이 문서는 Recommendations AI 전용 문서입니다. 제한된 GA 단계에서 Retail Search 및 통합 Retail 콘솔을 사용해 보려면 Cloud 영업팀에 문의하세요. Retail Search를 사용할 계획이 없으면 추가 알림이 있을 때까지 권장사항 콘솔에 남아 있으세요.

Recommendations AI의 v1beta 버전을 사용하는 경우 Retail API 버전으로 마이그레이션합니다.

Recommendations AI의 특징 및 기능

Recommendations AI를 사용하면 머신러닝, 시스템 디자인 또는 작업에 대한 높은 수준의 전문 지식이 없어도 고품질의 맞춤설정된 제품 추천 시스템을 빌드할 수 있습니다. Recommendations AI는 웹사이트의 카탈로그 제품과 사용자 동작을 활용하여 회사에 맞는 추천 모델을 빌드합니다. 그런 다음 사용자에게 표시할 다른 카탈로그 제품 추천을 요청할 수 있습니다.

Retail API는 사용자 이벤트 및 제품 카탈로그를 사용하여 이 데이터를 기반으로 추천을 제공하는 추천 머신러닝 모델을 학습시킵니다.

Recommendations AI 기능은 다음과 같습니다.

  • 커스텀 모델. 각 모델은 머신러닝, 시퀀스, 변환기 기술을 기반으로 데이터에 맞게 특별히 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. 검색된 각 추천에서는 클릭, 보기, 구매 이벤트와 같은 이전 사용자 활동을 고려하므로 실시간으로 추천이 제공됩니다.

  • 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.

Retail API 사용

추천을 위한 머신러닝 모델을 빌드하려면 Recommendations AI에 다음과 같은 두 가지 정보 집합이 필요합니다.

  • 제품 카탈로그: 고객에게 판매되는 제품 정보입니다. 여기에는 제품 제목, 설명, 재고 가용성, 가격 책정이 포함됩니다.

  • 사용자 이벤트: 웹사이트의 최종 사용자 행동입니다. 여기에는 특정 항목을 조회하거나 구매하는 사용자, 사용자에게 제품 목록을 보여주는 웹사이트 등이 포함됩니다.

다양한 통합 옵션을 사용하면 BigQuery, Cloud Storage, 판매자 센터, 태그 관리자, Google 애널리틱스와 같이 이미 사용 중인 도구를 사용하여 데이터를 수집할 수 있습니다.