במסמך הזה מתואר ארכיטקטורה ברמה גבוהה לשימוש ב-AI כדי ליצור המלצות מותאמות אישית למוצרים באפליקציה קמעונאית ב- Google Cloud.
המסמך הזה מיועד לארכיטקטים, למפתחים ולאדמינים שמפתחים ומנהלים אפליקציות מבוססות-AI גנרטיבי בענן לתעשיית הקמעונאות. ההנחה במאמר הזה היא שיש לכם הבנה בסיסית של בינה מלאכותית גנרטיבית.
ארכיטקטורה
בתרשים הבא מוצגת ארכיטקטורה שמשתמשת במודל AI כדי ליצור המלצות מותאמות אישית למוצרים על סמך תובנות ממדדי נתוני קליקים.
הארכיטקטורה מציגה את התהליכים הבאים:
- הטמעה ועיבוד של נתוני משתמשים:
- נתוני נתיב קליקים כמו צפיות בדפים, קליקים ורכישות מועלים לצינור Dataflow.
- Dataflow מעבד את הנתונים ומפיק תובנות כמו פרופילים והעדפות של משתמשים. Dataflow מאחסן את הנתונים, התובנות והטמעות הווקטורים ב-BigQuery.
- יצירה והצגה של המלצות על מוצרים:
- לקוח מבקר בחנות הפיזית של החברה, שהיא שירות Cloud Run בארכיטקטורה הזו.
- שירות החנות שולח את נתוני המבקר לשירות המלצות שפועל ב-Cloud Run.
- שירות ההמלצות מבצע חיפוש של דמיון וקטורי ב-BigQuery ומאחזר נתונים על הפרופיל וההעדפות של המבקר.
- שירות ההמלצות שולח את הפרופיל של המבקר ואת נתוני ההעדפות שלו אל Gemini API, עם הנחיה ליצירת המלצות למוצרים. Gemini יוצר המלצות על מוצרים שמותאמות למבקרים.
- שירות ההמלצות שולח את המלצות המוצרים לשירות של חנות האינטרנט, שבתורו מציג את ההמלצות.
כדי לבצע אופטימיזציה של העלות והביצועים, כדאי להוסיף מטמון בין שירות חנות האינטרנט לבין שירות ההמלצות. שירות ההמלצות בודק אם יש במטמון נתונים של מבקרים. אם המטמון לא מכיל נתונים רלוונטיים, השירות מבצע חיפוש של דמיון וקטורי ב-BigQuery. כדי להגדיר את הזיכרון מטמון, אפשר להשתמש ב-Memorystore או להגדיר מאזן עומסים עם Cloud CDN.
המוצרים שהשתמשו בהם
הארכיטקטורה לדוגמה הזו משתמשת במוצרים הבאים של Google Cloud Google:
- Cloud Run: פלטפורמת מחשוב ללא שרת שמאפשרת להריץ קונטיינרים ישירות על גבי התשתית הניתנת להרחבה של Google.
- Gemini Enterprise Agent Platform: פלטפורמה מקיפה שמאפשרת לכם ליצור, לנהל, לבצע אופטימיזציה ולהתאים לעומס (scale) סוכני AI ברמה שמתאימה לארגונים.
- BigQuery: מחסן נתונים ארגוני שעוזר לכם לנהל ולנתח את הנתונים באמצעות תכונות מובנות כמו למידת מכונה, ניתוח גיאוגרפי ובינה עסקית.
- Dataflow: שירות שמספק עיבוד מאוחד של נתונים באצווה ובסטרימינג בקנה מידה נרחב.
פריסה
כדי להתנסות באפליקציות של AI גנרטיבי ב Google Cloud עבור עומסי עבודה של קמעונאות, אפשר להשתמש בדוגמאות הקוד הבאות:
המאמרים הבאים
- עולם תוכן מורחב: מדריכים לארכיטקטורה של AI גנרטיבי
- סקירה כללית של עקרונות והמלצות לארכיטקטורה שספציפיים לעומסי עבודה של AI ו-ML ב- Google Cloudזמינה בפרספקטיבה של AI ו-ML ב-Well-Architected Framework.
- לדוגמאות נוספות של ארכיטקטורות, תרשימים ושיטות מומלצות, עיינו במאמר Cloud Architecture Center.
שותפים ביצירת התוכן
מחבר: קומאר דהנגופל | מפתח פתרונות חוצי-מוצרים
תורמי תוכן אחרים:
- Amina Mansour | Tech Lead, Global Developer Relations & Strategic Content
- מייגן או'קיף | אחראית קשרי מפתחים
- Samantha He | Technical Writer
- שיר מאיר לדור | מנהלת הנדסה של קשרי מפתחים