Puedes implementar Vertex AI Search for Retail en tu aplicación de comercio electrónico.
Cuando usas recomendaciones o la búsqueda, transfieres eventos de usuario y datos de catálogo, y entregas predicciones o resultados de la búsqueda en tu sitio.
Se usan los mismos datos para las recomendaciones y la búsqueda, por lo que, si usas ambos, no necesitas transferir los mismos datos dos veces.
Si usas modelos de recomendaciones, en Requisitos de datos de eventos del usuario, se enumeran los requisitos adicionales según el tipo de modelo y el objetivo de optimización. Estos requisitos ayudan a Vertex AI Search for Retail a generar resultados de calidad.
El tiempo de integración promedio es de semanas. Ten en cuenta que, para la búsqueda, la duración real depende en gran medida de la calidad y la cantidad de datos que se deben transferir.
Si usas Google Tag Manager o Google Merchant Center, puedes implementar Vertex AI Search para la venta minorista con las herramientas de Google.
Puedes obtener resultados personalizados para tu sitio web, ya sea que uses herramientas adicionales de Google o no. Si no lo tienes, consulta Implementa Vertex AI Search para la venta minorista sin herramientas de Google.
Sigue los pasos de implementación
Si usas Tag Manager y Merchant Center, sigue los pasos que se indican en la pestaña Con herramientas de Google para integrar Vertex AI Search for Retail en tu sitio web. Si no usas Tag Manager ni Merchant Center, sigue los pasos que se indican en la pestaña Sin herramientas de Google para integrar Vertex AI Search for Retail en tu sitio web.
Con las herramientas de Google
| Paso | Descripción |
|---|---|
| 1. Configura un proyecto de Google Cloud | Puedes usar un proyecto existente de Google Cloud si ya tienes uno. De lo contrario, sigue esta guía para configurar un proyecto nuevo. |
| 2a. Importa tu catálogo de productos con Merchant Center |
También puedes importar directamente tu catálogo de productos, pero la vinculación a Merchant Center reduce los pasos necesarios para importar tu catálogo. Esta solución no es ideal si deseas usar facetas. Esta solución llave en mano funciona bien con Google Ads y se replica rápidamente en Vertex AI Search para venta minorista. Puedes comenzar a usarlo en unos pocos clics. Ten en cuenta que Merchant Center no admite el tipo de producto de colecciones. Antes de importar, asegúrate de revisar las limitaciones de Merchant Center para verificar si satisfacen las necesidades de tu catálogo. |
| 2b. Configura Tag Manager para registrar eventos de usuarios | Los eventos de usuarios realizan un seguimiento de las acciones de los usuarios, como hacer clic en un producto, agregar un artículo a un carrito de compras o comprar un artículo. Puedes comenzar a registrar eventos de usuario en paralelo con la importación del catálogo. Una vez completada la importación del catálogo, vuelve a unirte a cualquier evento que se haya subido antes de que se complete la importación. Si ya usas Google Tag Manager, este es el método recomendado debido a la integración con Vertex AI Search for Retail. |
| 3. Importa eventos históricos de usuarios |
Proporcionar datos históricos de eventos de los usuarios te permite comenzar el entrenamiento de modelos sin tener que esperar meses para que se recopilen suficientes datos de eventos de los usuarios de tu sitio. Para obtener información sobre cómo importar datos de usuarios, consulta la documentación sobre la importación de eventos de usuarios para importar eventos de Google Analytics 360 y GA4 desde BigQuery. Tus modelos necesitan datos de entrenamiento suficientes antes de que puedan proporcionar predicciones precisas. Para saber cuántos datos usar, comprende los requisitos de cada modelo. |
Sin las herramientas de Google
| Paso | Descripción |
|---|---|
| 1. Configura un proyecto de Google Cloud |
Crea un proyecto de Google Cloud y crea credenciales de autenticación que incluyan una clave de API y un token de OAuth (ya sea con una cuenta de usuario o una cuenta de servicio) para acceder al proyecto. |
| 2a. Importa tu catálogo de productos |
Puedes agregar artículos a tu catálogo de productos de forma individual con el método |
| 2b. Registra eventos de usuario |
Los eventos de usuarios realizan un seguimiento de las acciones de los usuarios, como hacer clic en un producto, agregar un artículo a un carrito de compras o comprar un artículo. Los datos de eventos de usuario son necesarios para generar resultados personalizados. Los eventos de los usuarios deben transferirse en tiempo real para reflejar con precisión el comportamiento de los usuarios. Puedes comenzar a registrar eventos de usuario en paralelo con la importación del catálogo. Una vez completada la importación del catálogo, vuelve a unirte a cualquier evento que se haya subido antes de que se complete la importación. Deberás escribir un píxel de seguimiento. |
| 3. Importa eventos históricos de usuarios |
Proporcionar datos históricos de eventos de los usuarios te permite comenzar el entrenamiento de modelos sin tener que esperar meses para que se recopilen suficientes datos de eventos de los usuarios de tu sitio. Para obtener información sobre cómo importar datos de usuarios, consulta la documentación Importa eventos de usuario sobre cómo importar eventos desde Cloud Storage, BigQuery o para importar eventos intercalados con el método |
Sigue estos pasos para ambas rutas de integración
| Paso | Descripción |
|---|---|
| 4. Configura la supervisión y las alertas |
Configura supervisión y alertas. |
| 5. Crea la configuración, el modelo y los controles de entrega |
Decide si quieres usar las recomendaciones, la búsqueda o ambas. Luego, familiarízate con los formatos de los eventos de usuario. Una configuración de entrega es una entidad que asocia un modelo y, de manera opcional, controles. Una configuración de entrega se usa como un contenedor cuando se generan los resultados de la búsqueda o de recomendaciones. Si usas recomendaciones cuando creas una configuración de entrega, puedes crear un modelo junto con tus controles de forma simultánea. También puedes crearlos por separado. Elige un tipo de modelo según la ubicación de la configuración de entrega y sus objetivos. Revisa los tipos de recomendaciones, los objetivos de optimización y otras opciones de ajuste de modelos disponibles para determinar las mejores opciones para tus objetivos comerciales. (En el caso de las configuraciones de entrega de la búsqueda, se crea automáticamente un modelo predeterminado). |
| 6. Espera el tiempo de entrenamiento de modelos y ajuste del modelo |
Las configuraciones de publicación son versiones de prueba de las configuraciones. Se usan como un espacio de trabajo para probar la diferencia entre los objetivos o controles de optimización. Por ejemplo, puedes implementar una configuración de publicación para probarla en comparación con la de producción y dirigir la aplicación a una o a la otra para solucionar problemas. Si usas la búsqueda, el entrenamiento y el ajuste son automáticos, siempre que hayas alcanzado el umbral. Consulta los requisitos para los eventos de usuario de cada modelo y cada producto para determinar cuántos y qué tipos de eventos de usuario entrenar y ajustar los modelos. Si usas recomendaciones, la creación de un modelo inicia el entrenamiento y el ajuste. El entrenamiento y el ajuste del modelo inicial tardan entre 2 y 5 días en completarse, pero pueden tardar más tiempo en conjuntos de datos grandes. El entrenamiento y el ajuste del modelo inicial tardan entre 2 y 5 días en completarse, pero pueden tardar más en conjuntos de datos grandes. |
| 7. Obtén una vista previa de la configuración de publicación y pruébala |
Después de activar tu modelo, obtén una vista previa de las recomendaciones de la configuración de entrega o los resultados de la búsqueda para asegurarte de que tu configuración funcione como se espera. Puedes crear controles nuevos o usar los existentes para agregar nuevas configuraciones de publicación y dirigir la aplicación a la versión de prueba para comparar el rendimiento. Puedes excluir o incluir reglas y realizar una prueba dividida de la producción en comparación con otra configuración de publicación de prueba. Luego, puedes simular búsquedas con estas variaciones en la página Evaluaciones de la consola. |
| 8. Configura un experimento A/B (opcional) |
Puedes usar un experimento A/B para comparar el rendimiento de tu sitio web con y sin Vertex AI Search for Retail. |
| 9. Evalúa tu configuración |
Evalúa las métricas que proporciona la Búsqueda para venta minorista para ayudarte a determinar cómo la incorporación de Vertex AI Search para venta minorista afecta a tu empresa. Consulta las métricas de tu proyecto en la página Analytics de la consola de Search for Retail. |
Condiciones del Servicio
El uso del producto se encuentra sujeto a los Términos y Condiciones de Google Cloud o a la variante sin conexión relevante. En el Aviso de Privacidad de Google Cloud, se explica cómo recopilamos y procesamos tu información personal en relación con el uso de Google Cloud y otros servicios de Google Cloud.
Para garantizar la calidad, se envía un pequeño conjunto de muestras de consultas de búsqueda y resultados de la búsqueda de los registros, que incluyen datos del cliente, para la calificación humana a proveedores externos divulgados como subprocesadores externos para la búsqueda. Las pruebas adicionales que usan consultas de búsqueda y resultados de la búsqueda de los registros de la Búsqueda de Google que son conjuntos de datos recopilados públicamente se envían para la calificación humana a diferentes proveedores externos para garantizar la calidad. Los registros de la Búsqueda de Google no se clasifican como datos del cliente.