Cette page explique comment demander des recommandations pour un utilisateur et un événement utilisateur spécifiques.
Une fois que vous avez importé vos produits et enregistré des événements utilisateur, vous pouvez demander des recommandations de produits pour des utilisateurs spécifiques en fonction des événements enregistrés pour cet utilisateur et de son activité actuelle.
Recommendations AI renvoie une liste de codes produit classés. Vous êtes responsable de l'affichage des résultats sur votre site Web avec des images et du texte.
Ne mettez jamais en cache les résultats personnalisés d'un utilisateur final et ne les renvoyez jamais à un autre utilisateur final.
Avant de commencer
Avant de pouvoir accéder à l'API Retail, vous devez créer un projet Google Cloud et configurer l'authentification en suivant les instructions indiquées sur la page Avant de commencer.
En outre, avant de pouvoir envoyer des requêtes de prédiction à Recommandations IA, vous devez disposer d'une recommandation entraînée et réglée (modèle) et d'un ou plusieurs emplacements actifs.
Aperçu de la recommandation
Avant de mettre à jour le code de votre site Web pour demander des recommandations, vous pouvez utiliser l'aperçu de prédiction pour vérifier que votre modèle fonctionne comme prévu.
Pour prévisualiser les recommandations renvoyées par votre modèle, procédez comme suit :
Accédez à la page "Modèles d'IA pour les recommandations" dans Google Cloud Console.
Accéder à la page "Modèles Recommandations AI"Cliquez sur le nom du modèle pour ouvrir la page des informations détaillées.
Cliquez sur l'emplacement que vous souhaitez prévisualiser.
(Facultatif) Saisissez un ID utilisateur pour prévisualiser les résultats correspondant à cet utilisateur.
Cliquez sur Aperçu de prédiction pour afficher les résultats de prédiction.
Obtenir une recommandation
Pour en savoir plus sur les coûts liés aux prédictions, consultez la section Tarifs.
curl
Pour obtenir une recommandation, envoyez une requête POST
à la méthode REST predict
et fournissez le corps de requête approprié :
Le compte de service que vous utilisez doit disposer du rôle "Lecteur Retail" ou d'un rôle avec des privilèges supérieurs.
Remplacez PLACEMENT_ID par l'emplacement où vous utiliserez les prédictions. Pour en savoir plus sur l'ID d'emplacement, consultez la section placement.predict dans la documentation de référence.
Si vous avez importé des événements utilisateur Google Analytics 360 en utilisant BigQuery, définissez
visitorId
sur l'ID client Google Analytics. Consultez la documentation Google Analytics pour savoir comment obtenir l'ID client.Si vous exécutez un test A/B, définissez
experimentIds
sur l'ID correspondant au groupe de test. En savoir plusRenseignez un objet événement utilisateur pour l'action utilisateur qui a déclenché la requête de recommandation.
Notez que cet événement utilisateur n'est pas enregistré. Il sert uniquement à fournir un contexte pour cette requête. Nous vous conseillons d'enregistrer l'événement utilisateur de la même manière que vous enregistrez les autres événements utilisateur sur l'API Retail.
Si vous le souhaitez, ajoutez un filtre pour limiter les résultats potentiels à certains produits. En savoir plus
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/placements/PLACEMENT_ID:predict
Un résultat semblable aux lignes suivantes doit s'afficher :
{ "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}], "attribution_token": "sample-atr-token" }
Vous devez associer la valeur attribution_token
à ou aux URL que vous diffusez en tant que résultat de prédiction, puis la renvoyer avec les événements utilisateur correspondant à ces URL. En savoir plus.
Reclassement du prix
Le reclassement du prix permet de classer par prix les produits ayant une probabilité de recommandation similaire, la priorité étant donnée aux articles ayant le prix le plus élevé. La pertinence étant toujours utilisée pour trier les articles, l'activation du reclassement du prix est différente d'un simple tri des articles par prix décroissant.
Le reclassement du prix peut être défini au niveau de la configuration de diffusion ou de la requête de prédiction.
Lorsque vous choisissez un paramètre de reclassement du prix lors de la création d'un modèle dans Google Cloud Console, ce paramètre s'applique à toutes les recommandations diffusées par cette configuration, sans qu'aucune action supplémentaire ne soit requise.
Si vous devez contrôler le reclassement du prix pour une recommandation spécifique, vous pouvez le faire via l'API Retail en utilisant le champ PredictRequest.params
. Cette opération remplace tout paramètre de reclassement au niveau du modèle qui s'appliquerait autrement à cette recommandation.
Diversité des recommandations
La diversification détermine si les résultats renvoyés par une requête de prédiction donnée proviennent de différentes catégories de votre catalogue de produits.
La diversification peut être définie au niveau de la configuration de diffusion ou de la requête de prédiction.
Lorsque vous choisissez un paramètre de diversification lorsque vous créez un modèle dans Google Cloud Console, celui-ci s'applique par défaut à toutes les recommandations diffusées par ce modèle, sans qu'aucune action supplémentaire ne soit requise de votre part.
Si vous devez contrôler la diversification pour une recommandation spécifique, vous pouvez le faire via l'API Retail en utilisant le champ PredictRequest.params
. Cette opération remplace tout paramètre de diversification au niveau du modèle qui s'appliquerait autrement à cette recommandation. Consultez la section consacrée à PredictRequest.params
dans la documentation de l'API afin de connaître les valeurs acceptées.
Utiliser les filtres de recommandation
Vous pouvez filtrer les recommandations renvoyées par Recommendations AI en utilisant le champ filter
de la méthode predict
.
Le champ filter
accepte deux formes de spécification de filtre :
Expressions de tag
Si vous avez ajouté des valeurs
tag
à vos produits lors de leur importation, vous pouvez spécifier que seuls les produits correspondant aux tags fournis doivent être renvoyés en tant que recommandations. Consultez la documentation de référence de l'API pour le champProduct.tags[]
.Les expressions de tag peuvent contenir les opérateurs booléens
OR
ouNOT
, qui doivent être séparés des valeurs de tag par un ou plusieurs espaces. Les valeurs de tag peuvent également être immédiatement précédées d'un tiret (-
), ce qui équivaut à l'opérateurNOT
. Les expressions de tag qui utilisent les opérateurs booléens doivent être placées entre parenthèses.filterOutOfStockItems
L'indicateur
filterOutOfStockItems
filtre tous les produits dont le champstockState
a la valeurOUT_OF_STOCK
.
Vous pouvez combiner ces deux types de filtres. Seuls les éléments qui répondent à toutes les expressions de filtre spécifiées sont renvoyés.
Voici quelques exemples de chaînes de filtre :
"filter": "tag=\"spring-sale\""
"filter": "filterOutOfStockItems"
"filter": "tag=\"spring-sale\" tag=\"exclusive\" filterOutOfStockItems"
L'exemple suivant renvoie uniquement les articles en stock qui ont le tag "spring-sale" ou "exclusive" (ou les deux), mais pas le tag "items-to-exclude".
"filter": "tag=(\"spring-sale" OR \"exclusive\") tag=(-\"items-to-exclude\") filterOutOfStockItems"
Définir des alertes pour les recommandations
La tâche finale pour les recommandations consiste à configurer des alertes pour les erreurs de prédiction. Vous souhaitez être averti si la méthode de prédiction renvoie des erreurs afin que vous puissiez intervenir si nécessaire. Pour en savoir plus, consultez Configurer des alertes.