Empfehlungen erhalten

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

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.

Die Retail API gibt eine Liste mit eingestuften Produktkennzeichnungen zurück. Sie sind dafür verantwortlich, die Ergebnisse auf Ihrer Website mit Bildern und Text zu rendern.

Speichern Sie keine personalisierten Ergebnisse eines Endnutzers im Cache und geben Sie keine personalisierten Ergebnisse an einen anderen Endnutzer weiter.

Vorbereitung

Bevor Sie auf die Retail API zugreifen können, müssen Sie ein Google Cloud-Projekt erstellen und die Authentifizierung einrichten. Gehen Sie dazu wie unter Vorbereitung beschrieben vor.

Bevor Sie Vorhersagen von Recommendations AI anfordern können, benötigen Sie außerdem eine trainierte und abgestimmte Empfehlung (Modell) und eine oder mehrere aktive Bereitstellungskonfigurationen.

Empfehlungen auswerten

Bevor Sie den Websitecode aktualisieren, um Empfehlungen anzufordern, können Sie mithilfe der Vorschauvorhersageergebnisse prüfen, ob das Modell und die Bereitstellungskonfiguration wie erwartet funktionieren.

Weitere Informationen zum Bereitstellen von Konfigurationen finden Sie unter Bereitstellungskonfigurationen.

Sie können eine Vorschau der Ergebnisse der Bereitstellungskonfiguration auf der Seite Bewerten oder in der Console auf der Seite Details der Bereitstellungskonfiguration aufrufen. Klicken Sie auf den Tab Bewerten. Die folgenden Schritte zeigen, wie Sie die Vorschau auf der Seite Bewerten aufrufen.

So rufen Sie eine Vorschau der von Ihrer Bereitstellungskonfiguration zurückgegebenen Empfehlungen auf:

  1. Rufen Sie in der Google Cloud Console die Seite „Retail 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 zu sehen.

  5. Wenn der Bereich Verknüpfte Elemente angezeigt wird, klicke auf Artikel hinzufügen und gib eine Produkt-ID ein, um verknüpfte Empfehlungen für diesen Artikel zu erhalten. Sie können mehrere verknüpfte Elemente hinzufügen.

    Das Hinzufügen von Elementen ist nur verfügbar, wenn der Modelltyp der ausgewählten Bereitstellungskonfiguration Produkte als Empfehlungen für Empfehlungen erfordert. Für die Modelle „Empfohlen für dich“ müssen keine verknüpften Elemente eingegeben werden.

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

Klicken Sie im Feld Bereitstellungskonfiguration auswählen auf Bereitstellungskonfiguration ansehen, um die Seite Details für die Bereitstellungskonfiguration in der Vorschau anzusehen.

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, in der Sie die Vorhersagen verwenden werden. 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 das Nutzerereignis deshalb genauso aufzeichnen, wie Sie andere Nutzerereignisse in der Retail API 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 Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Google Cloud Console eine Einstellung für das Preis-Reranking auswählen, wird diese Einstellung auf alle Empfehlungen angewendet, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie weitere Maßnahmen ergreifen müssen.

Wenn Sie das Preis-Reranking einer bestimmten Empfehlung festlegen möchten, verwenden Sie dazu die Retail API und 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 der Bereitstellungskonfigurationsebene oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Google Cloud Console eine Diversifizierungseinstellung auswählen, wird diese Einstellung standardmäßig auf alle Empfehlungen angewendet, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie weitere Maßnahmen ergreifen müssen.

Wenn Sie die Diversifizierung einer bestimmten Empfehlung festlegen müssen, können Sie dazu die Retail API mit dem 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.

Das Feld filter akzeptiert zwei Arten von Filterspezifikationen:

  • Tag-Ausdrücke

    Wenn Sie Ihren Produkten beim Hochladen tag-Werte hinzugefügt haben, können Sie festlegen, dass nur Produkte, die allen von Ihnen gefilterten Tags entsprechen, als Empfehlungen zurückgegeben werden. Weitere Informationen zum Feld Product.tags[] finden Sie in der API-Referenzdokumentation.

    Tag-Ausdrücke können die booleschen Operatoren OR oder NOT enthalten. Diese müssen von den Tag-Werten durch ein oder mehrere Leerzeichen getrennt sein. Den Tag-Werten können auch Bindestriche (-) vorangestellt werden. Dies entspricht dem Operator NOT. Tag-Ausdrücke, die boolesche Operatoren verwenden, müssen in Klammern stehen.

  • filterOutOfStockItems

    Das Flag filterOutOfStockItems filtert alle Produkte heraus, für die für stockState der Wert OUT_OF_STOCK gilt.

Sie können diese beiden Filtertypen kombinieren: Es werden dann nur Artikel zurückgegeben, die allen angegebenen Filterausdrücken entsprechen.

Beispiele für Filterstrings:

"filter": "tag=\"spring-sale\""

"filter": "filterOutOfStockItems"

"filter": "tag=\"spring-sale\" tag=\"exclusive\" filterOutOfStockItems"

Im folgenden Beispiel werden nur Artikel zurückgegeben, die auf Lager sind und entweder das Tag „spring-sale“ oder das Tag „exklusiv“ (oder beides) und nicht das Tag „items-to-Exclude“ enthalten. 

"filter": "tag=(\"spring-sale\" OR \"exclusive\") tag=(-\"items-to-exclude\") filterOutOfStockItems"

Vorhersageaufrufe mit Optimierungsmodellen auf Seitenebene

Wenn Sie Empfehlungen mithilfe der Optimierung auf Seitenebene bereitstellen möchten, ist ein zusätzlicher Aufruf für die Vorhersage erforderlich.

Führen Sie einen ersten Vorhersageaufruf mit einer Bereitstellungskonfiguration aus, die das Optimierungsmodell auf Seitenebene enthält. Die Vorhersageantwort gibt eine sortierte Liste von Bereitstellungskonfigurations-IDs zurück, die das Modell für jedes Feld verwenden.

Führen Sie dann einen Vorhersageaufruf für jedes Feld mit der Bereitstellungskonfigurations-ID durch, die vom Optimierungsmodell auf Seitenebene empfohlen wurde. Die Vorhersageantwort enthält den Modellnamen (z. B. „Empfohlen“) und eine Liste der empfohlenen Elemente, die in diesem Bereich angezeigt werden sollen.

Preis-Reranking, Empfehlungsvielfalt und Empfehlungsfilter sind nicht für Bereitstellungskonfigurationen mit dem Optimierungsmodell auf Seitenebene verfügbar.

Empfehlungen beobachten und Fehler beheben

Nachdem Sie Ihre Website eingerichtet haben, um Empfehlungen zu erhalten, sollten Sie Benachrichtigungen einrichten. Siehe Benachrichtigung für Vorhersagefehler einrichten.

Informationen zur Fehlerbehebung finden Sie unter Monitoring und Fehlerbehebung.