导入清单信息

本页面介绍如何导入目录信息并及时更新。

本页面上的导入过程同时适用于建议和搜索。导入数据后，这两项服务都能使用该数据，因此如果您使用这两项服务，则无需两次导入相同的数据。

从 BigQuery 导入目录数据

本教程介绍了如何使用 BigQuery 表不受限制地导入大量清单数据。

如需在 Cloud Shell Editor 中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

从 Cloud Storage 导入清单数据

本教程介绍了如何将大量商品导入清单。

如需在 Cloud Shell Editor 中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

以内嵌方式导入清单数据

本教程介绍了如何以内嵌方式将商品导入清单。

如需在 Cloud Shell Editor 中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

准备工作

在导入目录信息之前，您必须已完成准备工作中的说明，特别是设置项目、创建服务账号和将服务账号添加到本地环境。

您必须拥有 Retail Admin IAM 角色才能执行导入。

目录导入最佳做法

需要高质量的数据才能生成高质量的结果。如果您的数据缺少字段或包含占位值而不是实际值，则预测和搜索结果的质量会受到影响。

导入目录数据时，请确保实现以下最佳做法：

  • 在确定哪些商品或商品组是主要商品，哪些是款式/规格时，请务必谨慎。在上传任何数据之前，请参阅产品级别。

    在导入任何数据后更改产品级配置需要花费大量精力。

    主要项会作为搜索结果或推荐内容返回。变体项则不然。

    例如，如果主 SKU 群组是“V 领衬衫”，推荐模型会返回一件 V 领衬衫商品，也可能返回一件圆领衬衫和一件低胸衬衫。但是，如果未使用变体并且每个 SKU 都是主要款式，则 V 领衬衫的每个颜色/尺寸组合都会作为不同的商品在推荐面板中返回：“棕色 V 领衬衫，尺码 XL”“棕色 V 领衬衫，尺码 L”到“白色 V 领衬衫，尺码 M”“白色 V 领衬衫”。

  • 遵守商品导入限制。

    从 Cloud Storage 批量导入数据时，每个文件的大小不能超过 2 GB。一个批量导入请求中最多可以包含 100 个文件。

    对于内嵌导入，一次最多可导入 5000 个商品。

  • 请确保包含所有必需的目录信息，并且信息正确无误。

    请勿使用占位值。

  • 请添加尽可能多的可选目录信息。

  • 请确保所有事件都使用同一币种，尤其是当您计划使用 Google Cloud 控制台来获取收入指标时。Vertex AI Search for Retail API 不支持每个目录使用多种货币。

  • 使目录保持最新。

    理想情况下，您应每天更新目录。安排定期目录导入可防止模型质量逐渐降低。使用 Search for Retail 控制台导入目录时，您可以安排自动定期导入。或者，您也可以使用 Google Cloud Scheduler 自动执行导入。

  • 对于尚未导入的商品项，请勿记录其用户事件。

  • 导入目录信息后，请查看项目的错误报告和日志记录信息。

    有少数错误是正常的，但是如果有大量错误，则应检查这些错误并修复导致错误的所有进程问题。

关于导入目录数据

您可以从 Merchant Center、Cloud Storage、BigQuery 导入商品数据，也可以在请求中指定内嵌的数据。所有这些过程都是一次性导入，但关联 Merchant Center 除外。安排定期导入目录（最好每天导入），以确保目录是最新的。请参阅及时更新目录。

您还可以导入单件商品。如需了解详情，请参阅上传商品。

目录导入注意事项

本部分介绍了可用于批量导入目录数据的方法、何时可以使用每种方法，以及这些方法的一些限制。

Merchant Center 同步 说明 将账号与零售专用 Vertex AI Search 关联，通过 Merchant Center 导入清单数据。关联后，Merchant Center 中目录数据的更新会实时同步到适用于零售业的 Vertex AI Search。
使用时间 已与 Merchant Center 集成时。
限制 架构支持受限。例如，Merchant Center 不支持产品集合。在 Merchant Center 取消关联之前，它是数据的可靠来源，因此必须将所有所需的自定义特性添加到 Merchant Center 数据中。

控制受限。您无法指定要从 Merchant Center 导入的某些字段或商品集：Merchant Center 中现有的所有商品和字段都会导入。
BigQuery 说明 从之前加载的 BigQuery 表中导入数据，该表使用 Vertex AI Search 零售架构或 Merchant Center 架构。可使用 Google Cloud 控制台或 curl 执行。
使用时间 您的产品目录包含许多特性时。BigQuery 导入使用 Vertex AI Search 零售架构，该架构的商品属性比其他导入选项更多，包括键值对自定义属性。

您有大量数据时。BigQuery 导入没有数据限制。

您已在使用 BigQuery 时。
局限性 需要执行额外步骤来创建映射到 Vertex AI Search for Retail 架构的 BigQuery 表。
Cloud Storage 说明 从加载到 Cloud Storage 存储桶中的文件导入 JSON 格式的数据。每个文件不得超过 2 GB，一次最多可导入 100 个文件。您可以使用 Google Cloud 控制台或 curl 完成导入。使用 Product JSON 数据格式，该格式允许自定义属性。
使用时间 您需要在单个步骤中加载大量数据时。
限制 不适合频繁更新商品目录和价格的目录，因为更改不会立即生效。
内嵌导入 说明 通过调用 Product.import 方法导入。 使用 ProductInlineSource 对象，该对象具有的商品清单属性比适用于零售架构的 Vertex AI Search 少，但支持自定义属性。
使用时间 如果您有非关系型平面目录数据，或者数量或价格更新的频率较高。
限制 一次最多只能导入 100 个目录商品。但是，可以执行许多加载步骤；没有商品限制。

完全清除目录分支

如果您要将新的清单数据导入到现有分支，请务必将清单分支为空。这样可以确保导入到分支的数据的完整性。当分支为空时，您可以导入新的清单数据，然后将该分支与商家帐号相关联。

如果您传送的是实时预测流量或搜索流量，并且计划完全清除默认分支，请考虑先将另一个分支指定为默认分支，然后再完全清除。由于默认分支在完全清除后将提供空结果，因此完全清除当前的默认分支可能会导致服务中断。

如需完全清除目录分支中的数据，请完成以下步骤：

  1. 转到 Search for Retail 控制台中的数据> 页面。

    转到“数据”页面

  2. 从分支名称字段中选择目录分支。

  3. 从分支名称字段旁边的三点状菜单中，选择完全清除分支。

    系统会显示一条消息，警告您即将删除分支中的所有数据以及为分支创建的所有属性。

  4. 输入分支，然后点击确认，以从分支中完全清除目录数据。

    一项长时间运行的操作开始从目录分支中完全清除数据。完全清除操作完成后，完全清除的状态会显示在活动状态窗口的商品清单列表中。

将 Merchant Center 同步到 Vertex AI Search 以用于零售业

若要在 Merchant Center 与零售专用 Vertex AI Search 之间持续同步，您可以将 Merchant Center 帐号与零售专用 Vertex AI Search 相关联。关联后，Merchant Center 帐号中的目录信息会立即导入到面向零售业的 Vertex AI Search。

适用于零售业的 Vertex AI Search 与 Merchant Center 帐号相关联后，您在 Merchant Center 帐号中对商品数据所做的更改会在几分钟内自动更新到 Vertex AI Search for Retail。如果您想阻止 Merchant Center 更改同步到零售专用 Vertex AI Search，则可以解除关联 Merchant Center 帐号。

解除与 Merchant Center 账号的关联不会删除 Vertex AI Search for Retail 中的任何商品。如需删除导入的商品，请参阅删除商品信息。

如需同步您的 Merchant Center 账号，请完成以下步骤。

控制台

  1. 转到 Search for Retail 控制台中的数据> 页面。

    转到“数据”页面
  2. 点击导入，打开导入数据面板。
  3. 选择商品清单。
  4. 选择 Merchant Center Sync 作为数据源。
  5. 选择您的 Merchant Center 帐号。如果您没有看到自己的帐号，请选中用户访问权限。
  6. 可选：选择 Merchant Center Feed 过滤条件，以便仅导入所选 Feed 中的商品。

    如果未指定，则系统会导入所有 Feed（包括将来的 Feed）中的商品。
  7. 可选：要仅导入定位到特定国家/地区或语言的优惠，请展开显示高级选项，然后选择 Merchant Center 目标销售国家/地区和要过滤的语言。
  8. 选择您要将目录上传到的分支。
  9. 点击导入。

curl

  1. 检查本地环境中的服务帐号是否同时访问 Merchant Center 帐号和适用于零售业的 Vertex AI Search。如需查看哪些账号有权访问您的 Merchant Center 账号，请参阅 Merchant Center 的用户访问权限。

  2. 使用 MerchantCenterAccountLink.create 方法建立关联。

    curl -X POST \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
 --data '{
  "merchantCenterAccountId": MERCHANT_CENTER_ID,
  "branchId": "BRANCH_ID",
  "feedFilters": [
    {"primaryFeedId": PRIMARY_FEED_ID_1}
    {"primaryFeedId": PRIMARY_FEED_ID_2}
  ],
  "languageCode": "LANGUAGE_CODE",
  "feedLabel": "FEED_LABEL",
 }' \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/merchantCenterAccountLinks"
    • MERCHANT_CENTER_ID：Merchant Center 帐号的 ID。
    • BRANCH_ID：要与之建立关联的分支的 ID。接受的值为“0”、“1”或“2”。
    • LANGUAGE_CODE：（可选）要导入的商品的双字母语言代码。如 Merchant Center 中相应产品的 Language 列所示。如果未设置，系统会导入所有语言。
    • FEED_LABEL：（可选）要导入的商品的 Feed 标签。您可以在 Merchant Center 中产品的 Feed 标签列产品中查看 Feed 标签。如果未设置，系统会导入所有 Feed 标签。
    • FEED_FILTERS：（可选）要从中导入商品的主要 Feed 的列表。不选择 Feed 意味着所有 Merchant Center 帐号 Feed 均已共享。您可以在 Content API datafeeds 资源中找到这些 ID，也可以访问 Merchant Center，选择 Feed 并从网站网址中的 dataSourceId 参数中获取 Feed ID。例如 mc/products/sources/detail?a=MERCHANT_CENTER_ID&dataSourceId=PRIMARY_FEED_ID。

如需查看已关联的 Merchant Center 账号，请前往 Search for Retail 控制台的数据页面，然后点击页面右上角的 Merchant Center 按钮。此时将打开关联的 Merchant Center 帐号面板。您还可以通过此面板添加其他 Merchant Center 帐号。

有关如何查看已导入的商品的说明，请参阅查看有关您的清单的汇总信息。

列出您的 Merchant Center 账号关联。

控制台

  1. 转到 Search for Retail 控制台中的数据> 页面。

    转到“数据”页面

  2. 点击页面右上角的 Merchant Center 按钮，打开关联的 Merchant Center 账号列表。

curl

使用 MerchantCenterAccountLink.list 方法列出链接资源。

curl -X GET \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/merchantCenterAccountLinks"

解除与 Merchant Center 帐号的关联后，该帐号便无法将清单数据同步到 Vertex AI Search for Retail。此过程不会删除 Vertex AI Search for Retail 中已上传的任何商品。

控制台

  1. 转到 Search for Retail 控制台中的数据> 页面。

    转到“数据”页面

  2. 点击页面右上角的 Merchant Center 按钮，打开关联的 Merchant Center 账号列表。

  3. 点击要解除关联的 Merchant Center 账号旁边的解除关联，然后在显示的对话框中确认您的选择。

curl

使用 MerchantCenterAccountLink.delete 方法移除 MerchantCenterAccountLink 资源。

curl -X DELETE \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/merchantCenterAccountLinks/BRANCH_ID_MERCHANT_CENTER_ID"

与 Merchant Center 关联的限制

  • 一个 Merchant Center 账号可以与任意数量的目录分支相关联，但单个目录分支只能与一个 Merchant Center 账号相关联。

  • Merchant Center 帐号不能是多客户帐号 (MCA)。不过，您可以关联各个子帐号。

  • 关联 Merchant Center 账号后首次导入可能需要几个小时才能完成。所需时间取决于 Merchant Center 账号中的商品/服务数量。

  • 对于与 Merchant Center 帐号关联的分支，使用 API 方法的任何商品修改功能都会停用。对这些分支中的产品目录数据所做的任何更改都必须使用 Merchant Center 进行。然后，这些更改会自动同步到零售专用 Vertex AI Search。

  • 使用 Merchant Center 关联的分支不支持集合商品类型。

  • 为了确保数据正确性，您的 Merchant Center 账号只能与空目录分支关联。如需从目录分支中删除商品，请参阅删除商品信息。

从 Merchant Center 导入清单数据

Merchant Center 是一种工具，可让您用来使门店数据和商品数据可供购物广告和其他 Google 服务使用。

您可以使用 Merchant Center 架构（仅限建议）从 BigQuery 一次性从 BigQuery 批量导入清单数据。

从 Merchant Center 批量导入

您可以使用 Search for Retail 控制台或 products.import 方法从 Merchant Center 导入清单数据。批量导入是一次性过程，并且仅支持提供建议。

要从 Merchant Center 导入目录，请完成以下步骤：

  1. 按照 Merchant Center 转移作业中的说明，设置从 Merchant Center 到 BigQuery 的转移作业。

    您将使用 Google Merchant Center 商品表架构。将转移作业配置为每天重复，但将数据集过期时间设置为 2 天。

  2. 如果您的 BigQuery 数据集位于其他项目中，请配置所需的权限，以便 Vertex AI Search for Retail 可以访问 BigQuery 数据集。了解详情。

  3. 将清单数据从 BigQuery 导入适用于零售业的 Vertex AI Search。

    控制台

    1. 转到 Search for Retail 控制台中的数据> 页面。

      转到“数据”页面

    2. 点击导入以打开“导入目录”面板。

    3. 选择商品清单。

    4. 选择 BigQuery 作为数据源。

    5. 选择您要将目录上传到的分支。

    6. 选择 Merchant Center 作为数据架构。

    7. 输入数据所在的 BigQuery 表格。

    8. 可选：输入项目中 Cloud Storage 存储桶的位置，作为数据的临时位置。

      如果未指定，则使用默认位置。如果指定，BigQuery 和 Cloud Storage 存储桶必须位于同一地区内。

    9. 选择是否安排定期上传目录数据。

    10. 如果这是您第一次导入清单，或者您要在完全清除清单后重新导入清单，请选择商品级别。详细了解商品级别。

      在导入任何数据后更改产品级配置需要花费大量精力。

    11. 点击导入。

    curl

    1. 如果这是您第一次上传目录，或者要在完全清除后重新导入目录，请使用 Catalog.patch 方法设置产品级别。此操作需要 Retail Admin 角色。 详细了解商品级别。

      curl -X PATCH \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
--data '{
"productLevelConfig": {
  "ingestionProductType": "PRODUCT_TYPE",
  "merchantCenterProductIdField": "PRODUCT_ID_FIELD"
}
}' \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog"

    2. 使用 Products.import 方法导入目录。

      • DATASET_ID：BigQuery 数据集的 ID。
      • TABLE_ID：存放数据的 BigQuery 表的 ID。
      • STAGING_DIRECTORY：可选。在导入到 BigQuery 之前用作数据的临时位置的 Cloud Storage 目录。将此字段留空可自动创建临时目录（推荐）。
      • ERROR_DIRECTORY：可选。存放与导入有关的错误信息的 Cloud Storage 目录。将此字段留空可自动创建临时目录（推荐）。
      • dataSchema：对于 dataSchema 属性，请使用值 product_merchant_center。请参阅 Merchant Center 商品表架构。

      我们建议您不要指定暂存目录或错误目录，这样，系统就可以自动创建包含新暂存目录和错误目录的 Cloud Storage 存储桶。这些目录在 BigQuery 数据集所在的区域中创建，并且对于每次导入都是唯一的（这样可以防止多个导入作业将数据暂存到同一目录，并可能会重新导入相同的数据）。三天后，系统会自动删除存储桶和目录，以减少存储费用。

      自动创建的存储桶名称包含项目 ID、存储桶区域和数据架构名称，并以下划线分隔（例如 4321_us_catalog_retail）。自动创建的目录称为 staging 或 errors，后跟一个数字（例如 staging2345 或 errors5678）。

      如果指定目录，Cloud Storage 存储桶必须与 BigQuery 数据集位于同一区域，否则导入将失败。以 gs://<bucket>/<folder>/ 格式指定暂存和错误目录；二者应为不同的目录。

      curl -X POST \
       -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
       -H "Content-Type: application/json; charset=utf-8" \
       --data '{
         "inputConfig":{
            "bigQuerySource": {
              "datasetId":"DATASET_ID",
              "tableId":"TABLE_ID",
              "dataSchema":"product_merchant_center"
            }
          }
      }' \
     "https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"

从 BigQuery 导入目录数据

如需从 BigQuery 以正确的格式导入清单数据，请使用适用于零售业的 Vertex AI Search 架构以正确的格式创建 BigQuery 表，并加载包含清单数据的空表。然后，将您的数据上传到 Vertex AI Search for Retail。

如需有关 BigQuery 表的更多帮助，请参阅表简介。如需有关 BigQuery 查询的帮助，请参阅查询 BigQuery 数据概览。

如需在 Cloud Shell Editor 中直接遵循有关此任务的分步指导，请点击操作演示：

操作演示

要导入目录，请执行以下操作：

  1. 如果您的 BigQuery 数据集位于其他项目中，请配置所需的权限，以便 Vertex AI Search for Retail 可以访问 BigQuery 数据集。了解详情。

  2. 将您的清单数据导入 Vertex AI Search for Retail。

    控制台

    1. 转到 Search for Retail 控制台中的数据> 页面。

      转到“数据”页面
    2. 点击导入，打开导入数据面板。
    3. 选择商品清单。
    4. 选择 BigQuery 作为数据源。
    5. 选择您要将目录上传到的分支。
    6. 选择零售商品清单架构。这是适用于零售业的 Vertex AI Search 的产品架构。
    7. 输入数据所在的 BigQuery 表格。
    8. 可选：在显示高级选项下，输入项目中的 Cloud Storage 存储桶的位置，作为数据的临时位置。

      如果未指定，则使用默认位置。如果指定，则 BigQuery 和 Cloud Storage 存储桶必须位于同一区域。
    9. 如果您未启用搜索功能，并且使用的是 Merchant Center 架构，请选择产品级别。

      如果这是您第一次导入目录，或者在完全清除目录后要重新导入目录，那么您必须选择产品级别。详细了解产品级别。在导入任何数据后更改商品级别需要花费大量精力。

      重要提示：如果项目包含的商品清单已作为变体进行注入，您将无法启用搜索功能。
    10. 点击导入。

    curl

    1. 如果这是您第一次上传目录，或者要在完全清除后重新导入目录，请使用 Catalog.patch 方法设置产品级别。此操作需要 Retail Admin 角色。

      curl -X PATCH \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
 --data '{
   "productLevelConfig": {
     "ingestionProductType": "PRODUCT_TYPE",
     "merchantCenterProductIdField": "PRODUCT_ID_FIELD"
   }
 }' \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog"

    2. 为导入作业的输入参数创建一个数据文件。

      使用 BigQuerySource 对象指向 BigQuery 数据集。

      • DATASET_ID：BigQuery 数据集的 ID。
      • TABLE_ID：存放数据的 BigQuery 表的 ID。
      • PROJECT_ID：BigQuery 来源所在的项目的 ID。如果未指定，项目 ID 将继承自父请求。
      • STAGING_DIRECTORY：可选。在导入到 BigQuery 之前用作数据的临时位置的 Cloud Storage 目录。将此字段留空可自动创建临时目录（推荐）。
      • ERROR_DIRECTORY：可选。存放与导入有关的错误信息的 Cloud Storage 目录。将此字段留空可自动创建临时目录（推荐）。
      • dataSchema：对于 dataSchema 属性，请使用值 product（默认值）。您将使用适用于零售业的 Vertex AI Search 架构。

      我们建议您不要指定暂存目录或错误目录，这样，系统就可以自动创建包含新暂存目录和错误目录的 Cloud Storage 存储桶。这些目录在 BigQuery 数据集所在的区域中创建，并且对于每次导入都是唯一的（这样可以防止多个导入作业将数据暂存到同一目录，并可能会重新导入相同的数据）。三天后，系统会自动删除存储桶和目录，以减少存储费用。

      自动创建的存储桶名称包含项目 ID、存储桶区域和数据架构名称，并以下划线分隔（例如 4321_us_catalog_retail）。自动创建的目录称为 staging 或 errors，后跟一个数字（例如 staging2345 或 errors5678）。

      如果指定目录，Cloud Storage 存储桶必须与 BigQuery 数据集位于同一区域，否则导入将失败。以 gs://<bucket>/<folder>/ 格式指定暂存和错误目录；二者应为不同的目录。

      {
   "inputConfig":{
     "bigQuerySource": {
       "projectId":"PROJECT_ID",
       "datasetId":"DATASET_ID",
       "tableId":"TABLE_ID",
       "dataSchema":"product"}
      }
}

    3. 向 Products:import REST 方法发出 POST 请求，并提供数据文件的名称（此处显示为 input.json），即可导入目录信息。

      curl -X POST \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" -d @./input.json \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"

      您可以使用 API 以编程方式检查状态。您应该会收到类似如下所示的响应对象：

      {
"name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456",
"done": false
}

      名称字段是操作对象的 ID。要请求此对象的状态，请将名称字段替换为 import 方法返回的值，直到 done 字段返回 true：

      curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456"

      操作完成后，返回的对象的 done 值为 true，并且包含一个类似于以下示例的 Status 对象：

      { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata",
  "createTime": "2020-01-01T03:33:33.000001Z",
  "updateTime": "2020-01-01T03:34:33.000001Z",
  "successCount": "2",
  "failureCount": "1"
},
"done": true,
"response": {
"@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse",
},
"errorsConfig": {
  "gcsPrefix": "gs://error-bucket/error-directory"
}
}

      您可以检查 Cloud Storage 错误目录中的文件，了解导入过程中是否出现错误。

设置对 BigQuery 数据集的访问权限

如需在 BigQuery 数据集与 Vertex AI Search for Retail 服务属于不同项目时设置访问权限，请完成以下步骤。

  1. 在 Google Cloud Console 中打开 IAM 页面。

    打开 IAM 页面

  2. 选择您的 Vertex AI Search for Retail 项目。

  3. 找到名为 Retail Service Account 的服务账号。

    如果您之前未启动过导入操作，则此服务帐号可能未列出。如果您没有看到此服务账号，请返回导入任务并启动导入。当由于权限错误而失败时，请返回此处完成此任务。

  4. 复制服务账号的标识符，类似于电子邮件地址（例如 service-525@gcp-sa-retail.iam.gserviceaccount.com）。

  5. 切换到您的 BigQuery 项目（在同一 IAM 和管理页面上），然后点击  授予访问权限。

  6. 在新的主账号部分，输入适用于零售业的 Vertex AI Search 服务帐号的标识符，然后选择 BigQuery > BigQuery User 角色。

  7. 点击添加其他角色，然后选择 BigQuery > BigQuery Data Editor。

    如果您不想向整个项目提供 Data Editor 角色，则可以将此角色直接添加到数据集。了解详情。

  8. 点击保存。

从 Cloud Storage 导入清单数据

如需导入 JSON 格式的目录数据，您需要创建一个或多个 JSON 文件，其中包含要导入的目录数据，然后将其上传到 Cloud Storage。然后，您可以将它导入到 Vertex AI Search for Retail。

如需查看 JSON 商品项格式的示例，请参阅商品项 JSON 数据格式。

如需有关将文件上传到 Cloud Storage 的帮助，请参阅上传对象。

  1. 确保适用于零售的 Vertex AI Search 服务帐号具有对存储桶的读取和写入权限。

    适用于零售的 Vertex AI Search 服务帐号会在 Google Cloud 控制台的 IAM 页面上列出，其名称为 Retail Service Account。将账号添加到存储桶权限时，请使用服务账号的标识符（类似于电子邮件地址，例如 service-525@gcp-sa-retail.iam.gserviceaccount.com）。

  2. 导入清单数据。

    控制台

    1. 转到 Search for Retail 控制台中的数据> 页面。

      转到“数据”页面
    2. 点击导入，打开导入数据面板。
    3. 选择商品清单作为数据源。
    4. 选择您要将目录上传到的分支。
    5. 选择零售商品清单架构作为架构。
    6. 输入数据的 Cloud Storage 位置。
    7. 如果您未启用搜索功能，请选择产品级别。

      如果这是您第一次导入目录或在完全清除目录后要重新导入，则必须选择产品级别。详细了解产品级别。在导入任何数据后更改商品级别需要花费大量精力。

      重要提示：如果项目包含的商品清单已作为变体进行注入，您将无法启用搜索功能。
    8. 点击导入。

    curl

    1. 如果这是您第一次上传目录，或者要在完全清除后重新导入目录，请使用 Catalog.patch 方法设置产品级别。详细了解商品级别。

      curl -X PATCH \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
 --data '{
   "productLevelConfig": {
     "ingestionProductType": "PRODUCT_TYPE",
     "merchantCenterProductIdField": "PRODUCT_ID_FIELD"
   }
 }' \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog"

    2. 为导入作业的输入参数创建一个数据文件。您可以使用 GcsSource 对象指向您的 Cloud Storage 存储桶。

      您可以提供多个文件，也可以只提供一个文件；本例使用了两个文件。

      • INPUT_FILE：Cloud Storage 中包含目录数据的一个或多个文件。
      • ERROR_DIRECTORY：存放与导入有关的错误信息的 Cloud Storage 目录。

      输入文件字段必须采用 gs://<bucket>/<path-to-file>/ 格式。错误目录必须采用 gs://<bucket>/<folder>/ 格式。如果错误目录不存在，系统会创建该目录。 存储桶必须已存在。

      {
"inputConfig":{
 "gcsSource": {
   "inputUris": ["INPUT_FILE_1", "INPUT_FILE_2"]
  }
},
"errorsConfig":{"gcsPrefix":"ERROR_DIRECTORY"}
}

    3. 向 Products:import REST 方法发出 POST 请求，并提供数据文件的名称（此处显示为 input.json），即可导入目录信息。

      curl -X POST \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" -d @./input.json \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"

      若要检查导入操作的状态，最简单的方法是使用 Google Cloud 控制台。如需了解详情，请参阅查看特定集成操作的状态。

      您还可以使用 API 以编程方式检查状态。您应该会收到类似如下所示的响应对象：

      {
"name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456",
"done": false
}

      名称字段是操作对象的 ID。您可以请求此对象的状态，将名称字段替换为导入方法返回的值，直到 done 字段返回 true：

      curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
"https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/[OPERATION_NAME]"

      操作完成后，返回的对象的 done 值为 true，并且包含一个类似于以下示例的 Status 对象：

      { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata",
  "createTime": "2020-01-01T03:33:33.000001Z",
  "updateTime": "2020-01-01T03:34:33.000001Z",
  "successCount": "2",
  "failureCount": "1"
},
"done": true,
"response": {
"@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse"
},
"errorsConfig": {
  "gcsPrefix": "gs://error-bucket/error-directory"
}
}

      您可以检查 Cloud Storage 错误目录中的文件，以查看导入期间发生的错误类型。

以内嵌方式导入清单数据

curl

您可以向 Products:import REST 方法发出 POST 请求，并使用 productInlineSource 对象指定目录数据，从而以内嵌方式导入目录信息。

在一行中提供整个商品。每个产品都应该独占一行。

如需查看 JSON 商品项格式的示例，请参阅商品项 JSON 数据格式。

  1. 为您的商品创建 JSON 文件，并将其命名为 ./data.json：

    {
"inputConfig": {
"productInlineSource": {
  "products": [
    { PRODUCT_1 }
    { PRODUCT_2 }
  ]
}
}
}

  2. 调用 POST 方法：

    curl -X POST \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 --data @./data.json \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"

Java

public static String importProductsFromInlineSource(
    List<Product> productsToImport)
    throws IOException, InterruptedException, ExecutionException {
  ProductServiceClient productClient = getProductServiceClient();

  ProductInlineSource inlineSource = ProductInlineSource.newBuilder()
      .addAllProducts(productsToImport)
      .build();

  ProductInputConfig inputConfig = ProductInputConfig.newBuilder()
      .setProductInlineSource(inlineSource)
      .build();

  ImportProductsRequest importRequest = ImportProductsRequest.newBuilder()
      .setParent(IMPORT_PARENT)
      .setRequestId(REQUEST_ID)
      .setReconciliationMode(ReconciliationMode.INCREMENTAL)
      .setInputConfig(inputConfig)
      .build();

  String operationName = productClient
      .importProductsAsync(importRequest).getName();

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

  return operationName;
}

产品项 JSON 数据格式

JSON 文件中的 Product 条目应如以下示例所示。

在一行中提供整个商品。每个产品都应该独占一行。

至少填充以下必填字段：

  {
    "id": "1234",
    "categories": "Apparel & Accessories > Shoes",
    "title": "ABC sneakers"
  }
  {
    "id": "5839",
    "categories": "casual attire > t-shirts",
    "title": "Crew t-shirt"
  }

完成对象：

  {
    "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products/1234",
    "id": "1234",
    "categories": "Apparel & Accessories > Shoes",
    "title": "ABC sneakers",
    "description": "Sneakers for the rest of us",
    "attributes": { "vendor": {"text": ["vendor123", "vendor456"]} },
    "language_code": "en",
    "tags": [ "black-friday" ],
    "priceInfo": {
      "currencyCode": "USD", "price":100, "originalPrice":200, "cost": 50
    },
    "availableTime": "2020-01-01T03:33:33.000001Z",
    "availableQuantity": "1",
    "uri":"http://example.com",
    "images": [
      {"uri": "http://example.com/img1", "height": 320, "width": 320 }
    ]
  }
  {
    "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products/4567",
    "id": "4567",
    "categories": "casual attire > t-shirts",
    "title": "Crew t-shirt",
    "description": "A casual shirt for a casual day",
    "attributes": { "vendor": {"text": ["vendor789", "vendor321"]} },
    "language_code": "en",
    "tags": [ "black-friday" ],
    "priceInfo": {
      "currencyCode": "USD", "price":50, "originalPrice":60, "cost": 40
    },
    "availableTime": "2020-02-01T04:44:44.000001Z",
    "availableQuantity": "2",
    "uri":"http://example.com",
    "images": [
      {"uri": "http://example.com/img2", "height": 320, "width": 320 }
    ]
  }

历史目录数据

适用于零售业的 Vertex AI Search 支持导入和管理历史清单数据。使用历史用户事件进行模型训练时，历史目录数据会很有帮助。过去的产品信息可用于丰富历史用户事件数据并提高模型准确率。

历史产品存储为过期产品。它们不会在搜索响应中返回，但对 Update、List 和 Delete API 调用可见。

导入历史目录数据

如果产品的 expireTime 字段设置为过去的时间戳，则此产品将被视为历史产品。请将产品库存状况设置为 OUT_OF_STOCK，以免影响建议。

我们建议您使用以下方法导入历史目录数据：

调用 Product.Create 方法

使用 Product.Create 方法创建一个 Product 条目，并将 expireTime 字段设置为过去的时间戳。

内嵌导入过期产品

相关步骤与内嵌导入相同，只是相应产品的 expireTime 字段应设置为过去的时间戳。

在一行中提供整个商品。每个产品都应该独占一行。

内嵌导入请求中使用的 ./data.json 示例：

{
"inputConfig": {
  "productInlineSource": {
      "products": [
          {
            "id": "historical_product_001",
            "categories": "Apparel & Accessories > Shoes",
            "title": "ABC sneakers",
            "expire_time": {
              "second": "2021-10-02T15:01:23Z"  // a past timestamp
            }
          },
          {
            "id": "historical product 002",
            "categories": "casual attire > t-shirts",
            "title": "Crew t-shirt",
            "expire_time": {
              "second": "2021-10-02T15:01:24Z"  // a past timestamp
            }
          }
      ]
    }
  }
}

从 BigQuery 或 Cloud Storage 导入过期产品

请按照从 BigQuery 导入清单数据或从 Cloud Storage 导入清单数据中所述的流程操作。不过，请务必将 expireTime 字段设置为过去的时间戳。

让目录保持最新状态

为获得最佳效果，您的目录必须包含最新信息。建议您每天导入目录，以确保目录是最新的。您可以使用 Google Cloud Scheduler 安排导入时间，或者在使用 Google Cloud 控制台导入数据时选择自动安排选项。

您可以只更新新商品项或发生更改的商品项，也可以导入整个目录。如果您导入目录中已有的商品，系统不会再次添加这些商品。系统会更新所有发生更改的项。

如需更新单件商品，请参阅更新商品信息。

批量更新

您可以使用导入方法来批量更新目录。此操作与初始导入相同；请按照导入清单数据中的步骤操作。

监控导入作业的运行状况

如需监控目录注入和健康状况，请执行以下操作：

  1. 在 Search for Retail 数据页面的 Catalog 标签页上，查看有关您的目录和预览所上传商品的汇总信息。

    转到“数据”页面

  2. 在数据质量页面上评估是否需要更新目录数据以提高搜索结果质量，并解锁搜索性能层级。

    如需详细了解如何检查搜索数据质量和查看搜索效果层级，请参阅解锁搜索性能层级。如需查看此页面上可用的目录指标的摘要，请参阅目录质量指标。

    转到“数据质量”页面

  3. 如需创建提醒以便在数据上传出现问题时通知您，请按照设置 Cloud Monitoring 提醒中的步骤操作。

    及时更新目录对于获得高质量的结果非常重要。您可以使用提醒来监控导入错误率，并在需要时采取措施。

后续步骤