Recommendations AI を使用すると、機械学習、システム設計、運用に関する高度な専門知識がなくても、高品質なカスタマイズされた商品レコメンデーション システムを構築できます。ウェブサイトのカタログ商品とユーザーの行動を活用して、Recommendations AI は自身の会社に特化したレコメンデーション モデルを構築します。次に、他のカタログ商品のレコメンデーションをリクエストしてユーザーに表示できます。
Retail API は、ユーザー イベントと商品カタログを使用して、レコメンデーション機械学習モデルをトレーニングします。このモデルは、このデータに基づいてレコメンデーションを行います。
Recommendations AI の機能は次のとおりです。
カスタムモデル。各モデルは、機械学習、シーケンス、Transformer 技術に基づいて、データ専用にトレーニングされます。
アカウントに基づく情報。機械学習の専門知識がなくてもパーソナライズ アルゴリズムを利用できます。最適化案は、すべての予測結果がパーソナライズされるように、ユーザーの行動、ビュー、クリック、店舗購入などのアクティビティに基づいて計算されます。
リアルタイム予測。最適化案は、クリック、表示、購入イベントなどの過去のユーザー アクティビティを考慮します。そのため、最適化案はリアルタイムで表示されます。
自動でのモデルのトレーニングと調整。毎日モデルを再トレーニングすることで、すべてのモデルが毎日ユーザーの行動を正確に取得できるようになります。
最適化の目標。コンバージョン率、クリック率、収益の最適化などの目標により、ビジネス目標を正確に最適化できます。
オムニチャネルのレコメンデーション。この API モデルでは、ウェブサイトのレコメンデーションにとどまらず、モバイルアプリ、パーソナライズされたメール レコメンデーション、ショップのキオスク、コールセンター アプリケーションにおけるレコメンデーションを介した購入者全体のプロセスをパーソナライズできます。
Retail API の使用
レコメンデーション用の機械学習モデルを構築するために、Recommendations AI では次の 2 つの情報が必要です。
商品カタログ: お客様におすすめの商品に関する情報。これには、商品のタイトル、説明、在庫の有無、価格が含まれます。
ユーザー イベント: ウェブサイト上でのユーザーの行動。これには、ユーザーが特定のアイテムを閲覧または購入したときや、ウェブサイトでユーザーに商品のリストが表示されたときなどのイベントが含まれます。
統合オプションが多い場合は、BigQuery、Cloud Storage、Merchant Center、タグ マネージャー、Google アナリティクスなどのすでにお使いのツールを使用して、データを取り込むことができます。