Empfehlungen erhalten

Auf dieser Seite wird beschrieben, wie Sie Produktempfehlungen für einen bestimmten Nutzer anfordern. und Nutzerereignis.

Nachdem Sie Ihre Produkte hochgeladen und Nutzerereignisse aufgezeichnet haben, können Sie Produktempfehlungen für bestimmte Nutzer anfragen, die auf den aufgezeichneten Nutzerereignissen für diesen Nutzer und seiner aktuellen Aktivität basieren. Es kann bis zu 48 Stunden dauern, bis neue Produkte und Nutzerereignisse im Empfehlungsmodell widergespiegelt.

Vertex AI Search for Retail gibt eine Liste der Produktkennzeichnungen zurück. Sie sind die Ergebnisse auf Ihrer Website mit Bildern und Text rendern.

Personalisierte Ergebnisse eines Endnutzers werden nie im Cache gespeichert und es werden keine personalisierten Ergebnisse zurückgegeben. Endanwendenden mitteilen.

Vorbereitung

Sie müssen eine Google Cloud-Instanz erstellen und richten Sie die Authentifizierung mithilfe der Schritte in Hinweise

Bevor Sie Vorhersagen von Empfehlungen anfordern können, benötigen Sie außerdem eine trainierte und fein abgestimmte Empfehlung (Modell) sowie mindestens eine aktive Bereitstellungskonfiguration.

Empfehlungen bewerten

Bevor Sie Ihren Websitecode zum Anfordern von Empfehlungen aktualisieren, können Sie mithilfe der Vorschau der Vorhersageergebnisse prüfen, ob Ihr Modell und Ihre Bereitstellungskonfiguration wie erwartet funktionieren.

Weitere Informationen zu Bereitstellungskonfigurationen finden Sie unter Bereitstellungskonfigurationen

Sie können die Ergebnisse der Bereitstellungskonfiguration entweder auf der Seite Bewerten als Vorschau ansehen oder rufen Sie die Seite Details einer Bereitstellungskonfiguration in der Console auf und klicken Sie auf das Bewerten. In den folgenden Schritten wird beschrieben, wie Sie eine Vorschau auf der Seite Bewerten aufrufen.

So sehen Sie sich die Empfehlungen, die von Ihrer Bereitstellungskonfiguration zurückgegeben wurden, in der Vorschau an:

  1. Rufen Sie in der Console „Suchen für Einzelhandel“ die Seite Bewerten auf.

    Zur Seite „Bewerten“

  2. Klicken Sie auf den Tab Empfehlungen, falls er nicht bereits ausgewählt ist.

  3. Wählen Sie die Bereitstellungskonfiguration aus, die Sie als Vorschau ansehen möchten.

  4. Optional: Geben Sie eine Besucher-ID ein, um eine Vorschau der Empfehlungen für diesen Nutzer aufzurufen.

  5. Wenn der Bereich Verknüpfte Elemente angezeigt wird, klicken Sie auf Element hinzufügen und geben Sie Produkt-ID, um zugehörige Empfehlungen für diesen Artikel zu erhalten. Sie können mehrere verknüpfte Elemente.

    Das Hinzufügen von Artikeln ist nur möglich, wenn für den Modelltyp der ausgewählten Bereitstellungskonfiguration Produkte als Eingabe für Empfehlungen erforderlich sind. Für Modelle, die für Sie empfohlen werden, erfordern die Eingabe verknüpfter Elemente.

  6. Klicken Sie auf Vorhersagevorschau, um die Vorhersageergebnisse aufzurufen.

Wenn Sie die Seite Details für die Bereitstellungskonfiguration aufrufen möchten, die Sie sich gerade in der Vorschau ansehen, klicken Sie unter dem Feld Bereitstellungskonfiguration auswählen auf Bereitstellungskonfiguration ansehen.

Empfehlung erhalten

Weitere Informationen zu den Kosten für Vorhersagen finden Sie unter Preise.

curl

Für eine Empfehlung senden Sie eine POST-Anfrage an die REST-Methode predict und geben Sie dazu den entsprechenden Anfragetext ein:

  • Das von Ihnen verwendete Dienstkonto muss die Rolle „Retail-Betrachter“ oder höher haben.

  • Ersetzen Sie SERVING_CONFIG_ID durch die Bereitstellungskonfiguration, wobei verwenden Sie die Vorhersagen. Weitere Informationen

  • Wenn Sie Google Analytics 360-Nutzerereignisse mit BigQuery importiert haben, legen Sie für visitorId die Google Analytics-Client-ID fest. Weitere Informationen zum Abrufen der Client-ID finden Sie in der Google Analytics-Dokumentation.

  • Für einen A/B-Test legen Sie für experimentIds die ID dieser Testgruppe fest. Weitere Informationen

  • Geben Sie ein Nutzerereignis-Objekt für die Nutzeraktion an, die die Empfehlungsanfrage eingeleitet hat.

    Beachten Sie, dass das Nutzereignis nicht aufgezeichnet wird. Es dient lediglich der Bereitstellung von Kontext für die Empfehlungsanfrage. Sie sollten auch den Nutzer genauso wie andere Nutzerereignisse aufzeichnen.

  • Optional können Sie einen Filter angeben, um die zurückgegebenen Produkte einzugrenzen. Weitere Informationen

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
              "filter": "FILTER_STRING",
              "validateOnly": false,
              "userEvent": {
                  "eventType": "detail-page-view",
                  "visitorId": "VISITOR_ID",
                  "userInfo": {
                      "userId": "USER_ID",
                      "ipAddress": "IP_ADDRESS",
                      "userAgent": "USER_AGENT"
                  },
                  "experimentIds": "EXPERIMENT_GROUP",
                  "productDetails": [{
                      "product": {
                        "id": "PRODUCT_ID"
                     }
                  }]
              }
            }' \
https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/servingConfigs/SERVING_CONFIG_ID:predict

Die Ergebnisse sollten in etwa so aussehen:

{
  "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}],
  "attribution_token": "sample-atr-token"
}

Sie müssen den Wert attribution_token mit einer URL verknüpfen, die Sie als Ergebnis dieser Vorhersage bereitstellen, und ihn mit Nutzerereignissen für diese URLs zurückgeben. Weitere Informationen

Java

public static PredictResponse predictWithNextPageToken(UserEvent userEvent, int pageSize,
    String nextPageToken)
    throws IOException, InterruptedException {
  PredictionServiceClient predictionClient = getPredictionServiceClient();

  PredictRequest request = PredictRequest.newBuilder()
      .setPlacement(HOME_PAGE_PLACEMENT_NAME)
      .setUserEvent(userEvent)
      .setPageSize(pageSize)
      .setPageToken(nextPageToken)
      .setValidateOnly(true)
      .build();

  PredictResponse response = predictionClient.predict(request);

  predictionClient.shutdownNow();
  predictionClient.awaitTermination(2, TimeUnit.SECONDS);

  return response;
}

Preis-Reranking

Beim Preis-Reranking werden die empfohlenen Produkte mit einer ähnlichen Empfehlungswahrscheinlichkeit nach Preis sortiert, wobei die Artikel mit dem höchsten Preis zuerst aufgelistet werden. Die Relevanz wird auch noch für die Bestellung von Artikeln verwendet. Das Aktivieren des Preis-Rerankings entspricht also nicht der Sortierung nach Preis.

Das Preis-Reranking kann auf der Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie eine Einstellung für Preis-Reranking auswählen, Erstellen einer Bereitstellungskonfiguration in Search for Retail gilt diese Einstellung für alle Empfehlungen, Konfiguration ausführen, ohne dass Sie etwas tun müssen.

Wenn Sie das Preis-Reranking einer bestimmten Empfehlung festlegen möchten, verwenden Sie dazu das Feld PredictRequest.params. Dadurch wird jede Einstellung für das Reranking auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde.

Vielfalt der Empfehlungen

Die Diversifizierung beeinflusst, ob die von einer einzelnen Vorhersageanfrage zurückgegebenen Ergebnisse aus verschiedenen Kategorien Ihres Produktkatalogs stammen.

Die Diversifizierung kann auf Ebene der Bereitstellungskonfiguration oder pro Vorhersage festgelegt werden

Wenn Sie eine Diversifizierungseinstellung auswählen, Erstellen einer Bereitstellungskonfiguration in Search for Retail wird diese Einstellung standardmäßig auf alle Empfehlungen angewendet, Konfiguration ausführen, ohne dass Sie etwas tun müssen.

Wenn Sie die Diversifizierung einer bestimmten Empfehlung festlegen müssen, können Sie dazu das Feld PredictRequest.params verwenden. Dadurch wird jede Einstellung für die Diversifizierung auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde. Weitere Informationen finden Sie unter den akzeptierten Werten.

Empfehlungsfilter verwenden

Sie können die von Recommendations AI zurückgegebenen Empfehlungen filtern. Verwenden Sie dazu das Feld filter in der Methode predict. Weitere Informationen finden Sie unter Empfehlungen für Filter.

Vorhersageaufrufe mit Optimierungsmodellen auf Seitenebene

Für die Bereitstellung von Empfehlungen mit der Optimierung auf Seitenebene ist ein zusätzlicher Schritt für die Vorhersage erforderlich.

Erster Vorhersageaufruf mit einer Bereitstellungskonfiguration ausführen, die die Optimierung auf Seitenebene enthält modellieren. Die Vorhersageantwort gibt eine sortierte Liste Konfigurations-IDs, die das für jeden Bereich zu verwendende Modell darstellen.

Führen Sie dann einen Vorhersageaufruf für jeden Bereich aus. Verwenden Sie dazu die Bereitstellungskonfigurations-ID, Es wird ein Optimierungsmodell auf Seitenebene empfohlen. Die Vorhersageantwort enthält das Modell (z. B. „Empfehlungen“) und eine Liste mit empfohlenen Elementen, die in diesem Bereich angezeigt werden sollen.

Preis-Reranking, Empfehlungsvielfalt und Empfehlungsfilter sind für Bereitstellungskonfigurationen, die das Modell „Optimierung auf Seitenebene“ verwenden, nicht verfügbar.

Empfehlungen überwachen und Fehler beheben

Nachdem Sie Ihre Website eingerichtet haben, um Empfehlungen zu erhalten, empfehlen wir Ihnen, Benachrichtigungen einzurichten. Weitere Informationen finden Sie unter Benachrichtigung für Vorhersagefehler einrichten.

Informationen zur Fehlerbehebung finden Sie unter Monitoring und Fehlerbehebung.