Empfehlungen erhalten

Auf dieser Seite wird beschrieben, wie Sie Produktempfehlungen für bestimmte Nutzer und Nutzerereignisse anfordern.

Nachdem Sie Ihre Produkte hochgeladen und Nutzerereignisse aufgezeichnet haben, können Sie Produktempfehlungen für bestimmte Nutzer anfragen, die auf den aufgezeichneten Nutzerereignissen für diesen Nutzer und seiner aktuellen Aktivität basieren. Es kann bis zu 48 Stunden dauern, bis neue Produkte und Nutzerereignisse im Empfehlungsmodell widergespiegelt werden.

Vertex AI Search für den Einzelhandel gibt eine Liste mit eingestuften Produktkennzeichnungen zurück. Für das Rendern der Ergebnisse auf Ihrer Website mit Bildern und Text sind Sie selbst verantwortlich.

Personalisierte Ergebnisse eines Endnutzers sollten niemals im Cache gespeichert und niemals an einen anderen Endnutzer zurückgegeben werden.

Vorbereitung

Sie müssen ein Google Cloud-Projekt erstellen und die Authentifizierung wie unter Vorbereitung beschrieben einrichten.

Bevor Sie Vorhersagen aus Empfehlungen anfordern können, benötigen Sie außerdem eine trainierte und abgestimmte Empfehlung (Modell) und eine oder mehrere aktive Bereitstellungskonfigurationen.

Empfehlungen auswerten

Bevor Sie den Websitecode für das Anfordern von Empfehlungen aktualisieren, können Sie anhand der Vorschauergebnisse prüfen, ob das Modell und die Bereitstellungskonfiguration wie erwartet funktionieren.

Weitere Informationen zu Bereitstellungskonfigurationen finden Sie unter Bereitstellungskonfigurationen.

Sie können sich eine Vorschau der Ergebnisse der Bereitstellungskonfiguration entweder auf der Seite Bewerten ansehen oder indem Sie in der Console die Seite Details einer Bereitstellungskonfiguration aufrufen und auf den Tab Bewerten klicken. Die folgenden Schritte zeigen, wie Sie eine Vorschau über die Seite Bewerten aufrufen.

So rufen Sie eine Vorschau der von Ihrer Bereitstellungskonfiguration zurückgegebenen Empfehlungen auf:

1. Rufen Sie in der Search for Retail-Konsole die Seite Bewerten auf.
   
   Zur Seite „Bewerten“

2. Klicken Sie auf den Tab Empfehlungen, falls er nicht bereits ausgewählt ist.

3. Wählen Sie die Bereitstellungskonfiguration aus, die Sie als Vorschau ansehen möchten.

4. Optional: Geben Sie eine Besucher-ID ein, um eine Vorschau der Empfehlungen für diesen Nutzer zu sehen.

5. Wenn der Bereich Verknüpfte Elemente angezeigt wird, klicken Sie auf Element hinzufügen und geben Sie eine Produkt-ID ein, um zugehörige Empfehlungen für dieses Element zu erhalten. Sie können mehrere verknüpfte Elemente hinzufügen.

   Das Hinzufügen von Elementen ist nur möglich, wenn der Modelltyp der ausgewählten Bereitstellungskonfiguration Produkte als Eingabe für Empfehlungen erfordert. Für „Für Sie empfohlen“-Modelle müssen keine verknüpften Elemente eingegeben werden.

6. Klicken Sie auf Vorhersagevorschau, um die Vorhersageergebnisse aufzurufen.

Wenn Sie die Seite Details für die Bereitstellungskonfiguration in der Vorschau aufrufen möchten, klicken Sie im Feld Bereitstellungskonfiguration auswählen auf Bereitstellungskonfiguration ansehen.

Empfehlung abrufen

Weitere Informationen zu den Kosten für Vorhersagen finden Sie unter Preise.

curl

Für eine Empfehlung senden Sie eine POST-Anfrage an die REST-Methode predict und geben Sie dazu den entsprechenden Anfragetext ein:

• Das von Ihnen verwendete Dienstkonto muss die Rolle „Retail-Betrachter“ oder höher haben.

• Ersetzen Sie SERVING_CONFIG_ID durch die Bereitstellungskonfiguration, in der Sie die Vorhersagen verwenden. Weitere Informationen

• Wenn Sie Google Analytics 360-Nutzerereignisse mit BigQuery importiert haben, legen Sie für visitorId die Google Analytics-Client-ID fest. Weitere Informationen zum Abrufen der Client-ID finden Sie in der Google Analytics-Dokumentation.

• Für einen A/B-Test legen Sie für experimentIds die ID dieser Testgruppe fest. Weitere Informationen

• Geben Sie ein Nutzerereignis-Objekt für die Nutzeraktion an, die die Empfehlungsanfrage eingeleitet hat.

  Beachten Sie, dass das Nutzereignis nicht aufgezeichnet wird. Es dient lediglich der Bereitstellung von Kontext für die Empfehlungsanfrage. Außerdem sollten Sie das Nutzerereignis genauso aufzeichnen wie andere Nutzerereignisse.

• Optional können Sie einen Filter angeben, um die zurückgegebenen Produkte einzugrenzen. Weitere Informationen

Hinweis: Wenn Ihre Empfehlung noch nicht aktiv ist oder Sie Ihren Methodenaufruf testen möchten, können Sie diese Methode mit validateOnly-Flag auf true aufrufen. Bei diesem Aufruf wird ein Platzhalterergebnis zurückgegeben. Es fallen keine Gebühren an. Auf dem Tab Dashboard können Sie sehen, ob Ihre Empfehlung aktiv ist.

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
              "filter": "FILTER_STRING",
              "validateOnly": false,
              "userEvent": {
                  "eventType": "detail-page-view",
                  "visitorId": "VISITOR_ID",
                  "userInfo": {
                      "userId": "USER_ID",
                      "ipAddress": "IP_ADDRESS",
                      "userAgent": "USER_AGENT"
                  },
                  "experimentIds": "EXPERIMENT_GROUP",
                  "productDetails": [{
                      "product": {
                        "id": "PRODUCT_ID"
                     }
                  }]
              }
            }' \
https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/servingConfigs/SERVING_CONFIG_ID:predict

Die Ergebnisse sollten in etwa so aussehen:

{
  "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}],
  "attribution_token": "sample-atr-token"
}

Sie müssen den Wert attribution_token mit einer URL verknüpfen, die Sie als Ergebnis dieser Vorhersage bereitstellen, und ihn mit Nutzerereignissen für diese URLs zurückgeben. Weitere Informationen

Java

public static PredictResponse predictWithNextPageToken(UserEvent userEvent, int pageSize,
    String nextPageToken)
    throws IOException, InterruptedException {
  PredictionServiceClient predictionClient = getPredictionServiceClient();

  PredictRequest request = PredictRequest.newBuilder()
      .setPlacement(HOME_PAGE_PLACEMENT_NAME)
      .setUserEvent(userEvent)
      .setPageSize(pageSize)
      .setPageToken(nextPageToken)
      .setValidateOnly(true)
      .build();

  PredictResponse response = predictionClient.predict(request);

  predictionClient.shutdownNow();
  predictionClient.awaitTermination(2, TimeUnit.SECONDS);

  return response;
}

Preis-Reranking

Beim Preis-Reranking werden die empfohlenen Produkte mit einer ähnlichen Empfehlungswahrscheinlichkeit nach Preis sortiert, wobei die Artikel mit dem höchsten Preis zuerst aufgelistet werden. Die Relevanz wird auch noch für die Bestellung von Artikeln verwendet. Das Aktivieren des Preis-Rerankings entspricht also nicht der Sortierung nach Preis.

Das Preis-Reranking kann auf der Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Search for Retail-Konsole eine Einstellung für das Preis-Reranking auswählen, gilt diese Einstellung für alle Empfehlungen, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie weitere Maßnahmen ergreifen müssen.

Wenn Sie das Preis-Reranking einer bestimmten Empfehlung steuern möchten, können Sie dies mit dem Feld PredictRequest.params tun. Dadurch wird jede Einstellung für das Reranking auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde.

Vielfalt der Empfehlungen

Die Diversifizierung beeinflusst, ob die von einer einzelnen Vorhersageanfrage zurückgegebenen Ergebnisse aus verschiedenen Kategorien Ihres Produktkatalogs stammen.

Die Diversifizierung kann auf der Ebene der Bereitstellungskonfiguration oder pro Vorhersageanfrage festgelegt werden.

Wenn Sie beim Erstellen einer Bereitstellungskonfiguration in der Search for Retail-Konsole eine Diversifizierungseinstellung auswählen, gilt diese Einstellung standardmäßig auf alle Empfehlungen, die von dieser Konfiguration bereitgestellt werden, ohne dass Sie weitere Maßnahmen ergreifen müssen.

Wenn Sie die Vielfalt einer bestimmten Empfehlung steuern müssen, können Sie dies mit dem Feld PredictRequest.params tun. Dadurch wird jede Einstellung für die Diversifizierung auf Konfigurationsebene überschrieben, die andernfalls für diese Empfehlung gelten würde. Weitere Informationen finden Sie unter den akzeptierten Werten.

Empfehlungsfilter verwenden

Sie können die von Empfehlungen zurückgegebenen Empfehlungen mithilfe des Felds filter in der Methode predict filtern. Weitere Informationen finden Sie unter Empfehlungen filtern.

Vorhersageaufrufe mit Optimierungsmodellen auf Seitenebene

Für die Bereitstellung von Empfehlungen mithilfe der Optimierung auf Seitenebene ist ein zusätzlicher Vorhersageaufrufschritt erforderlich.

Führen Sie einen ersten Vorhersageaufruf mit einer Bereitstellungskonfiguration aus, die das Optimierungsmodell auf Seitenebene enthält. Die Vorhersageantwort gibt eine sortierte Liste von Bereitstellungskonfigurations-IDs zurück, die das Modell darstellen, das für jedes Feld verwendet werden soll.

Führen Sie dann einen Vorhersageaufruf für jeden Bereich aus. Verwenden Sie dazu die Bereitstellungskonfigurations-ID, die vom Optimierungsmodell auf Seitenebene empfohlen wurde. Die Vorhersageantwort enthält den Modellnamen (z. B. für Sie empfohlen) und eine Liste der empfohlenen Elemente, die in diesem Bereich angezeigt werden sollen.

Preis-Reranking, Empfehlungsvielfalt und Empfehlungsfilter sind für Bereitstellungskonfigurationen mit dem Optimierungsmodell auf Seitenebene nicht verfügbar.

Empfehlungen überwachen und Fehler beheben

Nachdem Sie Ihre Website eingerichtet haben, um Empfehlungen zu erhalten, sollten Sie Benachrichtigungen einrichten. Weitere Informationen finden Sie unter Benachrichtigung für Vorhersagefehler einrichten.

Informationen zur Fehlerbehebung finden Sie unter Monitoring und Fehlerbehebung.