使用 Apigee、BigQuery ML 和 Spanner 构建的用于预测客户购买意愿的智能 API

Last reviewed 2023-06-20 UTC

本文档介绍如何使用 API 来预测客户购买商品的可能性。

本文档面向希望为用户提供更个性化的体验，从而通过全渠道和电子商务平台产生更多收入的 API 开发人员和数据专家。本文假定您熟悉 Apigee、BigQuery ML、Spanner、Google Cloud CLI 和 Apache Maven。

您创建的 API 使用在线预测根据您网站上的用户行为采取实时操作。在线预测将机器学习 (ML) 分析洞见与商品清单和其他信息结合，可帮助您跨多个渠道为客户提供更好的体验。

架构

下图展示了此解决方案中使用的架构和过程：

用于预测客户购买意愿的 API 架构。

此过程包括以下步骤：

  1. 消费者应用向部署在 Apigee 平台上的 API 发送 HTTPS 请求。该请求会提取已登录用户的商品推荐数据。
  2. API 代理从 BigQuery 数据集中获取用户 ID 的商品推荐数据。
  3. API 代理发出外呼，以从 Spanner 实例上的商品主数据库中提取数据。
  4. API 代理聚合来自商品推荐和商品主要数据集的数据。
  5. 向消费者应用返回响应。

设计考虑事项

以下指导原则可帮助您开发满足组织的安全性和费用要求的架构。

安全性、隐私权和合规性

为了帮助保护您的 API 免于未经授权的访问，请添加要求 API 密钥的 API 代理，如部署步骤中所述。应用在发出请求时必须提供有效的密钥。如果密钥有效，则允许请求。如果密钥无效，则请求会导致授权失败。

此外，您也可以选择创建 AppSheet 应用来向电子商务网站用户显示商品推荐。AppSheet 也使用 API 代理作为新应用的数据源。如需了解详情，请参阅可选：使用 Apigee 作为数据源创建 AppSheet 应用。

费用优化

在本文档中，您将使用 Google Cloud 的以下收费组件：

  • BigQuery 和 BigQuery ML 灵活槽
  • Spanner
  • Apigee

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

Deployment

如需部署此架构，请参阅使用 Apigee、BigQuery ML 和 Spanner 构建智能 API 来预测客户购买意愿。

后续步骤