This is the documentation for Recommendations AI only. To try Retail Search and the unified Retail console in the restricted GA phase, contact Cloud sales. If you are not planning to use Retail Search, remain on the Recommendations console until further notice.

If you are using the v1beta version of Recommendations AI, migrate to the Retail API version.

Créer des modèles de recommandation

Cette page explique comment créer un modèle de recommandation.

Si vous disposez déjà d'un modèle de recommandation du type approprié et que vous souhaitez obtenir des prédictions à partir d'un autre emplacement de votre site, vous pouvez créer un emplacement correspondant plutôt que créer un modèle. En savoir plus

Présentation

Lorsque vous souhaitez utiliser un nouveau type de recommandation pour obtenir des prédictions, vous devez créer un modèle de recommandation et fournir suffisamment de données d'événements utilisateur pour qu'il puisse être entraîné. Vous créez des emplacements pour votre nouveau modèle puis, une fois l'entraînement terminé, vous pouvez demander des prédictions à partir de ces emplacements.

Pour obtenir une présentation du processus d'utilisation de Recommendations AI, consultez la page Mettre en œuvre une solution Recommendations AI.

Créer un modèle de recommandation

Vous ajoutez un nouveau modèle de recommandation à l'aide de Google Cloud Console. Vous pouvez avoir jusqu'à 20 modèles par projet, et jusqu'à 10 d'entre eux peuvent être actifs (non suspendus) à tout moment. Apprenez-en plus sur la mise en pause d'un modèle.

Vous pouvez lancer jusqu'à cinq opérations de modélisation par minute. Les opérations de modélisation limitées sont la création, la suppression, la pause et la reprise.

Pour pouvoir créer un modèle, vous devez répondre aux exigences relatives à la création d'un modèle.

Pour créer un modèle, procédez comme suit :

  1. Accédez à la page des modèles Recommendations AI dans Google Cloud Console.
    Accéder à la page "Modèles Recommandations AI"

  2. Cliquez sur Créer un modèle.

  3. Attribuez un nom à votre modèle.

    Ce nom doit comporter 1 024 caractères au maximum, et ne peut contenir que des caractères alphanumériques, des traits de soulignement, des traits d'union et des espaces.

  4. Choisissez le type de recommandation que vous souhaitez que ce modèle soit entraîné à fournir, ainsi que son objectif commercial.

  5. Si vous souhaitez contrôler votre paramètre de niveau de diversification et de reclassement du prix, cliquez sur Afficher les options avancées et sélectionnez vos paramètres. En savoir plus

  6. Cliquez sur Créer pour créer le modèle de recommandation.

    Si vous avez importé assez de données d'événement utilisateur du type requis, l'entraînement initial et le réglage du modèle commencent. L'entraînement initial et le réglage du modèle prennent deux à cinq jours.

    Vous pouvez créer des emplacements pour votre nouveau modèle avant la fin de l'entraînement, mais ils ne diffuseront que des prédictions "à blanc" jusqu'à ce que l'entraînement initial et le réglage se terminent et que le modèle soit activé.

Exigences relatives à la création d'un modèle de recommandation

La première fois que vous utilisez un type de recommandation spécifique pour votre site, vous entraînez un nouveau modèle de machine learning. Le processus nécessite une quantité suffisante de données d'entraînement ainsi que du temps pour entraîner et régler le modèle. Pour commencer à utiliser un nouveau type de recommandation, vous devez suivre les étapes suivantes :

  1. Importez votre catalogue dans Recommendations AI (si ce n'est pas déjà fait) et mettez en œuvre des processus pour maintenir le catalogue à jour.
  2. Commencez à enregistrer des événements utilisateur dans Recommendations AI, si ce n'est pas déjà fait, en veillant à suivre les bonnes pratiques pour enregistrer les données d'événements utilisateur.
  3. Identifiez le type de recommandation et l'objectif d'optimisation que vous souhaitez utiliser.
  4. Déterminez les exigences applicables aux données d'événement utilisateur pour le type de recommandation et l'objectif souhaités.
  5. Importez les données d'historique des événements utilisateur afin de répondre aux exigences minimales applicables aux données d'événements, ou attendez que la collecte des données d'événements utilisateur génère suffisamment de données pour satisfaire les exigences minimales.
  6. Créez votre modèle et vos emplacements.

    À ce stade, Recommendations AI lance l'entraînement et le réglage du modèle. L'entraînement initial et le réglage du modèle prennent deux à cinq jours.

  7. Vérifiez que votre modèle fonctionne correctement à l'aide de la version bêta de la prédiction.

  8. Créez votre test A/B.

Exigences relatives aux données d'événements utilisateur

Le type d'événements utilisateur que vous importez et la quantité de données dont vous avez besoin dépendent de votre type de recommandation (modèle) et de votre objectif d'optimisation. Une fois que vous avez atteint la quantité minimale de données requise, vous pouvez commencer l'entraînement du modèle.

La période de collecte des données représente la durée maximale pendant laquelle Recommendations AI recherche les événements utilisateur ; l'importation d'autres données historiques n'a aucun effet sur la qualité du modèle.

Étant donné que l'API Retail ne peut pas produire de modèles de bonne qualité en se basant sur des données synthétiques, veillez à utiliser des événements utilisateur réels et des données de catalogue réelles.

Type de modèle Objectif d'optimisation Types d'événements utilisateur compatibles Exigence minimale en matière de données Période de collecte de données
Recommandées pour vous Taux de clics detail-page-view
add-to-cart
purchase-complete
home-page-view

10 000 événements detail-page-view incluant au moins 100 ID de visiteur uniques ; et 10 000 événements home-page-view .

ET

(1 semaine, avec une moyenne de 10 événements detail-page-view par article de catalogue associé.

OU

60 jours avec au moins un événement detail-page-view associé)

3 mois
Recommandées pour vous Taux de conversion detail-page-view
add-to-cart
purchase-complete
home-page-view

10 000 événements add-to-cart incluant au moins 100 ID de visiteur uniques ; 10 000 événements detail-page-view  ; et 10 000 événements home-page-view .

ET

(1 semaine, avec une moyenne de 10 événements add-to-cart par article de catalogue associé.

OU

60 jours avec au moins un événement add-to-cart associé)

3 mois
Autres articles susceptibles de vous intéresser Taux de clics detail-page-view

10 000 événements detail-page-view incluant au moins 100 ID de visiteur uniques.

ET

(1 semaine, avec une moyenne de 10 événements detail-page-view par article de catalogue associé.

OU

60 jours avec au moins un événement detail-page-view associé)

3 mois
Autres articles susceptibles de vous intéresser Taux de conversion add-to-cart
detail-page-view

10 000 événements add-to-cart incluant au moins 100 ID de visiteur uniques ; et 10 000 événements detail-page-view.

ET

(1 semaine, avec une moyenne de 10 événements add-to-cart par article de catalogue associé.

OU

60 jours avec au moins un événement add-to-cart associé)

3 mois
Articles fréquemment achetés ensemble Tous purchase-complete
detail-page-view

1 000 événements purchase incluant au moins 100 ID de visiteur uniques.

ET

(une moyenne de 10 événements purchase-complete par élément de catalogue associé).

OU

90 jours d'événements purchase-complete.)

12 mois

Étape suivante