소매업용 Vertex AI Search 제품 내에서는 추천 기능과 검색 및 탐색 기능을 모두 사용할 수 있습니다. 전자상거래 애플리케이션의 제품 카탈로그 정보와 사용자 이벤트 로그를 업로드하고 관리할 수 있습니다. 이 정보를 바탕으로 결과를 가져와 맞춤설정할 수 있으며, 이 데이터는 모델을 학습하고 업데이트하는 데 계속 사용되므로 추천 및 검색 결과가 향상됩니다.
애플리케이션에 소매업용 Vertex AI Search를 구현하는 프로세스에 대한 자세한 내용은 소매업을 위한 Vertex AI Search 구현을 참조하세요.
추천
추천을 사용하면 머신러닝, 시스템 디자인 또는 작업에 대한 높은 수준의 전문 지식이 없어도 고품질의 맞춤설정된 제품 추천 시스템을 빌드할 수 있습니다. 사이트의 소매 제품 및 사용자 행동을 활용해서 추천을 사용하여 '자주 함께 구매하는 항목' 및 '추천 서비스'와 같이, 사용 사례에 맞는 추천 모델을 빌드할 수 있습니다.
소매업용 Vertex AI Search는 사용자 이벤트 및 제품 카탈로그를 사용하여 이 데이터를 기반으로 추천을 제공하는 추천 머신러닝 모델을 학습시킵니다.
애플리케이션에 추천 모델을 배포한 후 카탈로그에 있는 다른 제품에 대한 추천을 요청하고 이를 사용자에게 표시할 수 있습니다.
Recommendations 기능은 다음과 같습니다.
커스텀 모델. 각 모델은 변환기를 사용하는 시퀀스 기반 머신 러닝 모델을 기반으로 데이터에 맞게 구체적으로 학습됩니다.
개인 검색결과. 머신러닝 전문 지식 없이 맞춤설정 알고리즘을 활용합니다. 추천은 조회, 클릭, 매장 구매와 같은 사용자 행동과 활동을 기반으로 하며 모든 예측 결과가 맞춤설정됩니다.
실시간 예측. 제공된 각 추천에서는 클릭, 보기, 구매 이벤트와 같은 이전 사용자 활동이 고려되므로, 추천이 실시간으로 이뤄집니다.
자동 모델 학습 및 미세 조정. 일일 모델 재학습을 통해 모든 모델이 매일 사용자 행동을 정확하게 캡처할 수 있습니다.
최적화 목표. 전환율, 클릭률, 수익 최적화와 같은 목표를 사용하면 비즈니스 목표를 정밀하게 최적화할 수 있습니다.
옴니채널 추천. API 모델을 사용하면 웹사이트 추천을 뛰어넘어 모바일 앱, 맞춤설정된 이메일 추천, 매장 키오스크 또는 콜센터 애플리케이션에 대한 추천까지 전체 쇼핑객 여정을 맞춤설정할 수 있습니다.
검색
검색을 사용하면 소매 비즈니스 요구사항에 맞게 맞춤설정할 수 있는 고품질 제품 검색 결과를 제공할 수 있습니다. Google의 쿼리와 문맥에 맞는 이해를 활용하여 웹사이트와 모바일 애플리케이션에서 제품 검색을 개선합니다.
검색 기능은 다음과 같습니다.
제품 계층 구조: 검색 가능한 제품 카탈로그에 컬렉션 및 변이를 포함할 수 있습니다.
쿼리 확장: 매우 구체적인 키워드를 사용하는 쿼리와 같이 일반적으로 더 적은 결과를 생성하는 검색어에 대해 반환되는 관련 결과를 늘립니다.
관련성 임곗값: 소매업용 Vertex AI Search가 반환 정밀도(반환된 검색 결과의 관련성)와 재현율(해당 쿼리에 대해 더 많은 결과 반환) 간에 균형을 유지하는 방법을 조정합니다.
페이지로 나누기: 검색결과의 페이지로 나누기를 제어하여 조회 시간과 응답 크기를 줄입니다.
필터링: 표현식 구문을 사용하여 사이트의 검색결과를 세분화하는 필터링을 제공합니다.
순서 지정: 여러 필드를 기준으로 검색결과 순서를 우선순위 순으로 설정합니다.
상품 속성 지정: 제공하는 속성을 기반으로 사용자에게 더 관련성 높은 옵션을 제공하도록 상품 속성을 생성합니다. 검색 응답에 숫자 속성을 반환하려면 버킷을 검색 요청의 숫자 속성에 제공해야 합니다.
동적 속성 필터: 검색 쿼리를 기준으로 속성 필터를 자동으로 생성하고 검색 요청에 제공된 속성 필터 키와 자동으로 결합(다시 등급 지정)합니다. 이 기능은 현재 허용 목록을 기반으로 합니다. 이 기능을 사용 설정하려면 지원팀에 문의하세요.
부스팅 및 다른 항목 밑에 두기: 특정 유형의 결과를 우선순위를 지정하거나 우선순위를 낮춰 검색결과 순위를 제어합니다.
탐색: 사용자가 사이트 탐색을 사용하여 제품을 둘러볼 때 수익이 극대화되도록 정렬된 결과를 가져옵니다. 탐색 검색은 필터링, 순서 지정, 패싯, 동적 패싯 생성, 부스트, 하강과 결합될 수 있습니다.
개인 검색결과. 개인화된 텍스트 검색 결과를 전달하고, 각 사용자의 제품 뷰, 클릭, 장바구니에 추가, 구매 기록 등 사이트에서 각 사용자의 행동 양상에 기반하여 최종 사용자 각자에 대해 개인화된 검색 결과를 탐색합니다.
소매업용 Vertex AI Search 사용
추천 또는 검색을 위한 머신러닝 모델을 빌드하려면 다음 두 가지 정보를 제공해야 합니다.
제품 카탈로그: 고객에게 추천되는 제품에 대한 정보입니다. 여기에는 제품 제목, 설명, 재고 가용성, 가격 책정이 포함됩니다.
사용자 이벤트: 웹사이트의 최종 사용자 행동입니다. 여기에는 사용자가 특정 항목을 보거나 구매할 때 또는 웹사이트가 사용자에게 제품 목록을 표시할 때와 같은 이벤트가 포함됩니다.
다양한 통합 옵션을 사용하면 BigQuery, Cloud Storage, 판매자 센터, 태그 관리자, Google 애널리틱스와 같이 이미 사용 중인 도구를 사용하여 데이터를 수집할 수 있습니다.