Sie können Vertex AI Search for Retail für Ihre E-Commerce-Anwendung implementieren.
Wenn Sie Empfehlungen oder die Suche verwenden, Nutzerereignis- und Katalogdaten aufnehmen und Vervollständigungen oder Suchergebnisse auf Ihrer Website anzuzeigen.
Dieselben Daten werden sowohl für Empfehlungen als auch für die Suche verwendet. Wenn Sie also beides nutzen, müssen Sie dieselben Daten nicht zweimal aufnehmen.
Wenn Sie Empfehlungsmodelle verwenden, Unter Anforderungen an Nutzerereignisdaten sind zusätzliche Anforderungen aufgeführt. je nach Modelltyp und Optimierungsziel. Diese Anforderungen helfen Vertex AI Search for Retail generiert hochwertige Ergebnisse.
Die durchschnittliche Integrationszeit liegt im Bereich von Wochen. Beachten Sie, dass die tatsächliche Dauer der Suche Qualität und Quantität der Datenaufnahme entscheidend ist.
Wenn Sie Google Tag Manager oder das Google Merchant Center verwenden, können Sie Vertex AI Search für den Einzelhandel mit Google-Tools implementieren.
Sie können personalisierte Ergebnisse für Ihre Website erhalten, unabhängig davon, ob Sie zusätzliche Google-Tools verwenden. Falls nicht, lesen Sie den Hilfeartikel Vertex AI Search for Retail ohne Google-Tools implementieren.
Implementierungsschritte ausführen
Wenn Sie Tag Manager und das Merchant Center verwenden, folgen Sie der Anleitung auf dem Tab Mit Google-Tools, um Vertex AI Search für den Einzelhandel in Ihre Website einzubinden. Wenn Sie nicht Tag Manager und Merchant Center verwenden, folgen Sie der Anleitung auf dem Tab Ohne Google-Tools, um Vertex AI Search for Retail in Ihre Website einzubinden.
Mit Google-Tools
| Schritt | Beschreibung |
|---|---|
| 1. Google Cloud-Projekt einrichten | Sie können ein vorhandenes Google Cloud-Projekt verwenden, falls Sie bereits eines haben. |
| 2a. Produktkatalog mit dem Merchant Center importieren |
Sie können Ihren Produktkatalog auch direkt importieren. Durch die Verknüpfung mit dem Merchant Center werden aber die Schritte zum Importieren Ihres Katalogs reduziert. Diese Lösung ist nicht ideal, wenn Sie [Facetten](facets-overview.md) verwenden möchten. Diese schlüsselfertige Lösung funktioniert gut mit Google Ads und wird schnell in Vertex AI Search for Retail repliziert. Die Einrichtung ist mit wenigen Klicks möglich. Im Merchant Center werden Sammlungen Produkttyp. Prüfen Sie vor dem Import zuerst, ob die Einschränkungen des Merchant Center Ihren Kataloganforderungen entsprechen. |
| 2b. Tag Manager für das Aufzeichnen von Nutzerereignissen konfigurieren | Nutzerereignisse erfassen Nutzeraktionen wie das Klicken auf ein Produkt, das Hinzufügen eines Artikels zu einem Einkaufswagen oder das Kaufen eines Artikels. Sie können mit dem Aufzeichnen von Nutzerereignissen parallel zum Katalogimport beginnen. Nach Abschluss des Katalogimports Ereignisse neu verknüpfen die vor Abschluss des Imports hochgeladen wurden. Wenn Sie bereits Google Tag Manager verwenden, ist dies die empfohlene Methode, da Vertex AI Search for Retail eingebunden ist. |
| 3. Vergangene Nutzerereignisse importieren |
Wenn Sie Verlaufsdaten zu Nutzerereignissen zur Verfügung stellen, können Sie um mit dem Modelltraining zu beginnen, ohne monatelang auf genügend Nutzer die auf Ihrer Website erfasst werden sollen. Informationen zum Importieren von Nutzerdaten finden Sie in der Dokumentation zum Importieren von Google Analytics 360- und Google Analytics 4-Ereignissen aus BigQuery. Ihre Modelle benötigen genügend Trainingsdaten, bevor sie genaue Vorhersagen liefern können. Wenn Sie wissen möchten, wie viele Daten verwendet werden sollen, sehen Sie sich die Anforderungen an die einzelnen Modelle an. |
| 4. Monitoring und Benachrichtigungen einrichten |
Richten Sie Monitoring und Benachrichtigungen ein. |
| 5. Bereitstellungskonfiguration, Modell und Steuerelemente erstellen |
Eine Bereitstellungskonfiguration ist eine Bereitstellungsentität, die ein Modell verknüpft. optional Steuerelemente. Sie werden wie Container verwendet, um Such- oder Empfehlungsergebnisse zu generieren. Wenn Sie eine Bereitstellungskonfiguration erstellen, können Sie gleichzeitig ein Modell erstellen (nur für Empfehlungen) und Steuerelemente. Sie können diese auch separat erstellen. Wenn Sie Empfehlungen verwenden, wählen Sie einen Modelltyp basierend auf den Speicherort der Bereitstellungskonfiguration und ihre Ziele. Überprüfen die verfügbaren Empfehlungstypen, Optimierungsziele und weitere Optionen zur Modellabstimmung um die besten Optionen für Ihre Geschäftsziele zu ermitteln. (Für Bereitstellungskonfigurationen suchen, ist ein Standardmodell automatisch erstellt wird.) |
| 6. Zeit für Training und Feinabstimmung des Modells einplanen |
Entscheiden Sie, ob Sie Empfehlungen, die Suche oder beides verwenden möchten. Machen Sie sich dann mit den Formaten für Nutzerereignisse vertraut. Wenn Sie die Suche verwenden, werden Training und Optimierung automatisch durchgeführt, vorausgesetzt, Sie haben den Grenzwert erreicht. In den Anforderungen an Nutzerereignisse für jedes Modell und jedes Produkt erfahren Sie, wie viele und welche Art von Nutzerereignissen für das Training und die Optimierung der Modelle verwendet werden sollen. Wenn Sie Empfehlungen verwenden, wird durch das Erstellen eines Modells das Training und die Abstimmung initiiert. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es jedoch länger dauern. Das anfängliche Training und die Feinabstimmung des Modells dauern 2 bis 5 Tage, für große Datasets länger. |
| 7. Bereitstellungskonfiguration in der Vorschau ansehen und testen |
Nachdem Ihr Modell aktiviert wurde, können Sie eine Vorschau der Empfehlungen Ihrer Bereitstellungskonfiguration oder der Suchergebnisse aufrufen, um zu prüfen, ob die Einrichtung wie vorgesehen funktioniert. Sie können neue Steuerelemente erstellen oder vorhandene Steuerelemente verwenden, um neue Bereitstellungskonfigurationen hinzuzufügen und die Anwendung auf die Testversion zu verweisen, um die Leistung zu vergleichen. Sie können Regeln ausschließen oder einschließen und einen Split-Test der Produktion im Vergleich zu einer anderen Testbereitstellungskonfiguration durchführen. Anschließend haben Sie die Möglichkeit, mithilfe dieser Varianten auf der Seite Bewertungen der Console Suchanfragen zu simulieren. |
| 8. A/B-Test einrichten (optional) |
Sie können einen A/B-Test durchführen, um die Leistung Ihrer Website mit und ohne Vertex AI Search for Retail zu vergleichen. |
| 9. Konfiguration bewerten |
Prüfen Sie die von der Search for Retail-Funktion bereitgestellten Messwerte, um festzustellen, wie sich die Einbindung von Vertex AI Search for Retail auf Ihr Unternehmen auswirkt. Sie können die Messwerte für Ihr Projekt auf der Seite Analysen der Search for Retail Console einsehen. |
Ohne Google-Tools
| Schritt | Beschreibung |
|---|---|
| 1. Google Cloud-Projekt einrichten |
Google Cloud-Projekt erstellen und Anmeldedaten zur Authentifizierung erstellen, einschließlich API-Schlüssel und OAuth (entweder über ein Nutzerkonto oder ein Dienstkonto), um auf den Projekt arbeiten. |
| 2a. Produktkatalog importieren |
Sie können Ihrem Produktkatalog Artikel einzeln hinzufügen. Verwenden Sie dazu die
|
| 2b. Nutzerereignisse aufzeichnen |
Nutzerereignisse erfassen Nutzeraktionen wie das Klicken auf ein Produkt, das Hinzufügen eines Artikels zu einem Einkaufswagen oder das Kaufen eines Artikels. Zum Generieren sind Nutzerereignisdaten erforderlich personalisierte Ergebnisse. Nutzerereignisse müssen in die reale Welt aufgenommen werden. um das Verhalten der Nutzenden genau widerzuspiegeln. Sie können mit dem Aufzeichnen von Nutzerereignissen parallel zum Katalogimport beginnen. Nach Abschluss des Katalogimports Ereignisse neu verknüpfen die vor Abschluss des Imports hochgeladen wurden. Sie müssen ein Tracking-Pixel einfügen. |
| 3. Vergangene Nutzerereignisse importieren |
Wenn Sie Verlaufsdaten zu Nutzerereignissen zur Verfügung stellen, können Sie
um mit dem Modelltraining zu beginnen,
ohne monatelang auf genügend Nutzer
die auf Ihrer Website erfasst werden sollen. Weitere Informationen zum Importieren von Nutzerdaten finden Sie in der Dokumentation Nutzerereignisse importieren. Dort erfahren Sie, wie Sie Ereignisse aus Cloud Storage oder BigQuery importieren oder Ereignisse mit der Methode |
| 4. Monitoring und Benachrichtigungen einrichten |
Richten Sie Monitoring und Benachrichtigungen ein. |
| 5. Bereitstellungskonfiguration, -modell und -einstellungen erstellen |
Eine Bereitstellungskonfiguration ist eine Bereitstellungsentität, die Einstellungen verknüpft mit einem Modell und optional Steuerelementen. Sie werden verwendet, wenn Generierung Ihrer Such- oder Empfehlungsergebnisse. Wenn Sie eine Bereitstellungskonfiguration erstellen, können Sie gleichzeitig eine und Steuerelementen erstellen oder separat erstellen. Sie bieten eine hohe Konfigurierbarkeit. Wenn Sie Empfehlungen verwenden, wählen Sie einen Modelltyp aus, der auf dem Standort der Bereitstellungskonfiguration und den Zielen basiert. Überprüfen die verfügbaren Empfehlungstypen, Optimierungsziele und weitere Optionen zur Modellabstimmung um die besten Optionen für Ihre Geschäftsziele zu ermitteln. |
| 6. Zeit für das Modelltraining und die Modellabstimmung einplanen |
Entscheiden Sie, ob Sie Empfehlungen, die Suche oder beides verwenden möchten. Machen Sie sich dann mit den Formaten für Nutzerereignisse vertraut. Wenn Sie sich für die Suche entscheiden, erfolgen Training und Feinabstimmung automatisch, sofern Sie den Grenzwert erreicht haben. Lesen Sie die Anforderungen an Nutzerereignisse für jedes Modell und jedes Produkt, um zu ermitteln, wie viele und welche Art von Nutzerereignissen Sie zum Trainieren und Optimieren der Modelle verwenden sollten. Wenn Sie Empfehlungen verwenden, werden durch das Erstellen eines Modells Training und Feinabstimmung gestartet. Das anfängliche Training und die Feinabstimmung des Modells dauern zwei bis fünf Tage. Bei großen Datasets kann es jedoch auch länger dauern. Das anfängliche Training und die Feinabstimmung des Modells dauern 2 bis 5 Tage, für große Datasets länger. |
| 7. Bereitstellungskonfiguration in der Vorschau ansehen und testen |
Nachdem Ihre Konfiguration aktiviert wurde, können Sie eine Vorschau der Empfehlungen Ihrer Bereitstellungskonfiguration oder der Suchergebnisse aufrufen, um zu prüfen, ob die Einrichtung wie vorgesehen funktioniert. Damit können Sie Ihr eigenes benutzerdefiniertes Modell erstellen. Sie können neue Steuerelemente erstellen oder vorhandene Steuerelemente verwenden, um neue Bereitstellungskonfigurationen hinzuzufügen und die Anwendung auf die Testversion zu verweisen, um die Leistung zu vergleichen. Fügen Sie der Testversion Regeln hinzu oder entfernen Sie sie, um herauszufinden, welche Regeln die Leistung beeinträchtigen. Sie können Regeln ausschließen oder einschließen und die Produktion mit einer anderen Testbereitstellungskonfiguration vergleichen. Auf der Seite Bewertungen der Console können Sie dann Suchanfragen mit diesen Varianten simulieren. |
| 8. A/B-Test einrichten (optional) |
Sie können einen A/B-Test durchführen, um die Leistung Ihrer Website mit und ohne Vertex AI Search for Retail zu vergleichen. |
| 9. Konfiguration bewerten |
Prüfen Sie die von der Search for Retail-Konsole bereitgestellten Messwerte, um festzustellen, wie sich die Einbindung von Vertex AI Search for Retail auf Ihre Geschäftstätigkeit auswirkt. Sehen Sie sich die Messwerte für Ihr Projekt Seite Analytics der Search for Retail-Konsole. |
Nutzungsbedingungen
Die Nutzung des Produkts erfolgt gemäß den Nutzungsbedingungen von Google Cloud oder der entsprechenden Offlinevariante. In den Datenschutzhinweisen zu Google Cloud wird erläutert, wie wir Ihre personenbezogenen Daten im Zusammenhang mit der Nutzung von Google Cloud und anderen Google Cloud-Diensten erheben und verarbeiten.
Zur Qualitätssicherung eine kleine Auswahl an Suchanfragen und Suchergebnissen aus den Protokollen, die Kundendaten enthalten, Manuelle Bewertung gegenüber Drittanbietern, die als Drittanbieter offengelegt werden Unterauftragsverarbeiter für die Suche. Zusätzliche Tests mit Suchanfragen und Suchergebnissen aus den Google-Suchprotokollen bei denen es sich um öffentlich gesammelte Datensätze handelt, zur manuellen Bewertung an verschiedene Drittanbieter zur Qualitätssicherung nutzen. Die Protokolle der Google Suche werden nicht als Kundendaten kategorisiert.