在 Vertex AI Search for Retail 产品内，您可以同时获得商品推荐功能 以及搜索和浏览功能。 您可以上传和管理电子商务应用的商品清单信息和用户事件日志。您可以根据这些信息获取和自定义结果，而这些数据会继续用于训练和更新模型，从而改进推荐和搜索结果。
如需详细了解为您的应用实现 Vertex AI Search 零售解决方案的流程，请参阅实现 Vertex AI Search 零售解决方案。
建议
借助 Vertex AI Search for Retail，您不必具备有关机器学习、系统设计或操作方面的高水平专业知识，也能构建高质量的个性化产品推荐系统。利用您网站上的零售商品和用户行为，您可以使用推荐功能构建特定于您的用例的推荐模型，例如“经常一起购买的商品”和“为您推荐”。
面向零售业的 Vertex AI Search 使用用户事件和您的商品清单进行训练 推荐机器学习模型，用于提供 生成自定义文本。
将推荐模型部署到应用后，您可以 为您目录中的其他商品推荐合适的商品，并向用户显示。
推荐功能包括：
自定义模型。每个模型都基于使用转换器的基于序列的机器学习模型，针对您的数据进行训练。
个性化结果。利用个性化算法，而无需任何机器学习专业知识。建议基于用户行为和活动，如浏览、点击和店内购买以及在线活动，因此每个预测结果都是个性化的。
实时预测。提供的每条建议都会考虑用户之前的活动，例如点击、视图和购买事件，因此建议是实时的。
自动训模型练和微调。每日模型重新训练可确保所有模型都能准确捕捉用户每天的行为。
优化目标。转化率、点击率和收入优化等目标可帮助您精确优化业务目标。
全渠道建议。借助 API 模型，不仅可以提供网站推荐，还可以个性化您的整个购物之旅，包括移动应用推荐、个性化电子邮件推荐、商店信息亭或呼叫中心应用。
搜索
Vertex AI Search for Retail 可让您提供高质量的商品搜索结果 可根据您的零售业务需求进行自定义利用 Google 的查询和上下文认知，可改善您的网站和移动应用中的商品发现。
搜索功能包括：
商品层次结构：您可以在可搜索的商品清单中添加集合和款式/规格。
查询扩展：针对通常产生结果较少的查询字词（例如使用非常具体的关键字的查询）增加相关结果。
相关性阈值：调整 Vertex AI Search for Retail 如何平衡返回精确率（返回的搜索结果的相关性）和召回率（返回查询的更多结果）。
分页：控制搜索结果的分页，以缩短查询时间和减小响应大小。
过滤：使用表达式语法提供可优化网站搜索结果的过滤功能。
排序：按优先级顺序并由多个字段设置搜索结果的顺序。
分面：生成构面，以根据您提供的属性为用户提供相关度更高的选项。 需要在搜索请求中为数值特性提供分桶，以便在搜索响应中返回这些分桶。
动态构面：根据搜索查询自动生成构面键，并自动与搜索请求中提供的构面键进行组合（和重新排序）。此功能目前基于许可名单。联系 获取有关如何启用此功能的帮助信息。
提升和掩埋：通过确定某些类型的结果的优先级或降低其优先级来控制搜索结果排名。
浏览：在用户使用网站导航功能浏览商品时，获取经过排序的结果，以最大限度地提高收入。浏览式搜索可以与过滤、排序、分面、动态分面、提升和掩埋结合使用。
个性化结果。根据每个最终用户在您网站上的行为（包括每个用户的产品浏览、点击、添加到购物车和购买记录）为其提供个性化的文本搜索和浏览搜索结果。
使用 Vertex AI Search for Retail
为了构建用于商品推荐或搜索的机器学习模型， 您需要提供两组信息：
商品清单：有关推荐给哪些商品的信息 客户。这包括商品名称、说明、库存状况和价格。
用户事件：您的网站上的最终用户行为。这包括事件 例如当用户查看或购买特定商品时，或您的 网站会向用户显示产品列表。
借助许多集成选项，您可以使用 BigQuery、Cloud Storage、Merchant Center、跟踪代码管理器和 Google Analytics 等您可能已在使用的数据来提取数据。