Cette documentation ne concerne que Recommendations AI. Pour essayer Retail Search et la console Play Store unifiée pendant la phase de disponibilité limitée, contactez le service commercial Cloud. Si vous ne prévoyez pas d'utiliser Retail Search, restez dans la console "Recommandations" jusqu'à nouvel ordre.

Si vous utilisez la version v1beta de Recommendations AI, migrez vers la version Retail API.

Fonctionnalités et capacités de Recommendations AI

Recommendations AI vous permet de créer des systèmes de recommandation de produits personnalisés de haute qualité, sans nécessiter un niveau d'expertise approfondie en machine learning ou en conception de systèmes. En s'appuyant sur les produits du catalogue de votre site Web et sur le comportement des utilisateurs, Recommendations AI crée un modèle de recommandation spécifique à votre entreprise. Vous pouvez ensuite demander des recommandations d'autres produits de catalogue à afficher pour vos utilisateurs.

L'API Retail utilise les événements utilisateur et votre catalogue de produits pour entraîner des modèles de machine learning de recommandation, qui fournissent des recommandations basées sur ces données.

Les fonctionnalités de Recommendations AI incluent :

  • Modèles personnalisés. Chaque modèle est entraîné spécifiquement pour vos données, en fonction des techniques de machine learning, de séquences et de transformateurs.

  • Résultats personnels Tirez parti d'algorithmes de personnalisation sans aucune expertise en machine learning. Les recommandations sont basées sur le comportement des utilisateurs et sur les activités telles que les vues, les clics, les achats en magasin et l'activité en ligne, afin que chaque résultat de prédiction soit personnalisé.

  • Prédictions en temps réel. Chaque recommandation extraite prend en compte l'activité passée de l'utilisateur (clics, vues de page et achats, par exemple) pour fournir des recommandations en temps réel.

  • Entraînement et réglage automatiques du modèle. Le réentraînement quotidien du modèle garantit que tous les modèles peuvent capturer avec précision le comportement des utilisateurs, chaque jour.

  • Objectifs d'optimisation. Les objectifs tels que le taux de conversion, le taux de clics et l'optimisation des revenus vous aident à améliorer les performances en fonction de vos objectifs commerciaux.

  • Recommandations omnicanales. Avec le modèle d'API, vous pouvez aller au-delà des recommandations sur les sites Web pour personnaliser tout le parcours client grâce aux recommandations sur applications mobiles, par e-mail, sur des kiosques en magasin ou encore dans les applications de centre d'appels.

Utiliser l'API Retail

Pour créer des modèles de machine learning pour les recommandations, Recommendations AI a besoin de deux ensembles d'informations :

  • Catalogue de produits : les informations concernant les produits vendus aux clients. Cela inclut le nom des produits, leur description, leur disponibilité en stock, leur prix, etc.

  • Événements utilisateur : le comportement des utilisateurs finaux sur votre site Web. Cela inclut les utilisateurs qui consultent ou achètent un article spécifique, l'affichage d'une liste de produits par votre site Web pour les utilisateurs, etc.

Grâce aux nombreuses options d'intégration, vous pouvez ingérer vos données à l'aide d'outils que vous utilisez peut-être déjà tels que BigQuery, Cloud Storage, Merchant Center, Tag Manager et Google Analytics.