生成式 AI 用途：生成個人化產品建議

Last reviewed 2025-12-15 UTC

本文說明在 Google Cloud中，如何運用 AI 為零售應用程式生成個人化產品推薦的高階架構。

本文適用對象包括架構師、開發人員和管理員，他們在雲端建構及管理零售業的生成式 AI 應用程式。本文假設您對生成式 AI 有基本瞭解。

架構

下圖顯示的架構使用 AI 模型，根據點擊流指標的洞察資料，生成個人化產品推薦。

使用 AI 生成個人化產品推薦的架構。 使用 AI 生成個人化產品推薦的架構。

架構圖顯示下列流程：

  • 擷取及處理使用者資料：
    1. 點擊流資料 (例如網頁瀏覽、點擊和購買) 會上傳至 Dataflow 管道。
    2. Dataflow 會處理資料並衍生洞察資訊，例如使用者個人資料和偏好設定。Dataflow 接著會將資料、洞察和向量嵌入儲存在 BigQuery。
  • 生成及提供產品建議：
    1. 客戶造訪公司的店面，也就是這個架構中的 Cloud Run 服務。
    2. 店面服務會將訪客的資料傳送至在 Cloud Run 上執行的推薦工具服務。
    3. 推薦服務會在 BigQuery 執行向量相似度搜尋，並擷取訪客個人資料和偏好設定的相關資料。
    4. 推薦工具服務會將訪客的個人資料和偏好設定資料傳送至 Gemini API，並提示生成產品推薦。Gemini 會生成專為訪客量身打造的產品推薦。
    5. 推薦工具服務會將產品推薦傳送至店面服務，然後顯示推薦。

如要最佳化成本和效能，請在店面服務和推薦工具服務之間新增快取。推薦服務會檢查快取中的訪客資料。如果快取不含相關資料，服務會在 BigQuery 執行向量相似度搜尋。如要設定快取，您可以使用 Memorystore，或使用 Cloud CDN 設定負載平衡器。

使用的產品

這個範例架構使用下列 Google Cloud 產品：

  • Cloud Run：無伺服器運算平台，可讓您直接在 Google 可擴充的基礎架構上執行容器。
  • Gemini Enterprise Agent Platform：全方位平台，可建構、擴充、管理及最佳化企業級 AI 代理。
  • BigQuery：企業資料倉儲，內建機器學習、地理空間分析和商業智慧等功能，可協助您管理及分析資料。
  • Dataflow：這項服務整合串流與批次資料處理功能，可大規模處理資料。

部署作業

如要在 Google Cloud 中試用零售工作負載的生成式 AI 應用程式，請使用下列程式碼範例：

後續步驟

貢獻者

作者：Kumar Dhanagopal | 跨產品解決方案開發人員

其他貢獻者：