Questa documentazione di Recommendations AI fa riferimento alla console Recommendations. Ti consigliamo di passare alla console per la vendita al dettaglio e di utilizzare la documentazione sulla vendita al dettaglio, che documenta Recommendations AI, la console di Retail e la Ricerca al dettaglio.

Se utilizzi la versione v1beta di Recommendations AI, esegui la migrazione alla versione API Retail.

Importazione di informazioni di catalogo

In questa pagina viene spiegato come importare le informazioni del tuo catalogo in Recommendations AI e come mantenerle aggiornate.

Prima di iniziare

Per poter importare le informazioni del catalogo, devi prima completare le istruzioni riportate in Prima di iniziare, in particolare: configurare il progetto, creare un account di servizio e aggiungerlo al tuo ambiente locale.

Devi scegliere i livelli del prodotto prima di importare il catalogo e disporre del ruolo IAM Amministratore di vendita al dettaglio per poter eseguire l'importazione.

Best practice per l'importazione di cataloghi

Recommendations AI richiede dati di alta qualità per fare previsioni di alta qualità. Se nei dati mancano campi o hanno valori segnaposto anziché valori effettivi, la qualità delle previsioni ne risente.

Quando importi i dati del catalogo, assicurati di implementare le seguenti best practice:

  • Prima di caricare i dati, assicurati di consultare le informazioni sui livelli di prodotto.

    La modifica dei livelli dei prodotti dopo aver importato i dati richiede uno sforzo significativo.

  • Rispetta i limiti di importazione degli articoli del prodotto.

    Per l'importazione collettiva da Cloud Storage, la dimensione di ciascun file deve essere pari o inferiore a 2 GB. Puoi includere fino a 100 file alla volta in una singola richiesta di importazione collettiva.

    Per l'importazione in linea, importa non più di 5000 articoli alla volta.

  • Assicurati che tutte le informazioni obbligatorie sul catalogo siano incluse e corrette.

    Non utilizzare valori fittizi o segnaposto.

  • Includi quante più informazioni possibili nel catalogo facoltativo.

  • Assicurati che tutti gli eventi utilizzino un'unica valuta, specialmente se intendi utilizzare Google Cloud Console per ottenere metriche sulle entrate. L'API Retail non supporta l'utilizzo di più valute per catalogo.

  • Tieni aggiornato il catalogo.

    Se possibile, dovresti aggiornare il catalogo ogni giorno. La pianificazione di importazioni periodiche del catalogo riduce la riduzione della qualità del modello. Puoi utilizzare Google Cloud Scheduler per automatizzare questa attività.

  • Non registrare gli eventi utente per gli articoli dei prodotti che non sono ancora stati importati.

  • Dopo aver importato le informazioni del catalogo, rivedi le informazioni sugli errori e sulle segnalazioni relative agli errori del tuo progetto.

    Sono previsti alcuni errori, ma se hai un numero elevato di errori, ti consigliamo di esaminarli e correggere eventuali problemi che hanno generato errori.

Importazione dei dati del catalogo in corso...

Per importare i dati di prodotto, puoi importarli da Merchant Center, Cloud Storage, BigQuery o specificare i dati incorporati nella richiesta. Ognuna di queste procedure è importata una sola volta. Ti consigliamo di importare il tuo catalogo quotidianamente per assicurarti che sia aggiornato. Consulta Mantenere aggiornato il catalogo.

Puoi anche importare singoli articoli del prodotto. Per ulteriori informazioni, consulta la sezione Caricare un articolo del prodotto.

Importazione dei dati di catalogo da Merchant Center

Puoi importare i dati del catalogo da Merchant Center utilizzando Google Cloud Console o l'API Retail.

Per importare il catalogo da Merchant Center:

  1. Utilizzando le istruzioni in Trasferimenti di Merchant Center, configura un trasferimento da Merchant Center a BigQuery.

    Utilizzerai lo schema della tabella dei prodotti di Google Merchant Center. Configura il trasferimento in modo che si ripeta ogni giorno, ma configura la scadenza del set di dati su due giorni.

  2. Se il set di dati BigQuery si trova in un altro progetto, configura le autorizzazioni richieste in modo che Recommendations AI possa accedere al set di dati BigQuery. Scopri di più.

  3. Importa i dati del tuo catalogo da BigQuery in Recommendations AI.

    console

    1. Vai alla pagina Dati di Recommendations AI in Google Cloud Console.
      Vai alla pagina Dati di Recommendations AI
    2. Fai clic su Importa per aprire il riquadro Importa catalogo.
    3. Inserisci gli ID del set di dati e della tabella BigQuery in cui si trovano i tuoi dati.
    4. Inserisci la località di un bucket Cloud Storage nel tuo progetto.

      Questo bucket viene utilizzato come località temporanea per i tuoi dati.

    5. Se è la prima volta che importi il catalogo o se ne importi di nuovo uno dopo l'eliminazione definitiva, seleziona i livelli dei prodotti per il caricamento (registrazione degli eventi utente) e la previsione.

      La modifica dei livelli dei prodotti dopo aver importato i dati richiede uno sforzo significativo. Scopri di più sui livelli di prodotto.

    6. Fai clic su Import (Importa).

    URL

    1. Se è la prima volta che carichi il catalogo o ne stai importando di nuovo uno dopo l'eliminazione definitiva, imposta i livelli di prodotto utilizzando il metodo Catalog.patch. Questa operazione richiede il ruolo Amministratore di vendita al dettaglio.

      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. Importa il catalogo utilizzando il metodo Products.import.

      • dataset-id: l'ID del set di dati BigQuery.
      • table-id: l'ID della tabella BigQuery contenente i tuoi dati.
      • staging-directory: facoltativo. Una directory di Cloud Storage utilizzata come località provvisoria per i tuoi dati prima che venga importata in BigQuery. Lascia vuoto questo campo per consentire a Recommendations AI di creare automaticamente una directory temporanea (opzione consigliata).
      • error-directory: facoltativo. Una directory di Cloud Storage per le informazioni sugli errori relativi all'importazione. Lascia vuoto questo campo per consentire a Recommendations AI di creare automaticamente una directory temporanea (opzione consigliata).
      • dataSchema: per la proprietà dataSchema, utilizza il valore product_merchant_center. Consulta lo schema della tabella dei prodotti di Merchant Center.

      Ti consigliamo di non specificare directory temporanee o di errore in modo che Recommendations AI possa creare automaticamente un bucket Cloud Storage con le nuove directory temporanee e di errore. Vengono creati nella stessa area geografica del set di dati BigQuery e sono univoci per ogni importazione (impedendo a più job di importazione di inserire dati nella stessa directory e reimportando potenzialmente gli stessi dati). Dopo tre giorni, il bucket e le directory vengono eliminati automaticamente per ridurre i costi di archiviazione.

      Un nome bucket creato automaticamente include l'ID progetto, l'area geografica bucket e il nome schema dati, separati da trattini bassi (ad esempio 4321_us_catalog_recommendations_ai). Le directory create automaticamente sono chiamate staging o errors, aggiunte da un numero (ad esempio staging2345 o errors5678).

      Se specifichi le directory, il bucket Cloud Storage deve trovarsi nella stessa area geografica del set di dati BigQuery, altrimenti l'importazione non andrà a buon fine. Fornisci le directory temporanee e di errore nel formato gs://<bucket>/<folder>/, che devono essere diverse.

      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"
      

Importazione dei dati del catalogo da BigQuery

Per importare i dati del catalogo nel formato corretto da BigQuery, utilizza lo schema di Recommendations AI per creare una tabella BigQuery con il formato corretto e caricare la tabella vuota con i dati del tuo catalogo. Quindi, carica i dati in Recommendations AI.

Per ulteriore assistenza sulle tabelle BigQuery, consulta Introduzione alle tabelle. Per assistenza sulle query BigQuery, consulta la panoramica sull'esecuzione di query sui dati BigQuery.

Curling

  1. Se il set di dati BigQuery si trova in un altro progetto, configura le autorizzazioni richieste in modo che Recommendations AI possa accedere al set di dati BigQuery. Scopri di più.

  2. Se è la prima volta che carichi il catalogo o se importi di nuovo il catalogo dopo averlo eliminato definitivamente, imposta i livelli di prodotto utilizzando il metodo Catalog.patch. Questa operazione richiede il ruolo Amministratore di Recommendations AI.

    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. Crea un file di dati per i parametri di input per l'importazione. I valori dei parametri di input dipendono dall'importazione da Cloud Storage o BigQuery.

    Utilizza l'oggetto BigQuerySource per indirizzare al tuo set di dati BigQuery.

    • dataset-id: l'ID del set di dati BigQuery.
    • table-id: l'ID della tabella BigQuery contenente i tuoi dati.
    • project-id: l'ID progetto in cui si trova l'origine di BigQuery. Se non specificato, l'ID progetto viene ereditato dalla richiesta principale.
    • staging-directory: facoltativo. Una directory di Cloud Storage utilizzata come località provvisoria per i tuoi dati prima di essere importata in BigQuery. Lascia vuoto questo campo per consentire a Recommendations AI di creare automaticamente una directory temporanea (opzione consigliata).
    • error-directory: facoltativo. Una directory di Cloud Storage per le informazioni sugli errori relativi all'importazione. Lascia vuoto questo campo per consentire a Recommendations AI di creare automaticamente una directory temporanea (opzione consigliata).
    • dataSchema: per la proprietà dataSchema, utilizza il valore product (valore predefinito). Utilizzerai lo schema di Recommendations AI.

    Ti consigliamo di non specificare directory temporanee o di errore in modo che Recommendations AI possa creare automaticamente un bucket Cloud Storage con le nuove directory temporanee e di errore. Vengono creati nella stessa area geografica del set di dati BigQuery e sono univoci per ogni importazione (impedendo a più job di importazione di inserire dati nella stessa directory e reimportando potenzialmente gli stessi dati). Dopo tre giorni, il bucket e le directory vengono eliminati automaticamente per ridurre i costi di archiviazione.

    Un nome bucket creato automaticamente include l'ID progetto, l'area geografica bucket e il nome schema dati, separati da trattini bassi (ad esempio 4321_us_catalog_recommendations_ai). Le directory create automaticamente sono chiamate staging o errors, aggiunte da un numero (ad esempio staging2345 o errors5678).

    Se specifichi le directory, il bucket Cloud Storage deve trovarsi nella stessa area geografica del set di dati BigQuery, altrimenti l'importazione non andrà a buon fine. Fornisci le directory temporanee e di errore nel formato gs://<bucket>/<folder>/, che devono essere diverse.

    {
    "inputConfig":{
     "bigQuerySource": {
       "projectId": "project-id",
       "datasetId":"dataset-id",
       "tableId":"table-id",
       "dataSchema":"product"}
      }
    }
    
  4. Importa le informazioni del tuo catalogo in Recommendations AI effettuando una richiesta POST al metodo REST Products:import, specificando il nome del file di dati (qui indicato come 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"
    

    Il modo più semplice per verificare lo stato dell'operazione di importazione è utilizzare Google Cloud Console. Per ulteriori informazioni, consulta Visualizzare lo stato di un'operazione di integrazione specifica.

    Puoi anche controllare lo stato in modo programmatico utilizzando l'API. Dovresti ricevere un oggetto risposta simile al seguente:

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

    Il campo name è l'ID dell'oggetto operazione. Per richiedere lo stato di questo oggetto, sostituisci il campo nome con il valore restituito dal metodo di importazione, fino a quando il campo done restituisce true:

    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"
    

    Al termine dell'operazione, l'oggetto restituito ha un valore done di true e include un oggetto Status simile all'esempio seguente:

    { "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"
    }
    }
    

    Puoi esaminare i file nella directory degli errori in Cloud Storage per vedere quale tipo di errori si è verificato durante l'importazione.

Configurazione dell'accesso al set di dati BigQuery

Per configurare l'accesso quando il set di dati BigQuery si trova in un progetto diverso da quello di Recommendations AI, procedi come descritto di seguito.

  1. Apri la pagina IAM in Google Cloud Console.

    Apri la pagina IAM

  2. Seleziona il progetto Recommendations AI.

  3. Trova l'account di servizio chiamato AutoML Recommendations Service Account.

    Se non hai già avviato un'operazione di importazione con Recommendations AI, questo account di servizio potrebbe non essere elencato. Se non vedi questo account di servizio, torna all'attività di importazione e avvia l'importazione. Quando l'operazione non riesce a causa di errori di autorizzazione, torna qui e completa questa attività.

  4. Copia l'identificatore dell'account di servizio, che sembra un indirizzo email (ad esempio, service-525@gcp-sa-recommendationengine.iam.gserviceaccount.com).

  5. Passa al tuo progetto BigQuery (nella stessa pagina IAM e amministrazione) e fai clic su Aggiungi.

  6. Inserisci l'identificatore dell'account di servizio Recommendations AI e seleziona il ruolo Utente BigQuery > BigQuery.

  7. Fai clic su Aggiungi un altro ruolo e seleziona BigQuery > Editor dati BigQuery.

    Se non vuoi fornire il ruolo Editor di dati all'intero progetto, puoi aggiungerlo direttamente al set di dati. Scopri di più.

  8. Fai clic su Salva.

Importazione dei dati di catalogo da Cloud Storage

Per importare dati di catalogo in formato JSON, devi creare uno o più file JSON che contengano i dati di catalogo che vuoi importare e caricarli in Cloud Storage. Da qui, puoi importarlo in Recommendations AI.

Per un esempio del formato JSON degli articoli del prodotto, consulta Formato dei dati JSON degli articoli del prodotto.

Per informazioni sul caricamento dei file su Cloud Storage, consulta Caricamento di oggetti.

Curling

  1. Assicurati che l'account di servizio Recommendations AI disponga dell'autorizzazione per la lettura e la scrittura nel bucket.

    L'account di servizio Recommendations AI è elencato nella pagina IAM in Google Cloud Console con il nome Account di servizio di vendita al dettaglio. Utilizza il suo identificatore, che sembra un indirizzo email (ad esempio service-525@gcp-sa-retail.iam.gserviceaccount.com), quando aggiungi l'account alle autorizzazioni di bucket.

  2. Se è la prima volta che carichi il catalogo o se importi di nuovo il catalogo dopo averlo eliminato definitivamente, imposta i livelli di prodotto utilizzando il metodo Catalog.patch.

    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. Crea un file di dati per i parametri di input per l'importazione. Puoi utilizzare l'oggetto GcsSource per indirizzare al tuo bucket Cloud Storage.

    Puoi fornire più file o solo uno; in questo esempio vengono utilizzati due file.

    • input-file: un file o dei file in Cloud Storage contenenti i tuoi dati di catalogo.
    • error-directory: una directory di Cloud Storage per le informazioni sugli errori di importazione.

    I campi del file di input devono essere nel formato gs://<bucket>/<path-to-file>/. La directory degli errori deve essere nel formato gs://<bucket>/<folder>/. Se la directory degli errori non esiste, Recommendations AI lo crea. Il bucket deve esistere già.

    {
    "inputConfig":{
     "gcsSource": {
       "inputUris": ["input-file1", "input-file2"]
     }
    },
    "errorsConfig":{"gcsPrefix":"error-directory"}
    }
    
  4. Importa le informazioni del tuo catalogo in Recommendations AI effettuando una richiesta POST al metodo REST Products:import, specificando il nome del file di dati (qui indicato come 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"
    

    Il modo più semplice per verificare lo stato dell'operazione di importazione è utilizzare Google Cloud Console. Per ulteriori informazioni, consulta Visualizzare lo stato di un'operazione di integrazione specifica.

    Puoi anche controllare lo stato in modo programmatico utilizzando l'API. Dovresti ricevere un oggetto risposta simile al seguente:

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

    Il campo name è l'ID dell'oggetto operazione. Devi richiedere lo stato di questo oggetto, sostituendo il campo del nome con il valore restituito dal metodo di importazione, fino a quando il campo done restituisce true:

    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]"
    

    Al termine dell'operazione, l'oggetto restituito ha un valore done di true e include un oggetto Status simile all'esempio seguente:

    { "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"
    }
    }
    

    Puoi esaminare i file nella directory degli errori in Cloud Storage per vedere quale tipo di errori si è verificato durante l'importazione.

Importazione dei dati di catalogo in linea

Curling

Puoi importare le informazioni del tuo catalogo in Recommendations AI in linea effettuando una richiesta POST al metodo REST Products:import e utilizzando l'oggetto productInlineSource per specificare i dati del tuo catalogo.

Per un esempio del formato JSON degli articoli del prodotto, consulta Formato dei dati JSON degli articoli del prodotto.

  1. Crea il file JSON per il tuo prodotto e chiamalo ./data.json:

    {
    "inputConfig": {
    "productInlineSource": {
      "products": [
        { PRODUCT_1 }
        { PRODUCT_2 }
      ]
    }
    }
    }
    
  2. Chiama il metodo POST:

    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"
    

Formato dei dati JSON dell'articolo del prodotto

Le voci Product nel file JSON dovrebbero essere simili agli esempi seguenti.

Fornisci un intero prodotto su una sola riga. Ogni prodotto dovrebbe trovarsi su una riga separata.

Campi minimi obbligatori:

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

Oggetto completo:

  {
    "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://example.com",
    "images": [{"uri": "http://example.com/img1", "height": 320, "width": 320 }]
  }
  {
    "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products/4567",
    "id": "4567",
    "categories": "casual attire > t-shirts",
    "title": "Crew t-shirt",
    "description": "A casual shirt for a casual day",
    "attributes": { "vendor": {"text": ["vendor789", "vendor321"]} },
    "language_code": "en",
    "tags": [ "black-friday" ],
    "priceInfo": {"currencyCode": "USD", "price":50, "originalPrice":60, "cost": 40},
    "availableTime": "2020-02-01T04:44:44.000001Z",
    "availableQuantity": "2",
    "uri":"http://example.com",
    "images": [{"uri": "http://example.com/img2", "height": 320, "width": 320 }]
  }

Dati di catalogo storici

L'API Recommendations AI supporta l'importazione e la gestione dei dati storici del catalogo. I dati storici del catalogo possono essere utili quando utilizzi eventi utente storici per l'addestramento del modello. L'API Recommendations AI può utilizzare le informazioni sui prodotti precedenti per arricchire i dati storici sugli eventi utente e migliorare la precisione dei modelli.

I prodotti storici vengono memorizzati come prodotti scaduti. Non vengono restituite nelle risposte di ricerca, ma sono visibili alle chiamate API Update, List e Delete.

Importa dati storici del catalogo

Quando un campo [expireTime][product-expire-time] di un prodotto è impostato su un timestamp precedente, questo prodotto viene considerato come un prodotto storico. Imposta l'attributo prodotto [availability][product-availability] su [OUT_OF_STOCK][product-out-of-stock] per evitare ripercussioni su Recommendations AI.

Ti consigliamo di utilizzare i seguenti metodi per importare i dati storici del catalogo:

  • [Chiamata al metodo Product.Create][create-expiration].
  • [Importazione in linea dei prodotti scaduti][inline-import-expiration].
  • [Importazione dei prodotti scaduti da BigQuery][import-expiration].

Chiamata al metodo Product.Create

Utilizza il metodo [Product.Create][product-create] per creare una voce Product con il campo [expireTime][product-expire-time] impostato su un timestamp passato.

Importazione in linea di prodotti scaduti

I passaggi sono identici a quelli per [l'importazione in linea][inline], tranne per il fatto che i prodotti devono avere i campi [expireTime][product-expire-time] impostati su un timestamp passato.

Fornisci un intero prodotto su una sola riga. Ogni prodotto dovrebbe trovarsi su una riga separata.

Esempio del ./data.json utilizzato nella richiesta di importazione in linea:

{
"inputConfig": {
  "productInlineSource": {
      "products": [
          {
            "id": "historical_product_001",
            "categories": "Apparel & Accessories > Shoes",
            "title": "ABC sneakers",
            "expire_time": {
              "second": "2021-10-02T15:01:23Z"  // a past timestamp
            }
          }
          {
            "id": "historical product 002",
            "categories": "casual attire > t-shirts",
            "title": "Crew t-shirt",
            "expire_time": {
              "second": "2021-10-02T15:01:24Z"  // a past timestamp
            }
          }
      ]
    }
  }
}

Importa i prodotti scaduti da BigQuery o Cloud Storage

Utilizza le stesse procedure documentate per l'importazione dei dati di catalogo da BigQuery o l'importazione dei dati di catalogo da Cloud Storage. Tuttavia, assicurati di impostare il campo [expireTime][product-expire-time] su un timestamp passato.

Tenere aggiornato il catalogo

Recommendations AI si basa sull'utilizzo delle informazioni correnti sui prodotti per fornire i consigli migliori. Ti consigliamo di importare il tuo catalogo su base giornaliera per assicurarti che sia aggiornato. Puoi utilizzare Google Cloud Scheduler per pianificare le importazioni.

Puoi aggiornare solo gli articoli di prodotto nuovi o modificati oppure importare l'intero catalogo. Se importi prodotti già presenti nel tuo catalogo, questi non vengono aggiunti di nuovo. Qualsiasi elemento modificato è stato aggiornato.

Per aggiornare un singolo articolo, consulta Aggiornare le informazioni del catalogo.

Aggiornamento in gruppo

Puoi utilizzare il metodo di importazione per eseguire l'aggiornamento collettivo del catalogo. Esegui questa operazione esattamente come fai per l'importazione iniziale; segui la procedura descritta in Importare i dati del catalogo.

Monitorare l'importazione

Mantenere aggiornato il catalogo è importante per ricevere consigli di alta qualità. Dovresti monitorare le percentuali di errore di importazione e intervenire se necessario. Per ulteriori informazioni, consulta la pagina Configurare avvisi per i problemi di caricamento dei dati.

Passaggi successivi