Diese Recommendations AI-Dokumentation verweist auf die Recommendations Console. Wir empfehlen, zur Retail Console zu wechseln und die Dokumentation für Einzelhändler zu verwenden. Darin werden Recommendations AI, die Retail Console und Retail Search dokumentiert.

Wenn Sie die v1beta-Version von Recommendations AI verwenden, migrieren Sie zur Retail API-Version.

Empfehlungsmodelle erstellen

Auf dieser Seite wird beschrieben, wie Sie ein neues Empfehlungsmodell erstellen.

Wenn Sie bereits ein Empfehlungsmodell des richtigen Typs haben und Vorhersagen von einem anderen Speicherort auf Ihrer Website abrufen möchten, können Sie statt eines neuen Modells ein neues Placement erstellen. Weitere Informationen.

Einführung

Wenn Sie einen neuen Empfehlungstyp für Vorhersagen verwenden möchten, müssen Sie ein neues Empfehlungsmodell erstellen und genügend Nutzerereignisdaten bereitstellen, damit es trainiert werden kann. Sie erstellen Placements für Ihr neues Modell und fordern dann Vorhersagen von diesen Placements an, wenn das Modell das Training abgeschlossen hat.

Eine Übersicht über die Arbeit mit Recommendations AI finden Sie unter Recommendations AI-Lösung implementieren.

Empfehlungsmodell erstellen

Sie fügen ein neues Empfehlungsmodell mit der Google Cloud Console hinzu. Es sind bis zu 20 Modelle pro Projekt möglich, wobei jederzeit bis zu 10 Modelle aktiv (nicht pausiert) sein können. Weitere Informationen zum Pausieren eines Modells

Sie können bis zu 5 Modellvorgänge pro Minute starten. Zu den eingeschränkten Modellvorgängen gehören das Erstellen, Löschen, Anhalten und Fortsetzen.

Bevor Sie ein neues Modell erstellen können, müssen die Anforderungen zum Erstellen eines neuen Modells erfüllt sein.

So erstellen Sie ein neues Modell:

  1. Rufen Sie in der Google Cloud Console die Seite „Empfehlungen – KI-Modelle“ auf.
    Zur Seite „Recommendations AI-Modelle“

  2. Klicken Sie auf Modell erstellen.

  3. Geben Sie einen Namen für das Modell ein.

    Der Name darf höchstens 1.024 Zeichen lang sein und nur alphanumerische Zeichen, Unterstriche, Bindestriche und Leerzeichen enthalten.

  4. Wählen Sie den Empfehlungstyp aus, für den das Modell trainiert werden soll, sowie das Geschäftsziel.

  5. Wenn Sie Ihre Diversifizierungsstufe und die Einstellung zum Preis-Reranking steuern möchten, klicken Sie auf Erweiterte Optionen anzeigen und wählen Sie Ihre Einstellungen aus. Weitere Informationen.

  6. Klicken Sie auf Erstellen, um das neue Empfehlungsmodell zu erstellen.

    Wenn Sie ausreichende Nutzerereignisdaten des erforderlichen Typs hochgeladen haben, beginnt das erste Training und die Abstimmung des Modells. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage.

    Sie können für Ihr neues Modell vor dem Training Placements erstellen, aber diese werden nur als Probevorhersagen verwendet, bis das erste Training und die Feinabstimmung abgeschlossen sind und das Modell aktiv ist.

Anforderungen zum Erstellen eines neuen Empfehlungsmodells

Wenn Sie zum ersten Mal einen bestimmten Empfehlungstyp für Ihre Website verwenden, trainieren Sie ein neues Modell für maschinelles Lernen. Das erfordert genügend Trainingsdaten sowie die Zeit zum Trainieren und Optimieren des Modells. Die folgenden Schritte sind erforderlich, um einen neuen Empfehlungstyp zu verwenden:

  1. Importieren Sie Ihren Katalog in Recommendations AI, falls Sie dies noch nicht getan haben, und implementieren Sie Prozesse, um den hochgeladenen Katalog auf dem neuesten Stand zu halten.
  2. Starten Sie die Aufnahme von Nutzerereignissen in Recommendations AI, falls Sie dies noch nicht getan haben. Achten Sie dabei auf die Best Practices zum Aufzeichnen von Nutzerereignisdaten.
  3. Identifizieren Sie den Empfehlungstyp und das Optimierungsziel, das Sie verwenden möchten.
  4. Ermitteln Sie die Anforderungen für Nutzerereignisdaten für den gewünschten Empfehlungstyp und das gewünschte Ziel.
  5. Importieren Sie Verlaufsdaten zu Nutzerereignissen, um die Mindestanforderungen für Ereignisdaten zu erfüllen, oder warten Sie, bis die Erfassung von Nutzerereignisdaten die Mindestanforderungen erfüllt.
  6. Erstellen Sie das Modell und die Placements.

    An diesem Punkt initiiert Recommendations AI das Modelltraining und die Abstimmung. Das erste Training und die Abstimmung des Modells dauern zwei bis fünf Tage.

  7. Prüfen Sie mithilfe der Vorhersagevorschau, ob Ihr Modell ordnungsgemäß funktioniert.

  8. A/B-Test erstellen

Anforderungen an Nutzerereignisdaten

Die Art der importierten Nutzerereignisse und die Menge der benötigten Daten hängen von Ihrem Empfehlungstyp (Modell) und Ihrem Optimierungsziel ab. Wenn Sie die Mindestdatenanforderungen erreichen, können Sie mit dem Modelltraining beginnen.

Das Datenerfassungsfenster stellt die maximale Zeitspanne dar, die Recommendations AI nach Nutzerereignissen sucht. Das Importieren weiterer Verlaufsdaten hat keine Auswirkungen auf die Modellqualität.

Da die Retail API keine hochwertigen Modelle aus synthetischen Daten erzeugen kann, sollten Sie echte Nutzerereignisse und echte Katalogdaten verwenden.

Modelltyp Optimierungsziel Unterstützte Nutzerereignistypen: Mindestdatenanforderung Fenster zur Datenerfassung
Empfehlungen für mich Klickrate (Click-through-Rate, CTR) detail-page-view
add-to-cart
purchase-complete
home-page-view

10.000 detail-page-view-Ereignisse,die mindestens 100 einzelne Besucher-IDs und 100 eindeutige verknüpfte Produkte im aktiven Zweig enthalten

10.000 home-page-view -Ereignisse.

AND

(1 Woche mit durchschnittlich 10 detail-page-view-Ereignissen pro verknüpftem Produkt)

ODER

60 Tage mit mindestens einem verknüpften detail-page-view-Ereignis.)

3 Monate
Empfehlungen für mich Conversion-Rate detail-page-view
add-to-cart
purchase-complete
home-page-view

10.000 add-to-cart-Ereignisse,die mindestens 100 einzelne Besucher-IDs und 100 eindeutige verknüpfte Produkte im aktiven Zweig enthalten

10.000 detail-page-view-Ereignisse.

10.000 home-page-view -Ereignisse.

AND

(1 Woche mit durchschnittlich 10 add-to-cart-Ereignissen pro verknüpftem Produkt)

ODER

60 Tage mit mindestens einem verknüpften add-to-cart-Ereignis.)

3 Monate
Was Ihnen sonst noch gefallen könnte Klickrate (Click-through-Rate, CTR) detail-page-view

10.000 detail-page-view -Ereignisse,die mindestens 100 einzelne Besucher-IDs und 100 eindeutige verknüpfte Produkte im aktiven Zweig enthalten

AND

(1 Woche, mit durchschnittlich 10 detail-page-view-Ereignissen pro verknüpftem Katalogelement.

OR

60 Tage mit mindestens einem verknüpften detail-page-view-Ereignis.)

3 Monate
Was Ihnen sonst noch gefallen könnte Conversion-Rate add-to-cart
detail-page-view

10.000 add-to-cart-Ereignisse,die mindestens 100 einzelne Besucher-IDs und 100 eindeutige verknüpfte Produkte im aktiven Zweig enthalten

10.000 detail-page-view-Ereignisse.

AND

(1 Woche mit durchschnittlich 10 add-to-cart-Ereignissen pro verknüpftem Produkt)

ODER

60 Tage mit mindestens einem verknüpften add-to-cart-Ereignis.)

3 Monate
Häufig zusammen gekaufte Artikel Alle purchase-complete
detail-page-view

1.000 purchase-Ereignisse, die mindestens 100 einzelne Besucher-IDs und 100 eindeutige verknüpfte Produkte im aktiven Zweig enthalten

AND

(Im Durchschnitt sind 10 purchase-complete-Ereignisse pro verknüpftes Produkt.)

ODER

90 Tage für purchase-complete-Ereignisse.)

12 Monate

Weitere Informationen