クイックスタート: Recommendations AI を使用してレコメンデーション システムを構築する
このページでは、Recommendations AI を使用してソリューションを実装するための段階的な手順を説明します。
始める前に
はじめに
Recommendations AI を使用すると、Google ツールを使用しているかどうかにかかわらず、ウェブサイト向けのカスタマイズされたレコメンデーションを取得できます。ただし、Google タグ マネージャーまたは Google Merchant Center を使用している場合、Recommendations AI の実装手順の一部が簡素化されます。
パーソナライズされた結果をエンドユーザーからキャッシュに保存したり、パーソナライズされた結果を別のエンドユーザーに戻したりすることはありません。
Google ツールを使用した Recommendations AI の実装
このプロセスは、Recommendations AI と Google ツール（Google タグ マネージャーと Google Merchant Center）を使用して、A/B テストまで到達するのに最も早い方法です。
| ステップ | 説明 |
|---|---|
| 1. Google Cloud プロジェクトを設定する | 既存の Google Cloud プロジェクトがすでにある場合は、それを使用できます。 |
| 2a. Merchant Center を使用して商品カタログをインポートする | 商品カタログを直接インポートすることもできますが、Merchant Center を使用するとカタログのインポートに必要な手順が削減されます。 |
| 2b. ユーザー イベントを記録するようにタグ マネージャーを構成する | ユーザー イベントでは、商品のクリック、ショッピング カートへのアイテムの追加、アイテムの購入などのユーザー アクションをトラッキングします。カタログのインポートと並行して、ユーザー イベントの記録を開始できます。カタログのインポートが完了したら、インポートが完了する前にアップロードされたイベントに再結合します。 |
| 3. モデルを作成する |
最小データ要件を満たしたら、モデルを作成してモデルのトレーニングを開始します。最初のモデルのトレーニングと調整には 2～5 日かかります。 |
| 4. プレースメントを作成してレコメンデーションをプレビューする |
モデルでトレーニングと調整が完了したら、プレースメントを作成して、モデルのレコメンデーションをプレビューし、設定が想定どおりに機能することを確認します。 |
| 5. A/B テストの設定 | A/B テストでは、Recommendations AI のレコメンデーションがユーザー行動にどのように影響するかについての知見が得られます。 |
追加の Google ツールを使用せずに Recommendations AI を実装
タグ マネージャーと Merchant Center を使用していない場合は、次の手順でウェブサイトに Recommendations AI を統合します。
| ステップ | 説明 |
|---|---|
| 1. Google Cloud プロジェクトを設定する | Recommendations AI を使用するには、Google Cloud（GCP）プロジェクトを作成し、API キーや OAuth トークンを含む認証情報を作成（ユーザー アカウントまたはサービス アカウントを使用）してプロジェクトにアクセスします。 |
| 2a. 商品カタログをインポートする |
|
| 2b. ユーザー イベントを記録する |
ユーザー イベントでは、商品のクリック、ショッピング カートへのアイテムの追加、アイテムの購入などのユーザー アクションをトラッキングします。Recommendations AI は、カスタマイズされたレコメンデーションの生成には、ユーザー イベントデータを利用します。ユーザーの動作を正確に反映するために、ユーザー イベントをリアルタイムで取り込む必要があります。 カタログのインポートと並行して、ユーザー イベントの記録を開始できます。カタログのインポートが完了したら、インポートが完了する前にアップロードされたイベントに再結合します。 |
| 4. レコメンデーション タイプとプレースメントを決定する |
レコメンデーション パネルの場所とそのパネルの目標は、モデルの調整に影響します。利用可能なレコメンデーション タイプ、最適化目標、その他のモデル調整オプションの確認を利用して、ビジネスの目標に最適なオプションを判断することができます。 |
| 5. 過去のユーザー イベントをインポートする |
モデルが正確な予測が提示できるようになるには、モデルに十分なトレーニング データが必要です。過去のユーザー イベント データを提供すると、サイトから十分なユーザー イベント データが収集される間の数か月を待つことなく、モデル トレーニングを開始できます。詳細については、こちらをご覧ください。 |
| 6. モデルを作成する |
データ要件を満たしたら、モデルを作成してモデルのトレーニングを開始します。最初のモデルのトレーニングと調整には 2～5 日かかります。 |
| 7. プレースメントを作成してレコメンデーションをプレビューする |
モデルが有効になったら、プレースメントを作成して、モデルのレコメンデーションをプレビューし、設定が期待どおりに機能することを確認します。 |
| 8. A/B テストの設定（省略可） | Recommendations AI のレコメンデーションがあるウェブサイトのパフォーマンスと、Recommendations AI のレコメンデーションがないウェブサイトのベースライン バージョンを比較できます。 |
| 9. モデルの評価 | レコメンデーションとユーザー イベントを関連付けることができます。また、Recommendations AI は、レコメンデーションを取り入れることにより、ビジネスにどのように影響するかの判断に役立つ指標のレポートを提示します。 プロジェクトのレコメンデーションの指標は、Recommendations AI Console の [ダッシュボード] タブで確認できます。 |
利用規約
プロダクトの使用は Google Cloud の利用規約に準拠しており、お客様の情報は Google のプライバシー ポリシーに従って使用されます。
クリーンアップ
このページで使用したリソースについて、Google Cloud アカウントに課金されないようにするには、次の手順を行います。