レコメンデーション モデルについて

このページでは、デフォルトのサービス構成と最適化目標、使用可能なカスタマイズ、サポートされているイベントタイプを含むレコメンデーション モデルについて説明します。

はじめに

小売業向け Vertex AI Search に登録する際は、小売業向け Vertex AI Search のサポートを利用して、サイトでの使用に最適なレコメンデーション モデルとカスタマイズを決定します。使用するモデルとカスタマイズは、自身のビジネスニーズ、生成されたレコメンデーションを表示する場所によって異なります。

レコメンデーションをリクエストするときは、placement リソースにサービス構成値を指定します。（サービス構成に対する placement リソースの使用、およびプレースメントのサポートの詳細については、サービス構成についてをご覧ください。プレースメントは、以前はモデルを配置するために使用していました。）サービス構成により、レコメンデーションを返すのに使用するモデルが決まります。結果をフィルタすることもできます。

レコメンデーション モデル タイプ

レコメンデーション モデルのタイプは次のとおりです。

関連商品のおすすめ

関連商品のおすすめレコメンデーションでは、ユーザーが次に関心を持つか、交換する可能性が特に高い商品が予測されます。この予測は、ユーザーのショッピング履歴および閲覧履歴と、現在の指定された商品と候補の商品との関連性に基づいています。

デフォルトの最適化目標: クリック率

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ:

モデルのデプロイに対応しているページ:

  • 詳細ページ。detail-page-view イベントをご覧ください
  • 「カートに追加」ページ。add-to-cart イベントをご覧ください

よく一緒に購入される商品（ショッピング カートの拡大）

よく一緒に購入される商品レコメンデーションでは、同じショッピング セッション内の特定の商品について、よく一緒に購入される商品が予測されます。商品のリストが表示されると、その商品リストでよく購入される商品を予測します。

このレコメンデーションは、ユーザーが特定の商品（または商品のリスト）を購入する意向をすでに示していて、代替品ではなく補完品をおすすめしたい場合に便利です。このレコメンデーションは通常、「カートに追加」ページ、または「ショッピング カート」や「レジストリ」ページに、ショッピング カートの拡張のために表示されます。

デフォルトの最適化目標: 注文あたりの収益

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ:

モデルのデプロイに対応しているページ:

  • 詳細ページ。detail-page-view イベントをご覧ください
  • 「カートに追加」ページ。add-to-cart イベントをご覧ください
  • 「ショッピング カート」ページ。shopping-cart-page-view イベントをご覧ください
  • 「購入完了」ページ。purchase-complete イベントをご覧ください

あなたへのおすすめ

あなたへのおすすめレコメンデーションでは、ユーザーのショッピング履歴や閲覧履歴、タイムスタンプなどのリクエストのコンテキスト情報に基づいて、ユーザーが次に関心を持つか、購入する可能性が最も高い商品が予測されます。このレコメンデーションは通常、ホームページで使用されます。

あなたへのおすすめ機能はカテゴリページでも役立ちます。カテゴリページはホームページに似ていますが、そのカテゴリのアイテムのみを表示する点が異なります。これを実現するには、フィルタタグを持つ標準の「あなたへのおすすめ」モデルを使用します。たとえば、カスタマイズしたフィルタタグ（カテゴリページに対応）をカタログのアイテムに追加できます。予測リクエストを送信するときは、ユーザー イベント オブジェクトを category-page-viewとして設定し、特定のカテゴリページのタグを filter フィールドに指定します。リクエストされたフィルタタグに一致するレコメンデーションの結果のみが返されます。このユースケースでは、多様化を無効にする必要があります。多様化はカテゴリベースのフィルタタグと競合するためです。

デフォルトの最適化目標: クリック率

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ:

モデルのデプロイに対応しているページ:

  • すべて

似ている商品アイテム

類似アイテムのレコメンデーションでは、検討対象の商品とほぼ同じ属性を持つ他の商品が予測されます。このレコメンデーションは通常、商品の詳細ページや推奨商品が在庫切れの場合に使用します。

類似アイテムモデルでは、商品カタログの情報のみが必要です。ユーザー イベントは必要ありません。

類似アイテムモデルは調整できません。

プロジェクトごとに 1 つの類似アイテムモデルのみを作成することをおすすめします。類似アイテムモデルはカスタマイズできないため、同じユーザー イベントに基づいて複数の類似アイテムモデルを作成しても、異なるレコメンデーションは生成されず、不要なコストが発生する可能性があります。

デフォルトの最適化目標: クリック率

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ: なし

モデルのデプロイに対応しているページ:

  • 詳細ページ。detail-page-view イベントをご覧ください
  • 「カートに追加」ページ。add-to-cart イベントをご覧ください
  • 「購入完了」ページ。purchase-complete イベントをご覧ください

もう一度購入

もう一度購入モデルでは、過去の繰り返しの購入に基づき、再度アイテムの購入が促されます。このパーソナライズされたモデルは、以前に少なくとも 1 回購入され、一般的に定期的な間隔で購入される商品を予測します。商品が提案される間隔は、商品とサイト訪問者によって異なります。このモデルによるレコメンデーションは、どのページタイプでも使用できます。

もう一度購入モデルでは、購入完了のユーザー イベントを使用します。

もう一度購入モデルは調整できません。

もう一度購入モデルは、プロジェクトごとに 1 つだけ作成することをおすすめします。もう一度購入モデルはカスタマイズできないため、同じユーザー イベントに基づいて複数のもう一度購入モデルを作成しても、さまざまなレコメンデーションは生成されず、不要なコストが発生する可能性があります。

デフォルトの最適化目標: なし

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ: なし

モデルのデプロイに対応しているページ:

  • すべて

セール中

On-sale モデルタイプは、カスタマイズされたプロモーション ベースのモデルで、セール商品を推奨できます。このモデルタイプを使用すると、ユーザーに割引アイテムの購入を促すことができます。

通常、ホームページ、カートに追加ページ、ショッピング カート ページ、カテゴリページ、詳細ページで使用されます。

デフォルトの最適化目標: クリック率

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ:

モデルのデプロイに対応しているページ:

Recently Viewed

最近表示したものレコメンデーションは、実際にはレコメンデーションではありません。ユーザー / 訪問者が最近操作した商品の ID を、最新の商品を先頭にして提示します。

デフォルトの最適化目標: なし

デフォルトのサービス構成: recently_viewed_default

利用可能なカスタマイズ: なし

モデルのデプロイに対応しているページ:

  • すべて

ページレベルの最適化

ページレベルの最適化では、一度に 1 つのレコメンデーション パネルの最適化から、複数のパネルを含むページ全体の最適化まで、レコメンデーションを拡張します。ページレベルの最適化モデルは、各パネルのコンテンツを自動的に選択し、ページ上のパネル順序を決定します。

たとえば、ホームページは通常、商品カテゴリ、トレンド商品、最近表示した商品など、関連グループの行に分類された商品で構成されます。ホームページでページレベルの最適化モデルを使用すると、エンドユーザーにパーソナライズされたレコメンデーション エクスペリエンスを提供するとともに、そのページのモデルの組み合わせとレイアウトを調整する決定プロセスを自動化できます。

ページレベルの最適化モデルを作成するには、まず、トレーニング済みモデルが含まれる既存のレコメンデーション サービス構成が必要です。ページレベルの最適化モデルを作成するときは、モデルを使用するページのタイプ、類似のサービス構成の提供を制限するために適用する制限、最適化するビジネス目標（CTR または CVR）、表示するレコメンデーション パネルの数、各パネルで考慮するサービス構成を指定します。

他のモデルと同様に、ページレベルの最適化モデルを使用するには、ページレベルの最適化モデルを含むサービス構成を使用して予測呼び出しを行います。予測レスポンスには、レコメンデーションの代わりに、各パネルで使用するサービス構成を表すサービス構成 ID の並べ替えられたリストが含まれます。次に、ページレベルの最適化モデルから返された対応するサービス構成 ID を使用して、各パネルの新しい予測呼び出しを行います。各パネルの予測レスポンスには、そのパネルに表示する推奨アイテムのリストが含まれています。

デフォルトの最適化目標: なし

デフォルトのサービス構成: 該当なし

利用可能なカスタマイズ: なし

モデルのデプロイに対応しているページ:

  • すべて

ビジネス目標の最適化

機械学習モデルは、特定のビジネス目標に合わせて最適化するために作成されます。その特定の目的によって、モデルの作成方法が決定されます。各モデルにはデフォルトの最適化目標が設定されていますが、サポート担当者に連絡して、自身のビジネス目標をサポートするような、別の最適化目標をリクエストすることもできます。

モデルをトレーニングした後は、最適化の目標を変更できません。別の最適化目標を使用するには、新しいモデルをトレーニングする必要があります。

小売業向け Vertex AI Search は、次の最適化目標をサポートしています。

クリック率（CTR）

クリック率の最適化はエンゲージメントを重視します。ユーザーがレコメンデーションを操作する可能性を最大化したい場合は、クリック率を最適化する必要があります

クリック率は、関連商品のおすすめとあなたへのおすすめのレコメンデーション モデル タイプ向けのデフォルトの最適化目標です。

セッションあたりの収益

セッションあたりの収益の目標は、「関連商品のおすすめ」、「あなたへのおすすめ」、「よく一緒に購入される商品」のレコメンデーション モデル タイプで確認できます。目的はモデルごとに異なりますが、収益を増やすための目標は同じです。

  • 関連商品のおすすめとあなたへのおすすめ この目標は、クリック数、コンバージョン、アイテム価格の情報を組み合わせて、価格が高く、購入の可能性が高い商品をモデルに提示できるようにします。

  • よく一緒に購入されている商品。この目標は、カートに追加される可能性が高いアイテムを推奨し、カートのサイズを拡大することで利益を得るように最適化されます。

コンバージョン率（CVR）

コンバージョン率の最適化は、ユーザーがおすすめされた商品をカートに追加する可能性を最大化します。セッションあたりのカートへのアイテム追加数を増やしたい場合は、コンバージョン率を最適化します。

高度なモデル構成オプション

モデルタイプによっては、モデルの動作を変更するために使用できる、その他のモデル構成オプションがあります。

調整の設定

調整を行うと、時間の経過に伴い入力データが変更され、モデルのトレーニングが最適な状態に保たれます。モデルを 3 か月ごとに自動的に調整するように設定するか、手動での調整のみを選択します。モデルは、作成後に 1 回、自動的に調整されます。詳細

調整の費用の詳細については、料金をご覧ください。

使用可能なサービス構成とモデル

モデルから予測をリクエストするには、そのモデルに対して少なくとも 1 つのサービス構成を作成する必要があります。詳細については、サービス構成の作成をご覧ください。

自身のモデルは、[モデル] ページで確認できます。モデル名をクリックすると詳細ページが開き、モデルに関連付けられたサービス構成を確認できます。

コンテキスト サービス

レコメンデーションを生成するとき、モデルではレコメンデーション パネルのコンテキストでユーザーが以前に操作した商品が考慮されます。

これらのコンテキスト サービスは、ユーザー イベントの一部として predict リクエストの本文に渡されます。たとえば、ショッピング カート ページにレコメンデーションパネルがある場合、predict リクエストをトリガーする shopping-cart-page-view ユーザー イベントには、ショッピング カートにある商品を含める必要があります。これらの商品は、そのレコメンデーションのコンテキスト サービスとして使用されます。

「よく一緒に購入される商品」モデルを作成するときは、そのモデルが 1 つまたは複数のアイテムのコンテキストでレコメンデーションを生成するかどうかを指定します。選択するオプションは、モデルを使用する予定のページのタイプによって異なります。

  • 複数のコンテキスト サービス（デフォルト）: 「よく一緒に購入される商品」モデルでは、1 つまたは複数の商品をレコメンデーションのコンテキストとして使用できます。このユースケースは通常、さまざまなコンテキスト サービスが含まれるショッピング カート ページで、そのページ上で表示されるレコメンデーションの提供に使用されます。

  • 単一コンテキスト サービス: 「よく一緒に購入される商品」モデルでは、1 つのコンテキスト サービスのみを使用できます。通常、このユースケースは、カートに追加ページや商品の詳細ページなど、レコメンデーションのコンテキストとして使用される単一の商品を含むページに使用されます。

    1 つのコンテキスト サービスからよく一緒に購入されるモデルから、predict リクエストで複数の商品を渡すと失敗しませんが、最適なレコメンデーションが得られない可能性があるため、おすすめしません。