在适用于零售的 Vertex AI Search 产品中，您可以获得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并自定义结果，并且这些数据将继续用于训练和更新模型，从而改进您的推荐和搜索结果。
如需详细了解为应用实现零售版 Vertex AI Search 的流程，请参阅为零售业实现 Vertex AI Search。
建议
借助推荐功能，您可以构建高质量的个性化商品推荐系统，而无需具备机器学习、系统设计或操作方面的高水平专业知识。根据网站的零售商品和用户行为，您可以使用建议来构建特定于您的使用场景的推荐模型，例如“经常一起购买”和“为您推荐”。
适用于零售业的 Vertex AI Search 使用用户事件和您的商品清单来训练您的推荐机器学习模型，这些模型会根据这些数据提供商品推荐。
将推荐模型部署到应用时，您可以请求为目录中的其他商品添加推荐并向用户显示。
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
借助 Google 搜索，您可以提供高质量的商品搜索结果，并且您可以根据自己的零售业务需求自定义这些搜索结果。利用 Google 的查询和上下文理解，让用户更容易在您的网站和移动应用中发现您的商品。
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：调整适用于零售业的 Vertex AI Search 平衡返回精确率（返回搜索结果的相关性）和召回率（为该查询返回更多结果）的方式。
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。如需启用此功能方面的帮助，请与搜索支持团队联系。
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浏览商品时，获取已排序的结果，以便最大限度地提高收入。浏览搜索可以与过滤、排序、分面、动态分面、提升和掩埋结合使用。
个性化结果。根据每位用户在您的网站上的行为（包括每个用户的商品查看、点击、添加到购物车和购买历史记录），提供个性化的文本搜索并浏览针对每位最终用户个性化的搜索结果。
将 Vertex AI Search 用于零售业
为了构建用于推荐内容或搜索的机器学习模型，您需要提供两组信息：
商品清单：有关向客户推荐的商品的信息。包括商品名、说明、有货库存状况和价格。
用户事件：您的网站上的最终用户行为。这包括用户查看或购买特定商品，或您的网站向用户显示商品列表等事件。
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（分析）等您可能已在使用的数据来注入数据。