Dies ist die Dokumentation nur für Recommendations AI. Wenn Sie Retail Search und die einheitliche Retail-Konsole in der eingeschränkten GA-Phase ausprobieren möchten, wenden Sie sich an den Cloud-Vertrieb. Wenn Sie Retail Search nicht verwenden möchten, können Sie das bis auf Weiteres in der Empfehlungskonsole bleiben.

Wenn Sie die v1beta-Version von Recommendations AI verwenden, migrieren Sie zur Retail API-Version.

Kataloginformationen importieren

Auf dieser Seite wird beschrieben, wie Sie Ihre Kataloginformationen in Recommendations AI importieren und auf dem neuesten Stand halten.

Hinweis

Bevor Sie Kataloginformationen importieren können, müssen Sie die Schritte unter Vorbereitung abgeschlossen haben, insbesondere das Projekt einrichten, ein Dienstkonto erstellen und das Dienstkonto zu Ihrer lokalen Umgebung hinzufügen.

Sie müssen vor dem Importieren des Katalogs Ihre Produktebenen auswählen und die IAM-Rolle Retail-Administrator haben, um den Import durchführen zu können.

Best Practices für den Katalogimport

Recommendations AI erfordert hochwertige Daten, um qualitativ hochwertige Vorhersagen zu treffen. Wenn in Ihren Daten Felder fehlen oder Platzhalterwerte anstelle von tatsächlichen Werten vorhanden sind, leidet die Qualität Ihrer Vorhersagen.

Achten Sie beim Importieren von Katalogdaten darauf, die folgenden Best Practices zu implementieren:

  • Sehen Sie sich die Informationen zu Produktebenen an, bevor Sie Daten hochladen.

    Das Ändern von Produktebenen nach dem Importieren von Daten erfordert einen erheblichen Aufwand.

  • Beachten Sie die Importbeschränkungen für die Produktelemente.

    Für den Bulk-Import aus Cloud Storage darf die Größe jeder Datei maximal 2 GB betragen. Sie können bis zu 100 Dateien gleichzeitig in eine einzelne Bulk-Importanfrage einbeziehen.

    Für den Inline-Import können Sie maximal 5.000 Produktelemente gleichzeitig importieren.

  • Achten Sie darauf, dass alle erforderlichen Kataloginformationen enthalten und korrekt sind.

    Verwenden Sie keine Dummy- oder Platzhalterwerte.

  • Fügen Sie so viele optionale Kataloginformationen wie möglich hinzu.

  • Achten Sie darauf, dass für alle Ereignisse eine einzige Währung verwendet wird, insbesondere wenn Sie mit der Cloud Console Umsatzmesswerte abrufen möchten. Die Retail API unterstützt nicht die Verwendung mehrerer Währungen pro Katalog.

  • Halten Sie Ihren Katalog auf dem neuesten Stand.

    Idealerweise sollten Sie Ihren Katalog täglich aktualisieren. Durch die Planung regelmäßiger Katalogimporte wird verhindert, dass die Modellqualität im Laufe der Zeit sinkt. Sie können diese Aufgabe mit Google Cloud Scheduler automatisieren.

  • Erfassen Sie keine Nutzerereignisse für Produktelemente, die noch nicht importiert wurden.

  • Überprüfen Sie nach dem Import der Kataloginformationen die Informationen zu Fehlerberichten und Logging für Ihr Projekt.

    Es werden einige Fehler erwartet. Wenn Sie jedoch sehr viele Fehler haben, sollten Sie diese überprüfen und alle Prozessprobleme beheben, die zu den Fehlern geführt haben.

Katalogdaten importieren

Sie können Ihre Produktdaten aus dem Merchant Center, Cloud Storage, BigQuery importieren oder die Daten inline in der Anfrage angeben. Jedes dieser Verfahren ist einmaliger Import. Wir empfehlen, Ihren Katalog täglich zu importieren, um sicherzustellen, dass der Katalog aktuell ist. Weitere Informationen finden Sie unter Katalog auf dem neuesten Stand halten.

Sie können auch einzelne Produktelemente importieren. Weitere Informationen finden Sie unter Produktelement hochladen.

Katalogdaten aus dem Merchant Center importieren

Sie können Katalogdaten aus dem Merchant Center entweder über die Cloud Console oder die Retail API importieren.

Führen Sie die folgenden Schritte aus, um Ihren Katalog aus dem Merchant Center zu importieren:

  1. Richten Sie mithilfe der Anleitung unter Merchant Center-Übertragungen eine Übertragung vom Merchant Center zu BigQuery ein.

    Dazu verwenden Sie das Tabellenschema der Google Merchant Center-Produkte. Konfigurieren Sie Ihre Übertragung so, dass sie täglich wiederholt wird, aber konfigurieren Sie Ihre Ablaufzeit von zwei Tagen.

  2. Wenn sich Ihr BigQuery-Dataset in einem anderen Projekt befindet, konfigurieren Sie die erforderlichen Berechtigungen, damit Recommendations AI auf das BigQuery-Dataset zugreifen kann. Weitere Informationen

  3. Katalogdaten aus BigQuery in Recommendations AI importieren

    Console

    1. Rufen Sie in der Google Cloud Console die Seite „Recommendations AI-Daten“ auf.
      Zur Seite „Recommendations AI-Daten“
    2. Klicken Sie auf Importieren, um das Feld Katalog importieren zu öffnen.
    3. Geben Sie die IDs des BigQuery-Datasets und der Tabelle ein, in dem sich die Daten befinden.
    4. Geben Sie den Speicherort eines Cloud Storage-Buckets in Ihrem Projekt ein.

      Dieser Bucket wird als temporärer Speicherort für Ihre Daten verwendet.

    5. Wenn Sie zum ersten Mal einen Katalog importieren oder nach dem dauerhaften Import einen neuen Katalog importieren, wählen Sie die Produktebenen für den Upload (Aufzeichnung von Nutzerereignissen) und Vorhersagen aus.

      Das Ändern von Produktebenen nach dem Importieren von Daten erfordert einen erheblichen Aufwand. Weitere Informationen zu Produktebenen

    6. Klicken Sie auf Importieren.

    cURL

    1. Wenn Sie zum ersten Mal einen Katalog hochladen oder nach dem dauerhaften Import einen neuen Katalog importieren, legen Sie Folgendes fest:Produktebenen mit der Methode Catalog.patch. Für diesen Vorgang ist die Rolle "Einzelhandelsadministrator" erforderlich.

      • ingestionProductType: Unterstützt die Werte primary (Standard) und variant.
      • merchantCenterProductIdField: Unterstützt die Werte offerId (Standard) und itemGroupId. Wenn Sie das Merchant Center nicht verwenden, müssen Sie dieses Feld nicht festlegen.
      curl -X PATCH \
      -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
      -H "Content-Type: application/json; charset=utf-8" \
      --data '{
      "productLevelConfig": {
        "ingestionProductType": "PRODUCT-TYPE",
        "merchantCenterProductIdField": "PRODUCT-ID-FIELD"
      }
      }' \
      "https://retail.googleapis.com/v2/projects/[PROJECT_ID]/locations/global/catalogs/default_catalog"
    2. Importieren Sie den Katalog mit der Methode Products.import.

      • dataset-id: Die ID des BigQuery-Datasets.
      • table-id: Die ID der BigQuery-Tabelle, die Ihre Daten enthält.
      • staging-directory: Optional. Ein Cloud Storage-Verzeichnis, das als Zwischenspeicherort für Ihre Daten verwendet wird, bevor sie in BigQuery importiert werden. Lassen Sie dieses Feld leer, damit Recommendations AI automatisch ein temporäres Verzeichnis erstellt (empfohlen).
      • error-directory: Optional. Ein Cloud Storage-Verzeichnis für Fehlerinformationen zum Import. Lassen Sie dieses Feld leer, damit Recommendations AI automatisch ein temporäres Verzeichnis erstellt (empfohlen).
      • dataSchema: Verwenden Sie für das Attribut dataSchema den Wert product_merchant_center. Siehe Tabellenschema für Merchant Center-Produkte.

      Wir empfehlen, keine Staging- oder Fehlerverzeichnisse anzugeben, damit Recommendations AI automatisch einen Cloud Storage-Bucket mit neuen Staging- und Fehlerverzeichnissen erstellen kann. Diese werden in derselben Region wie das BigQuery-Dataset erstellt und sind für jeden Import eindeutig. Dadurch wird verhindert, dass mehrere Importjobs Daten in dasselbe Verzeichnis bereitstellen und möglicherweise dieselben Daten neu importieren. Nach drei Tagen werden der Bucket und die Verzeichnisse automatisch gelöscht, um die Speicherkosten zu senken.

      Ein automatisch erstellter Bucket-Name enthält die Projekt-ID, die Bucket-Region und den Datenschemanamen, getrennt durch Unterstriche (z. B. 4321_us_catalog_recommendations_ai). Die automatisch erstellten Verzeichnisse heißen staging oder errors, gefolgt von einer Nummer (z. B. staging2345 oder errors5678).

      Wenn Sie Verzeichnisse angeben, muss sich der Cloud Storage-Bucket in derselben Region wie das BigQuery-Dataset befinden. Andernfalls schlägt der Import fehl. Geben Sie die Staging- und Fehlerverzeichnisse im Format gs://<bucket>/<folder>/ an. Sie sollten unterschiedlich sein.

      curl -X POST \
      -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
      -H "Content-Type: application/json; charset=utf-8" \
      --data '{
      "inputConfig":{
      "bigQuerySource": {
        "datasetId":"dataset-id",
        "tableId":"table-id",
        "dataSchema":"product_merchant_center"
      }
      }
      }' \
      "https://retail.googleapis.com/v2/projects/[PROJECT_NUMBER]/locations/global/catalogs/default_catalog/branches/0/products:import"
      

Katalogdaten aus BigQuery importieren

Verwenden Sie das Recommendations AI-Schema, um Katalogdaten im richtigen Format aus BigQuery zu importieren. Erstellen Sie dann eine BigQuery-Tabelle mit dem richtigen Format und Laden Sie die leere Tabelle mit Ihren Katalogdaten. Laden Sie Ihre Daten dann in Recommendations AI hoch.

Weitere Informationen zu BigQuery-Tabellen finden Sie unter Einführung in Tabellen. Hilfe zu BigQuery-Abfragen finden Sie unter BigQuery-Daten abfragen.

curl

  1. Wenn sich Ihr BigQuery-Dataset in einem anderen Projekt befindet, konfigurieren Sie die erforderlichen Berechtigungen, damit Recommendations AI auf das BigQuery-Dataset zugreifen kann. Weitere Informationen

  2. Wenn Sie Ihren Katalog zum ersten Mal hochladen oder den Katalog nach dem dauerhaften Import noch einmal importieren, legen Sie Ihre Produktebenen mithilfe der Catalog.patch-Methode. Für diesen Vorgang ist die Rolle "Recommendations AI-Administrator" erforderlich.

    • ingestionProductType: Unterstützt die Werte primary (Standard) und variant.
    • merchantCenterProductIdField: Unterstützt die Werte offerId und itemGroupId. Wenn Sie das Merchant Center nicht verwenden, müssen Sie dieses Feld nicht festlegen.
    curl -X PATCH \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
     --data '{
       "productLevelConfig": {
         "ingestionProductType": "PRODUCT-TYPE",
         "merchantCenterProductIdField": "PRODUCT-ID-FIELD"
       }
     }' \
    "https://retail.googleapis.com/v2/projects/[PROJECT_ID]/locations/global/catalogs/default_catalog"
    
  3. Erstellen Sie eine Datendatei für die Eingabeparameter für den Import. Ihre Eingabeparameterwerte hängen davon ab, ob Sie Daten aus Cloud Storage oder BigQuery importieren.

    Verwenden Sie das Objekt BigQuerySource, um auf Ihr BigQuery-Dataset zu verweisen.

    • dataset-id: Die ID des BigQuery-Datasets.
    • table-id: Die ID der BigQuery-Tabelle, die Ihre Daten enthält.
    • project-id: Die Projekt-ID der BigQuery-Quelle. Wenn nicht angegeben, wird die Projekt-ID von der übergeordneten Anfrage übernommen.
    • staging-directory: Optional. Ein Cloud Storage-Verzeichnis, das als Zwischenspeicherort für Ihre Daten verwendet wird, bevor sie in BigQuery importiert werden. Lassen Sie dieses Feld leer, damit Recommendations AI automatisch ein temporäres Verzeichnis erstellt (empfohlen).
    • error-directory: Optional. Ein Cloud Storage-Verzeichnis für Fehlerinformationen zum Import. Lassen Sie dieses Feld leer, damit Recommendations AI automatisch ein temporäres Verzeichnis erstellt (empfohlen).
    • dataSchema: Verwenden Sie für das Attribut dataSchema den Wert product (Standard). Sie verwenden das Recommendations AI-Schema.

    Wir empfehlen, keine Staging- oder Fehlerverzeichnisse anzugeben, damit Recommendations AI automatisch einen Cloud Storage-Bucket mit neuen Staging- und Fehlerverzeichnissen erstellen kann. Diese werden in derselben Region wie das BigQuery-Dataset erstellt und sind für jeden Import eindeutig. Dadurch wird verhindert, dass mehrere Importjobs Daten in dasselbe Verzeichnis bereitstellen und möglicherweise dieselben Daten neu importieren. Nach drei Tagen werden der Bucket und die Verzeichnisse automatisch gelöscht, um die Speicherkosten zu senken.

    Ein automatisch erstellter Bucket-Name enthält die Projekt-ID, die Bucket-Region und den Datenschemanamen, getrennt durch Unterstriche (z. B. 4321_us_catalog_recommendations_ai). Die automatisch erstellten Verzeichnisse heißen staging oder errors, gefolgt von einer Nummer (z. B. staging2345 oder errors5678).

    Wenn Sie Verzeichnisse angeben, muss sich der Cloud Storage-Bucket in derselben Region wie das BigQuery-Dataset befinden. Andernfalls schlägt der Import fehl. Geben Sie die Staging- und Fehlerverzeichnisse im Format gs://<bucket>/<folder>/ an. Sie sollten unterschiedlich sein.

    {
    "inputConfig":{
     "bigQuerySource": {
       "projectId": "project-id",
       "datasetId":"dataset-id",
       "tableId":"table-id",
       "dataSchema":"product"}
      }
    }
    
  4. Importieren Sie Ihre Kataloginformationen in Recommendations AI. Stellen Sie dazu eine POST-Anfrage an die REST-Methode Products:import und geben Sie den Namen der Datendatei an (hier gezeigt als input.json).

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" -d @./input.json
    "https://retail.googleapis.com/v2/projects/[PROJECT_NUMBER]/locations/global/catalogs/default_catalog/branches/0/products:import"
    

    Am einfachsten ist es, den Status des Importvorgangs mit der Cloud Console zu prüfen. Weitere Informationen finden Sie unter Status eines bestimmten Integrationsvorgangs ansehen.

    Sie können den Status auch programmatisch mit der API prüfen. Sie sollten ein Antwortobjekt erhalten, das in etwa so aussieht:

    {
    "name": "projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/import-products-123456",
    "done": false
    }
    

    Das Feld "Name" ist die ID des Vorgangsobjekts. Wenn Sie den Status dieses Objekts anfordern möchten, ersetzen Sie das Namensfeld durch den von der Importmethode zurückgegebenen Wert, bis das Feld done als true zurückgegeben wird:

    curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    "https://retail.googleapis.com/v2/projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/import-products-123456"
    

    Wenn der Vorgang abgeschlossen ist, hat das zurückgegebene Objekt den done-Wert true und enthält ein Statusobjekt, das dem folgenden Beispiel ähnelt:

    { "name": "projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/import-products-123456",
    "metadata": {
      "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata",
      "createTime": "2020-01-01T03:33:33.000001Z",
      "updateTime": "2020-01-01T03:34:33.000001Z",
      "successCount": "2",
      "failureCount": "1"
    },
    "done": true,
    "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse",
    },
    "errorsConfig": {
      "gcsPrefix": "gs://error-bucket/error-directory"
    }
    }
    

    Sie können die Dateien im Fehlerverzeichnis in Cloud Storage prüfen, um festzustellen, welche Art von Fehlern beim Import aufgetreten sind.

Zugriff auf Ihr BigQuery-Dataset einrichten

Führen Sie die folgenden Schritte aus, um den Zugriff einzurichten, wenn sich Ihr BigQuery-Dataset in einem anderen Projekt als Ihrem Recommendations AI-Dienst befindet.

  1. Öffnen Sie in der Cloud Console die Seite "IAM".

    Zur Seite "IAM"

  2. Wählen Sie Ihr Recommendations AI-Projekt aus.

  3. Suchen Sie das Dienstkonto mit dem Namen AutoML Recommendations Service Account.

    Wenn Sie noch keinen Importvorgang mit Recommendations AI initiiert haben, ist dieses Dienstkonto möglicherweise nicht aufgeführt. Wenn dieses Dienstkonto nicht angezeigt wird, kehren Sie zur Importaufgabe zurück und initiieren den Import. Wenn der Vorgang aufgrund von Berechtigungsfehlern fehlschlägt, kehren Sie hier zurück und führen Sie diese Aufgabe aus.

  4. Kopieren Sie die ID des Dienstkontos, die wie eine E-Mail-Adresse aussieht (z. B. service-525@gcp-sa-recommendationengine.iam.gserviceaccount.com).

  5. Wechseln Sie zu Ihrem BigQuery-Projekt (auf der gleichen Seite IAM und Verwaltung) und klicken Sie auf Hinzufügen.

  6. Geben Sie die Kennzeichnung für das Recommendations AI-Dienstkonto ein und wählen Sie die Rolle BigQuery > BigQuery-Nutzer aus.

  7. Klicken Sie auf Weitere Rolle hinzufügen und wählen Sie BigQuery > BigQuery-Dateneditor aus.

    Wenn Sie die Rolle "Datenbearbeiter" nicht für das gesamte Projekt bereitstellen möchten, können Sie diese Rolle direkt dem Dataset hinzufügen. Weitere Informationen

  8. Klicken Sie auf Speichern.

Katalogdaten aus Cloud Storage importieren

Zum Importieren von Katalogdaten im JSON-Format erstellen Sie eine oder mehrere JSON-Dateien mit den Katalogdaten, die Sie importieren möchten, und laden sie in Cloud Storage hoch. Von dort aus können Sie sie in Recommendations AI importieren.

Ein Beispiel für das JSON-Produktelementformat finden Sie unter JSON-Datenformat für Produktelemente.

Informationen zum Hochladen von Dateien in Cloud Storage finden Sie unter Objekte hochladen.

curl

  1. Das Recommendations AI-Dienstkonto muss die Lese- und Schreibzugriff auf den Bucket haben.

    Das Recommendations AI-Dienstkonto ist in der Cloud Console auf der IAM-Seite mit dem Namen Retail-Dienstkonto aufgeführt. Verwenden Sie dessen Kennung, die wie eine E-Mail-Adresse aussieht (z. B. service-525@gcp-sa-retail.iam.gserviceaccount.com), wenn Sie das Konto Ihren Bucket-Berechtigungen hinzufügen.

  2. Wenn Sie Ihren Katalog zum ersten Mal hochladen oder den Katalog nach dem dauerhaften Import noch einmal importieren, legen Sie Ihre Produktebenen mithilfe der Catalog.patch-Methode.

    • ingestionProductType: Unterstützt die Werte primary (Standard) und variant.
    • merchantCenterProductIdField: Unterstützt die Werte offerId und itemGroupId. Wenn Sie das Merchant Center nicht verwenden, müssen Sie dieses Feld nicht festlegen.
    curl -X PATCH \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
     --data '{
       "productLevelConfig": {
         "ingestionProductType": "PRODUCT-TYPE",
         "merchantCenterProductIdField": "PRODUCT-ID-FIELD"
       }
     }' \
    "https://retail.googleapis.com/v2/projects/[PROJECT_ID]/locations/global/catalogs/default_catalog"
    
  3. Erstellen Sie eine Datendatei für die Eingabeparameter für den Import. Verwenden Sie das Objekt GcsSource, um auf Ihren Cloud Storage-Bucket zu verweisen.

    Sie können mehrere Dateien oder nur eine bereitstellen. In diesem Beispiel werden zwei Dateien verwendet.

    • input-file: Eine oder mehrere Dateien in Cloud Storage, die Ihre Katalogdaten enthalten.
    • error-directory: Ein Cloud Storage-Verzeichnis für Fehlerinformationen zum Import.

    Die Felder der Eingabedatei müssen das Format gs://<bucket>/<path-to-file>/ haben. Das Fehlerverzeichnis muss das Format gs://<bucket>/<folder>/ haben. Wenn das Fehlerverzeichnis nicht vorhanden ist, wird es von Recommendations AI erstellt. Der Bucket muss bereits vorhanden sein.

    {
    "inputConfig":{
     "gcsSource": {
       "inputUris": ["input-file1", "input-file2"]
     }
    },
    "errorsConfig":{"gcsPrefix":"error-directory"}
    }
    
  4. Importieren Sie Ihre Kataloginformationen in Recommendations AI. Stellen Sie dazu eine POST-Anfrage an die REST-Methode Products:import und geben Sie den Namen der Datendatei an (hier gezeigt als input.json).

    curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)"
    -H "Content-Type: application/json; charset=utf-8" -d @./input.json"
    "https://retail.googleapis.com/v2/projects/[PROJECT_NUMBER]/locations/global/catalogs/default_catalog/branches/0/products:import"
    

    Am einfachsten ist es, den Status des Importvorgangs mit der Cloud Console zu prüfen. Weitere Informationen finden Sie unter Status eines bestimmten Integrationsvorgangs ansehen.

    Sie können den Status auch programmatisch mit der API prüfen. Sie sollten ein Antwortobjekt erhalten, das in etwa so aussieht:

    {
    "name": "projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/import-products-123456",
    "done": false
    }
    

    Das Feld "Name" ist die ID des Vorgangsobjekts. Sie fordern den Status dieses Objekts an. Ersetzen Sie dabei das Feld "Name" durch den von der Importmethode zurückgegebenen Wert, bis das Feld done als true zurückgegeben wird:

    curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    "https://retail.googleapis.com/v2/projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/[OPERATION_NAME]"
    

    Wenn der Vorgang abgeschlossen ist, hat das zurückgegebene Objekt den done-Wert true und enthält ein Statusobjekt, das dem folgenden Beispiel ähnelt:

    { "name": "projects/[PROJECT_ID]/locations/global/catalogs/default_catalog/operations/import-products-123456",
    "metadata": {
      "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata",
      "createTime": "2020-01-01T03:33:33.000001Z",
      "updateTime": "2020-01-01T03:34:33.000001Z",
      "successCount": "2",
      "failureCount": "1"
    },
    "done": true,
    "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse",
    },
    "errorsConfig": {
      "gcsPrefix": "gs://error-bucket/error-directory"
    }
    }
    

    Sie können die Dateien im Fehlerverzeichnis in Cloud Storage prüfen, um festzustellen, welche Art von Fehlern beim Import aufgetreten sind.

Katalogdaten inline importieren

curl

Sie importieren Ihre Kataloginformationen inline in Recommendations AI, indem Sie mithilfe des Objekts productInlineSource eine POST-Anfrage an die Products:import REST-Methode stellen, um Ihre Katalogdaten anzugeben.

Ein Beispiel für das JSON-Produktelementformat finden Sie unter JSON-Datenformat für Produktelemente.

  1. Erstellen Sie die JSON-Datei für Ihr Produkt und nennen Sie sie ./data.json:

    {
    "inputConfig": {
    "productInlineSource": {
      "products": [
        {
          <product1>
        },
        {
          <product2>
        },
        ....
      ]
    }
    }
    }
    
  2. Rufen Sie die Methode POST auf:

    curl -X POST \
     -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     --data @./data.json \
    "https://retail.googleapis.com/v2/projects/[PROJECT_NUMBER]/locations/global/catalogs/default_catalog/branches/0/products:import"
    

JSON-Datenformat für Produktelemente

Die Product-Einträge in der JSON-Datei sollten wie im folgenden Beispiel aussehen. Die Zeilenumbrüche dienen der besseren Lesbarkeit. geben Sie ein komplettes Produktelement in einer einzigen Zeile an. Jedes Produktelement sollte eine eigene Zeile haben.

Pflichtfelder:

{
  "id": "1234",
  "categories": "Apparel & Accessories > Shoes",
  "title": "ABC sneakers"
}
{
  "id": "5839",
  "categories": "casual attire > t-shirts",
  "title": "Crew t-shirt"
}

Vollständiges Objekt:

{
  "name": "projects/[PROJECT_NUMBER]/locations/global/catalogs/default_catalog/branches/0/products/1234",
  "id": "1234",
  "categories": "Apparel & Accessories > Shoes",
  "title": "ABC sneakers",
  "description": "Sneakers for the rest of us",
  "attributes": { "vendor": {"text": ["vendor123", "vendor456"]} },
  "language_code": "en",
  "tags": [ "black-friday" ],
  "priceInfo": {"currencyCode": "USD", "price":100, "originalPrice":200, "cost": 50},
  "availableTime": "2020-01-01T03:33:33.000001Z",
  "availableQuantity": "1",
  "uri":"http://foobar",
  "images": [{"uri": "http://foobar/img1", "height": 320, "width": 320 }]
}

Katalog auf dem neuesten Stand halten

Recommendations AI erfordert aktuelle Produktinformationen, damit Sie die besten Empfehlungen erhalten. Wir empfehlen, Ihren Katalog täglich zu importieren, um sicherzustellen, dass der Katalog aktuell ist. Mit Google Cloud Scheduler können Sie Importe planen.

Sie können nur neue oder geänderte Produktelemente aktualisieren oder den gesamten Katalog importieren. Wenn Sie Produkte importieren, die sich bereits in Ihrem Katalog befinden, werden sie nicht noch einmal hinzugefügt. Jedes geänderte Element wird aktualisiert.

Wie Sie ein einzelnes Element aktualisieren, erfahren Sie unter Kataloginformationen aktualisieren.

Batch-Aktualisierung

Sie können die Importmethode verwenden, um Ihren Katalog im Batch zu aktualisieren. Gehen Sie genauso vor wie beim ersten Import. Folgen Sie der Anleitung unter Katalogdaten importieren.

Importstatus überwachen

Es ist wichtig, Ihren Katalog auf dem neuesten Stand zu halten, um qualitativ hochwertige Empfehlungen zu erhalten. Sie sollten die Importfehlerraten überwachen und bei Bedarf Maßnahmen ergreifen. Weitere Informationen finden Sie unter Benachrichtigungen für Probleme beim Hochladen von Daten einrichten.

Nächste Schritte