Cette documentation de Recommendations AI fait référence à la console Recommendations. Nous vous recommandons de passer à la console Retail et d'utiliser la documentation pour le commerce de détail, qui fournit des informations sur Recommendations AI, la console et sur Retail Search.

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 disposer d'un haut niveau d'expertise en machine learning, en conception de systèmes ou en opérations. En s'appuyant sur les produits du catalogue de votre site Web et le comportement des utilisateurs, Recommendations AI crée un modèle de recommandation spécifique à votre entreprise. Vous pouvez ensuite demander des recommandations pour d'autres produits du catalogue à afficher à vos utilisateurs.

L'API Retail utilise des 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 sont les suivantes:

  • Modèles personnalisés Chaque modèle est entraîné spécifiquement pour vos données en fonction des techniques de machine learning, de séquencement et de transformation du transformateur.

  • Résultats personnalisés : Tirez parti d'algorithmes de personnalisation sans aucune expérience en machine learning. Les recommandations sont basées sur le comportement et les activités des utilisateurs, comme les vues, les clics, les achats en magasin et l'activité en ligne. Chaque résultat de prédiction est personnalisé.

  • Prédictions en temps réel. Chaque recommandation récupérée tient compte de l'activité précédente de l'utilisateur (comme les clics, les vues et les achats) afin qu'elle soit prise en compte en temps réel.

  • Entraînement et réglage automatiques des modèles. Un réentraînement quotidien des modèles 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 optimiser votre objectif commercial avec précision.

  • Recommandations omnicanaux. Avec le modèle d'API, ne vous limitez pas aux recommandations de sites Web pour personnaliser l'intégralité de votre parcours d'achat. Profitez de recommandations sur les applications mobiles, les recommandations d'e-mails personnalisées, les kiosques de stockage ou 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 : informations sur les produits recommandés pour les clients Cela inclut le titre du produit, sa description, sa disponibilité en stock et ses tarifs.

  • Événements utilisateur : comportement des utilisateurs finaux sur votre site Web. y compris des événements tels que la consultation ou l'achat d'un article spécifique, ou le moment où votre site Web affiche la liste des produits.

De nombreuses options d'intégration vous permettent d'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.