta corretta.
Livelli dinamici: genera automaticamente le chiavi dei livelli in base alle query di ricerca e combina (e ricalcola il ranking) automaticamente con le chiavi dei livelli fornite nella richiesta di ricerca. Questa funzionalità è attualmente basata su una lista consentita. Contatto assistenza per l'attivazione di questa funzionalità.
Boosting and burying: controlla il ranking dei risultati di ricerca dando priorità o ridurre la priorità di alcuni tipi di risultati.
Navigazione: visualizza i risultati ordinati in modo da massimizzare le entrate quando gli utenti scelgono i prodotti utilizzando la navigazione del sito. La ricerca nella visualizzazione elenco può essere combinata con filtri, ordinamento, suddivisione in elementi, suddivisione in elementi dinamici, boosting e occultamento.
Risultati personalizzati. Offri ricerche testuali e con navigazione personalizzate personalizzati per ciascun utente finale, in base alla propria comportamento degli utenti sul tuo sito, inclusa la cronologia delle visualizzazioni dei prodotti di ciascun utente clic, aggiunta al carrello e acquisti.
Utilizza Vertex AI Search for Retail
Per creare modelli di machine learning per suggerimenti o ricerche, devi fornire due serie di informazioni:
Catalogo dei prodotti: informazioni sui prodotti a cui vengono consigliati clienti. tra cui titolo, descrizione e disponibilità del prodotto disponibilità e prezzi.
Eventi utente: comportamento dell'utente finale sul tuo sito web. Sono inclusi gli eventi ad esempio quando un utente visualizza o acquista un articolo specifico o quando mostra all'utente un elenco di prodotti.
Grazie alle numerose opzioni di integrazione, puoi importare i tuoi dati utilizzando strumenti come BigQuery, Cloud Storage, Merchant Center, Tag Manager e Google Analytics.