このページでは、新しいレコメンデーション モデルの作成方法について説明します。
適切なタイプのレコメンデーション モデルがすでにあり、サイトの別の場所から予測を取得する場合は、新しいモデルを作成する代わりに、新しいプレースメントを作成できます。詳細
はじめに
新しいレコメンデーション タイプを使用して予測を取得する場合は、新しいレコメンデーション モデルを作成して、トレーニングに十分なユーザー イベント データを提供する必要があります。新しいモデル用のプレースメントを作成し、モデルのトレーニングが完了したら、それらのプレースメントから予測をリクエストします。
Recommendations AI の使用プロセスの概要については、Recommendations AI ソリューションの実装をご覧ください。
レコメンデーション モデルの作成
Google Cloud Console を使用して、新しいレコメンデーション モデルを追加します。プロジェクトごとに最大 20 個のモデルを作成できます。また、いつでも最大 10 個のモデルを有効(一時停止不可)にできます。モデルの一時停止について確認してください。
1 分あたり最大 5 つのモデルのオペレーションを開始できます。対象となるモデルのオペレーションには、作成、削除、一時停止、再開が含まれます。
新しいモデルを作成する前に、新しいモデルを作成するための要件を満たしている必要があります。
新しいモデルを作成するには:
Google Cloud Console の [Recommendations AI モデル] ページに移動します。
Recommendations AI モデルページに移動[モデルを作成] をクリックします。
モデルに名前を入力します。
名前は 1,024 文字以下で、英数字、アンダースコア、ハイフン、スペースのみを含めることができます。
このモデルをトレーニングするレコメンデーション タイプと、ビジネスの目標を選択します。
多様化のレベルと価格の再ランキング設定を操作する場合は、[詳細設定を表示] をクリックして設定を選択します。詳細
[Create] をクリックして、新しいレコメンデーション モデルを作成します。
必要なタイプの十分なユーザー イベントデータをアップロードした場合、初期モデルのトレーニングと調整が開始されます。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。
トレーニングの完了前に、新しいモデルのプレースメントの作成ができますが、最初のトレーニングと調整が完了してモデルがアクティブになるまでは、「ドライラン」予測のみ提供されます。
新しいレコメンデーション モデルを作成するための要件
サイトで特定のレコメンデーション タイプを初めて使用するときは、新しい機械学習モデルをトレーニングします。このモデルには、十分なトレーニング データと、モデルのトレーニングと調整を行う時間が必要です。新しいレコメンデーション タイプを使用するには、次の手順が必要です。
- まだ行っていない場合は、Recommendations AI にカタログをインポートし、アップロードされたカタログを最新に保つプロセスを実施します。
- まだ行っていない場合は、必ずユーザー イベントデータの記録のベスト プラクティスに従って、Recommendations AI へのユーザー イベントの記録を開始します。
- 使用するレコメンデーション タイプと最適化目標を指定します。
- 希望するレコメンデーション タイプと目標に対するユーザー イベント データの要件を決定します。
- 最小のイベント データの要件を満たすために過去のユーザー イベントデータをインポートするか、ユーザー イベントデータの収集が最小要件を満たすまで待ちます。
-
この時点で、Recommendations AI はモデルのトレーニングと調整を開始します。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。
予測プレビューを使用して、モデルが正しく機能していることを確認します。
A/B テストを作成します。
ユーザー イベントのデータ要件
インポートするユーザー イベントのタイプと必要なデータ量は、レコメンデーション(モデル)タイプと最適化の目標によって異なります。最小データ要件に達した時点で、モデル トレーニングを開始できます。
データ収集時間は、Recommendations AI がユーザー イベントを検索する最大時間を表します。それ以上の履歴データをインポートしても、モデルの品質には影響しません。
Retail API は、合成データに基づいて良好なモデルを生成できないため、実際のユーザー イベントと実際のカタログデータを使用してください。
モデルタイプ | 最適化の目標 | サポートされているユーザー イベント タイプ | 最小データ要件 | データ収集時間 |
---|---|---|---|---|
あなたへのおすすめ | クリック率 |
detail-page-view add-to-cart purchase-complete home-page-view
|
アクティブなブランチ内で、少なくとも 100 個の一意の訪問者 ID と、100 個の一意の結合商品が含まれる 10,000 件の 10,000 件の AND
(1 週間、結合された商品ごとに平均 10 件の OR
60 日間、少なくとも 1 つの結合した |
3 か月 |
あなたへのおすすめ | コンバージョン率 |
detail-page-view add-to-cart purchase-complete home-page-view
|
アクティブなブランチ内で、少なくとも 100 個の一意の訪問者 ID と、100 個の一意の結合商品が含まれる 10,000 件の 10,000 件の 10,000 件の AND
(1 週間、結合された商品ごとに平均 10 件の OR
60 日間、少なくとも 1 つの結合した |
3 か月 |
関連商品のおすすめ | クリック率 |
detail-page-view
|
アクティブなブランチ内で、少なくとも 100 個の一意の訪問者 ID と、100 個の一意の結合商品が含まれる 10,000 件の AND
(1 週間、結合されたカタログ アイテムごとに平均 10 件の OR
60 日間、少なくとも 1 つの結合した |
3 か月 |
関連商品のおすすめ | コンバージョン率 |
add-to-cart detail-page-view
|
アクティブなブランチ内で、少なくとも 100 個の一意の訪問者 ID と、100 個の一意の結合商品が含まれる 10,000 件の 10,000 件の AND
(1 週間、結合された商品ごとに平均 10 件の OR
60 日間、少なくとも 1 つの結合した |
3 か月 |
よく一緒に購入されている商品 | 任意 |
purchase-complete detail-page-view
|
アクティブなブランチ内で、少なくとも 100 個の一意の訪問者 ID と、100 個の一意の結合商品が含まれる 10,000 件の AND
(結合されたプロダクトごとに平均 10 件の OR
90 日間の |
12か月 |
次のステップ
- モデルのプレースメントを作成する。
- モデルのトレーニングの一時停止と再開方法を学習する。
- モデルのトレーニングが終了したら、レコメンデーションのリクエストを開始する。