生成 AI のユースケース: パーソナライズされた商品のレコメンデーションを生成する

Last reviewed 2025-12-15 UTC

このドキュメントでは、 で AI を使用して 小売アプリケーションのパーソナライズされた商品レコメンデーションを生成するためのハイレベルなアーキテクチャについて説明します Google Cloud。

このドキュメントは、小売業界向けのクラウドで生成 AI アプリケーションを構築、管理するアーキテクト、デベロッパー、管理者を対象としています。このドキュメントでは、生成 AI の基礎を 理解していることを 前提としています。

アーキテクチャ

次の図は、クリックストリーム指標からの分析情報に基づいて、AI モデルを使用してパーソナライズされた商品レコメンデーションを生成するアーキテクチャを示しています。

AI を使用してパーソナライズされた商品のおすすめを生成するアーキテクチャ。 AI を使用してパーソナライズされた商品レコメンデーションを生成するアーキテクチャ}。

このアーキテクチャは、次のフローを示しています。

  • ユーザーデータの取り込みと処理:
    1. ページビュー、クリック、購入などのクリックストリーム データが Dataflow パイプラインにアップロードされます。
    2. Dataflow はデータを処理し、ユーザー プロフィールや好みなどの分析情報 を導き出します。その後、Dataflow はデータ、分析情報、ベクトル埋め込みを BigQuery に保存します。
  • 商品レコメンデーションの生成と提供:
    1. お客様が会社のストアフロントにアクセスします。このアーキテクチャでは、ストアフロントは Cloud Run サービスです。
    2. ストアフロント サービスは、訪問者のデータを Cloud Run で実行されるレコメンデーション サービスに送信します。
    3. Recommender サービスは、BigQuery でベクトル類似検索を実行し、訪問者のプロフィールと好みに関するデータを取得します。
    4. レコメンデーション サービスは、訪問者のプロフィールと好みのデータ を Gemini API に送信し、商品 レコメンデーションを生成するよう促します。Gemini は、訪問者に合わせた商品レコメンデーションを生成します。
    5. レコメンデーション サービスは、商品レコメンデーションを ストアフロント サービスに送信します。ストアフロント サービスは、レコメンデーションを表示します。

費用とパフォーマンスを最適化するには、ストアフロント サービスとレコメンデーション サービスの間にキャッシュを追加します。Recommender サービスは、訪問者データについてキャッシュを確認します。キャッシュに関連データが含まれていない場合、サービスは BigQuery でベクトル類似検索を実行します。キャッシュを設定するには、 Memorystore を使用するか、 Cloud CDNでロードバランサを構成します。

使用するプロダクト

このサンプル アーキテクチャでは、次の Google Cloud プロダクトを使用します。

  • Cloud Run: Google のスケーラブルなインフラストラクチャ上で コンテナを直接実行できるマネージド コンピューティング プラットフォーム。
  • Gemini Enterprise Agent Platform: エンタープライズ グレードの AI エージェントの構築、スケーリング、管理、最適化を可能にする包括的なプラットフォーム。
  • BigQuery: ML、地理空間分析、ビジネス インテリジェンスなどの組み込み機能を使用してデータの管理と 分析を支援する、Google Cloud のフルマネージド エンタープライズ データ ウェアハウス。
  • Dataflow: 統合されたストリーム データ処理とバッチデータ処理を大規模に提供するサービス。

デプロイ

小売ワークロードで生成 AI アプリケーションを試すには、次のコードサンプルを使用します。 Google Cloud

次のステップ

協力者

著者: Kumar Dhanagopal | クロスプロダクト ソリューション デベロッパー

その他の寄稿者: