Häufig gestellte Fragen

Haben Sie andere Probleme oder ist Ihr Problem hier nicht aufgeführt? Fehler melden oder Funktion anfragen und der Google-Gruppe cloud-recommendations-users oder den Stack Overflow-Diskussionen beitreten.

Allgemein

Dies sind häufig gestellte allgemeine Fragen.

Gibt es Clientbibliotheken für AI Commerce Search oder weiteren Beispielcode?

Ja. Informationen zur Einrichtung und Referenzinformationen zu den einzelnen Bibliotheken finden Sie im Leitfaden zu Clientbibliotheken.

Anstelle von REST-Aufrufen kann auch der Google API Discovery Service verwendet werden.

Sind alle Empfehlungsmodelle personalisiert?

Die Modelle „Empfehlungen für dich“, „Andere Artikel, die dir gefallen könnten“ und „Noch einmal kaufen“ geben personalisierte Empfehlungen, wenn der Nutzerverlauf angegeben wird. Die Modelle „Häufig zusammen gekauft“ und „Ähnliche Artikel“ sind nicht personalisiert.

Weitere Informationen finden Sie unter Empfehlungsmodelle.

Erhalte ich sofort personalisierte Empfehlungen oder muss ich warten, bis sie sich im Laufe der Zeit verbessern?

Empfehlungen werden verbessert, je mehr Nutzerverlauf Sie erfassen. Das Modell „Empfehlungen für dich“ zeigt beliebte Produkte und das Modell „Andere Produkte, die dir gefallen könnten“ zeigt ähnliche Produkte, die hauptsächlich auf den Aufrufen anderer Nutzer basieren. Beide Modelle berücksichtigen das Nutzerverhalten sofort. Daher ist es wichtig, Echtzeitereignisse zu senden. Weitere Informationen finden Sie unter Empfehlungsmodelle.

Nutzerereignisse müssen in Echtzeit oder nahezu in Echtzeit gesendet werden, damit die Personalisierung effektiv ist. Wenn Nutzerereignisse nur täglich oder im Laufe des Tages in Batches gesendet werden, funktionieren die personalisierten Modelle möglicherweise nicht so gut wie beim Senden von Echtzeitereignissen.

Verwenden Sie in Ihren Modellen demografische Daten von Google-Nutzern?

Die Modelle verwenden nur die von Ihnen bereitgestellten Katalog- und Nutzerereignisdaten. Wenn Sie demografische Daten einbeziehen möchten, können Sie andere Text- oder numerische Informationen, die nützlich sein könnten, als benutzerdefinierte Attribute einbeziehen. Diese Daten werden vom Modell verwendet, nachdem es neu abgestimmt wurde.

Geben Sie keine personenidentifizierbaren Informationen wie E‑Mail-Adressen oder Nutzernamen an. Wir empfehlen, demografische Daten zu anonymisieren, z. B. durch Hashing der Werte oder Verwendung von Gruppen-IDs.

Kann ich Empfehlungen auf Grundlage des Ereignisverlaufs einer Gruppe von Nutzern statt des Verlaufs eines einzelnen Nutzers abgeben?

Empfehlungen basieren auf einer einzelnen Besucher-ID oder Nutzer-ID. Sie müssten einzelne Anfragen stellen und dann die Ergebnisse kombinieren, um Empfehlungen auf Grundlage des Verlaufs einer Gruppe zu erhalten. Wenn die Nutzer gemeinsame Metadatenattribute haben, können Sie Gruppen-IDs als Nutzer-IDs verwenden, um Empfehlungen auf Gruppenebene bereitzustellen.

Ich habe gesehen, dass man Bild-URLs für Produkte einreichen kann. Berücksichtigen die Modelle die Produktbilder?

Ja, Produktbilder können als Teil Ihrer Produktkatalogdaten eingereicht werden. AI Commerce Search verwendet Produkt-URLs und die dahinter liegenden Kennungen (URIs), um Produktbeschreibungen anzureichern.

Das Product-Objekt enthält ein „images“-Feld, das eine Liste von Bildobjekten ist. Jedes Bildobjekt kann einen URI, eine Höhe und eine Breite enthalten. Pro Produkt sind bis zu 300 Bilder zulässig. Produktbilder sind zwar optional, werden aber dringend empfohlen. (Vorhersagevorschau) verwendet ebenfalls Bild-URLs, um die Bilder anzuzeigen, wenn Sie sich eine Vorschau der Vorhersageergebnisse eines Modells in der AI Commerce Search in Gemini Enterprise for Customer Experience Console ansehen.

Mein Unternehmen ist keine E-Commerce-Website für den Einzelhandel. Kann ich Empfehlungen weiterhin verwenden, um x, y, z vorherzusagen?

Kunden haben Empfehlungen für Inhaltsempfehlungen, Videostreaming und Gaming sowie andere Anwendungsfälle verwendet. Unsere Inhalte und Funktionen sind jedoch auf den E-Commerce-Anwendungsfall im Einzelhandel ausgelegt und möglicherweise noch nicht für andere Anwendungsfälle geeignet.

Kann ich Empfehlungen auf jeder Seite meiner Website platzieren?

Ja, aber die Modelle sind jeweils für bestimmte Anwendungsfälle konzipiert und funktionieren auf bestimmten Seiten möglicherweise am besten. Weitere Informationen finden Sie unter Empfehlungsmodelle.

Für „Häufig zusammen gekauft“ und „Andere, die Ihnen gefallen könnten“ sind Artikel-IDs erforderlich. Sie sollten daher für Empfehlungen verwendet werden, die beispielsweise eine Produkt-ID oder Artikel in einem Einkaufswagen verwenden. „Häufig zusammen gekauft“ funktioniert in der Regel am besten auf Seiten zum Hinzufügen zum Einkaufswagen oder auf Zahlungsseiten, während „Andere Artikel, die Ihnen gefallen könnten“ und „Ähnliche Artikel“ am besten auf Produktdetailseiten funktionieren. „Empfehlungen für dich“ kann auf jeder Seite platziert werden, da nur eine Besucher-ID als Eingabe erforderlich ist. Es ist jedoch als Bereitstellungskonfiguration für die Startseite konzipiert. „Noch einmal kaufen“ kann auf jeder Seite platziert werden.

Kann ich Empfehlungen für Empfehlungen in E-Mail-Newslettern verwenden?

Ja. Dazu können Sie die API mit einer Besucher-ID oder Nutzer-ID aufrufen und die Ergebnisse dann in eine E-Mail-Vorlage einfügen. Wenn die Elemente dynamisch beim Lesen der E‑Mail geladen werden sollen, müssen Sie einen Zwischenendpunkt wie eine Google Cloud -Funktion verwenden, um die Vorhersageanfrage zu senden. Die API stellt nur eine Liste der geordneten Produkt-IDs und Metadaten bereit. Sie müssen also auch eigenen Code schreiben, um die Bildergebnisse zu rendern.

Kann ich AI Commerce Search für andere Nicht-Web-Anwendungsfälle (mobile Apps, Kioske) verwenden?

Ja. Sie können einen Endpunkt einrichten (z. B. Google Google Cloud Function), um Ergebnisse für die App zu erhalten. Außerdem benötigen Sie einen ähnlichen Mechanismus, um Echtzeitereignisse zu senden.

Ich habe keine Ereignisdaten für mindestens 3 Monate. Kann ich AI Commerce Search weiterhin verwenden? Kann ich später weitere Daten hinzufügen?

Das Modell „Ähnliche Artikel“ verwendet keine Nutzerereignisdaten oder Modellabstimmung. Wenn Sie keine Ereignisdaten haben, können Sie trotzdem ein Modell für ähnliche Artikel erstellen und trainieren, sofern Sie Katalogdaten haben.

Wenn Sie genügend Traffic für Echtzeitereignisse erfassen können, können aktuelle Daten zum Trainieren anderer Modelle verwendet werden. Wenn Sie zu einem späteren Zeitpunkt zusätzliche Daten haben, können Sie diese nach dem ersten Modelltraining hochladen. Die neu per Backfill hinzugefügten Daten werden beim täglichen Neutraining in die Modelle einbezogen. Wenn sich die Daten jedoch erheblich von den Ereignissen unterscheiden, die für das ursprüngliche Training verwendet wurden, müssen die Modelle möglicherweise neu abgestimmt werden.

Die meisten Modelle funktionieren am besten, wenn für alle Modelle mindestens drei Monate an Produktseitenaufrufen, Startseitenaufrufen und Ereignissen vom Typ „In den Einkaufswagen“ vorliegen. Für das Modell „Häufig zusammen gekauft“ sind idealerweise ein bis zwei Jahre an Kaufverlaufsdaten erforderlich.

Ein bis zwei Wochen mit Aufrufen von Detailseiten können ausreichen, um mit dem Training der Modelle „Andere Artikel, die dir gefallen könnten“ und „Empfehlungen für dich“ zu beginnen. Für „Häufig zusammen gekauft“ und „Noch einmal kaufen“ sind in der Regel mehr Daten erforderlich, da es normalerweise weniger Käufe pro Tag als Seitenaufrufe gibt. Die Modellqualität kann durch mehr Daten erheblich verbessert werden. Die Mindestmenge führt möglicherweise nicht zu optimalen Ergebnissen. Wenn Sie beispielsweise die Käufe eines ganzen Jahres hochladen, können die Modelle saisonale Schwankungen und Trends besser berücksichtigen.

Kann ich neben Produkten auch Kategorien empfehlen?

Recommendations gibt nur Produktempfehlungen zurück. Sie können jedoch die Kategorien für jedes Produkt als Teil der Ergebnisse abrufen.

Gibt es Integrationen zum Hochladen von Daten aus SQL-Datenbanken oder anderen Systemen wie BigQuery?

Ja. Für Ereignisse gibt es Beispielcode, der aus BigQuery liest. Google Analytics-Beispieldatensatz für BigQuery

Verwendet AI Commerce Search Cookies?

Nein, es werden keine Cookies verwendet. Für alle Ereignisse, die an die AI Commerce-Suche gesendet werden, muss jedoch eine Besucher-ID angegeben werden. Dies ist häufig eine Sitzungs-ID aus einem Cookie.

Benötige ich ein dediziertes Google Cloud -Projekt?

Sie können ein neues, dediziertes Projekt erstellen oder AI Commerce Search in einem vorhandenen Projekt aktivieren.

Warum funktionieren meine Anmeldedaten nicht, wenn ich Cloud Shell verwende?

Prüfen Sie, ob Sie die Schritte zur Einrichtung der Authentifizierung für AI Commerce Search ausgeführt haben. Sie sollten ein Dienstkonto verwenden, das Sie in Ihrer Umgebung verfügbar gemacht haben. Andernfalls erhalten Sie möglicherweise eine Fehlermeldung wie diese: Ihre Anwendung wurde mit Endnutzer-Anmeldedaten aus dem Google Cloud SDK oder der Google Cloud Shell authentifiziert, die nicht unterstützt werden.

Weitere Informationen zu Dienstkonten finden Sie im Abschnitt zur Authentifizierung in der Dokumentation zu Google Cloud .

Wie kann ich AI Commerce Search mit ähnlichen Lösungen vergleichen?

Sie können A/B-Tests durchführen, um die Ergebnisse von AI Commerce Search mit denen anderer Produkte zu vergleichen.

Ich fände die Funktionen x, y und z toll. Kannst du das hinzufügen?

Treten Sie mit uns in Kontakt! Feature Requests können über Ihr Account-Management-Team, den Google-Support oder die Problemverfolgung eingereicht werden.

Kann ich die alte API weiterhin für Empfehlungen verwenden?

Recommendations wurde vom Empfehlungssystem API zu AI Commerce Search migriert. Wenn Sie die Recommendations Engine API während der Betaphase verwendet haben, empfehlen wir Ihnen, Ihre Empfehlungen zu AI Commerce Search (Dienstendpunkt https://retail.googleapis.com) zu migrieren, die allgemein verfügbar ist.

Die vorherige API (Dienstendpunkt https://recommendationengine.googleapis.com) und die zugehörige Dokumentation sind weiterhin verfügbar, werden aber nicht mehr aktualisiert.

Kataloge und Produkte

Hier finden Sie Antworten auf häufig gestellte Fragen zu Katalogen und Produkten.

Wie geht Recommendations mit Kaltstarts für neue Produkte um?

Für Produkte ohne Bisherige Käufe geben wir Empfehlungen auf der Grundlage ähnlicher Produkte ab. In diesen Fällen ist es besonders wichtig, dass im Katalog gute Produkttitel, Kategorien und Beschreibungen definiert sind.

Bei Kaltstartnutzern (Besuchern ohne Verlauf) beginnen die Modelle mit den beliebtesten allgemeinen Produkten und werden in Echtzeit personalisiert, wenn mehr Nutzerereignisse empfangen werden.

Weitere Informationen finden Sie unter Kataloge und Produkte und auf der Produktreferenzseite.

Kann ich meinen Merchant Center-Katalog für Empfehlungen verwenden?

Ja, Sie können einen Merchant Center-Katalog mit dem Merchant Center Data Transfer Service nach BigQuery exportieren. Anschließend können wir den Katalog direkt aus BigQuery lesen. Weitere Informationen finden Sie unter Katalogdaten aus dem Merchant Center importieren.

Wie kann ich meinen Katalog sonst noch importieren?

  • Merchant Center: Importieren Sie die Daten mit dem Merchant Center. Wenn Sie die Google Suche verwenden, können Sie das Merchant Center über die Console verknüpfen, damit der Katalog automatisch synchronisiert wird.
  • BigQuery: Importieren Sie direkt aus einer Tabelle oder Ansicht.
  • Cloud Storage: Importieren Sie Textdateien mit einem JSON-Katalogelement pro Zeile.
  • Inline-Import: Importieren Sie mit einem API-Aufruf und verwenden Sie Textdateien mit einem JSON-Katalogelement pro Zeile.
  • Produktartikel erstellen: Verwenden Sie die Erstellungsmethode Products.

Wie kann ich meinen Katalog auf dem neuesten Stand halten? Wie oft muss der Katalog aktualisiert werden?

Weitere Informationen finden Sie unter Katalog auf dem neuesten Stand halten.

Wir empfehlen Ihnen, Ihren Katalog täglich zu aktualisieren. Sie können eine vollständige Aktualisierung aus Cloud Storage oder BigQuery oder eine inkrementelle Aktualisierung (d.h. nur neue und geänderte Elemente) durchführen.

Aktualisieren Sie nach Möglichkeit Preis und Verfügbarkeit in Echtzeit. Dies wirkt sich darauf aus, wie schnell neue Elemente mit der Suche gefunden werden können.

Wenn Sie eine Möglichkeit haben, sich über Katalogänderungen benachrichtigen zu lassen (z. B. über Pub/Sub, Nachrichtenwarteschlange, Ereignisse usw.), können Sie den Katalog in Echtzeit mit den API-Methoden import oder create aktualisieren.

Beispielsweise kann Cloud Scheduler verwendet werden, um täglich einen BigQuery-Importaufruf auszuführen.

Gibt es eine Mindest- und Höchstgröße für Kataloge?

Es gibt keine Mindestgröße, aber bei sehr kleinen Katalogen (< 100 Artikel) sind Empfehlungen möglicherweise nicht sehr nützlich, da es nur sehr wenige verschiedene Produkte gibt, die empfohlen werden können.

Der Katalog umfasst maximal 40 Millionen Artikel.

In der Dokumentation finden Sie Informationen zu den Standard-Kontingenten und -Limits und dazu, wie Sie eine Änderung Ihres Kontingents beantragen können.

Mein Unternehmen betreibt Websites in mehreren Ländern. Sollte ich einen Katalog für alle meine Daten verwenden?

In der Regel empfiehlt es sich, nur einen Katalog mit allen Artikeln zu haben. Ereignisse müssen alle in einer einzigen Währung eingereicht werden. Es ist nicht möglich, mehrere Kataloge innerhalb desselben Projekts zu haben. Wenn Sie jedoch Entitäten verwenden, können Sie das Verhalten für Suche, Empfehlungen und automatische Vervollständigung für ein bestimmtes Land festlegen.

Wenn sich die Kataloge der Websites erheblich unterscheiden, empfehlen wir, für jede Website ein separates Projekt zu erstellen. Wenn in den Ländern unterschiedliche Sprachen gesprochen werden, empfehlen wir außerdem, für jede Sprache ein separates Projekt zu erstellen.

Wenn es ähnliche Websites mit geringem Traffic im Vergleich zur Hauptwebsite gibt, ist es möglicherweise am besten, einen einzigen Katalog zu verwenden, wenn nicht genügend Ereignisse vorhanden sind, um hochwertige Modelle für alle einzelnen Websites zu erstellen.

Wenn Sie einen einzelnen Katalog verwenden möchten, sollten die Artikel-IDs im Katalog einheitlich sein. Das bedeutet, dass dasselbe Produkt auf allen Websites dieselbe Artikel-ID haben sollte, damit es im Katalog keine doppelten Produkte gibt.

Nur für Empfehlungen: Eine Alternative zur Verwendung von Entitäten ist das Filtern nach einer bestimmten Website mithilfe von Filtern. Es kann jedoch bis zu 8 Stunden dauern, bis Filter aktualisiert werden. Wenn es also länderspezifische Anforderungen an die Verfügbarkeit (nicht auf Lager) gibt, müssen diese normalerweise durch eine Geschäftsregel verarbeitet werden, die die Ergebnisse nach der Vorhersageantwort herausfiltert. Dies gilt für die filter_tag-Filterung von v1 und die attributbasierte Filterung von v2.

Unterstützt AI Commerce Search mehrere Währungen pro Katalog?

Nein, pro Katalog wird nur ein Währungstyp unterstützt. Ereignisse müssen in einer einzigen Währung hochgeladen werden.

Wenn Sie die Konsole für AI Commerce Search in Gemini Enterprise for Customer Experience verwenden möchten, um Ihre Umsatzmesswerte abzurufen, müssen alle Ihre Ereignisse dieselbe Währung verwenden. Alternativ können Sie sie vor dem Hochladen in dieselbe Währung umrechnen.

Ich habe mehrere Websites mit einem gemeinsamen Katalog oder ähnlichen Artikeln. Können Empfehlungen websiteübergreifend sein?

Wir empfehlen, einen solchen einzelnen Katalog nur dann zu verwenden, wenn es erhebliche Überschneidungen zwischen den Websites gibt, d. h. wenn sie viele oder alle Produkte gemeinsam haben. Anschließend können Sie wie bei multiregionalen Websites Entitäten oder Filter-Tags verwenden, um für einen bestimmten Vorhersageaufruf nur websitespezifische Elemente zurückzugeben.

Wenn die Websites nicht viele oder gar keine Katalogelemente gemeinsam haben, sollten mehrere Kataloge verwendet werden. Wenn Sie mehrere Kataloge verwenden, ist für jeden Katalog ein separates Google Cloud -Projekt erforderlich.

Verbessert das Hinzufügen von mehr Metadaten das Modell? Berücksichtigt das Modell die Felder x,y,z?

Informationen zu Pflichtfeldern finden Sie unter Erforderliche Informationen zu Katalogartikeln.

Andere Metadatenfelder sind optional (z. B. „images“ und „itemAttributes“). Sie können für die Vorhersagevorschau, die Ergebnisanalyse, das Training und die Feinabstimmung verwendet werden. Wir empfehlen, nützliche Attribute wie Farbe, Größe, Material usw. anzugeben. Diese Felder können als Teil der predict-Ergebnisse zurückgegeben werden, wenn Sie returnProduct:true angeben. Sie können also für das Rendern von Ergebnissen nützlich sein. Bilder und Artikelattribute werden für die Vorschau der Vorhersage in der AI Commerce Search in der Gemini Enterprise for Customer Experience-Konsole verwendet.

Welche Attribute eines Katalogelements werden als Eingaben für das Modelltraining verwendet?

Eine Kombination aus Nutzerverhalten und Produktattributen wird verwendet. Die wichtigsten Felder sind ID, Titel, Kategoriehierarchie, Preis und URL. Sie können weitere benutzerdefinierte Schlüssel/Wert-Attribute einfügen, die in Product.attributes[] nützlich sein könnten.

Bild-URLs sind eher eine Komfortfunktion. Sie können diese Metadaten als Teil der Vorhersageergebnisse zurückgeben, indem Sie returnProduct:true angeben. Dadurch können Sie sich einen zusätzlichen Aufruf zum Abrufen dieser Informationen sparen. Wenn Sie Bild-URLs haben, können Sie die Bilder auch in der Vorhersagevorschau anzeigen lassen, wenn Sie sich die Vorhersageergebnisse eines Modells in der AI Commerce Search in Gemini Enterprise for Customer Experience-Konsole ansehen.

Welche Sprachen werden für meine Produkte unterstützt?

  • Empfehlungen: Unterstützt die meisten Sprachen. Das Modell erkennt die Textsprache automatisch. Eine Liste aller Sprachen, die automatisch erkannt werden können, finden Sie in der README-Datei auf GitHub für den Compact Language Detector.
  • Suchfunktion: Unterstützt diese Sprachen. Sie legen die Sprache beim Hochladen des Katalogs fest. Der Katalog sollte nur in einer Sprache vorliegen und die Abfragen sollten in derselben Sprache gesendet werden. Mehrere Sprachen im Katalog beeinträchtigen die Modellleistung.
Hinweis: Wenn Sie bereits einen Katalog mit mehreren Sprachen für die Suche haben, können Sie die Ergebnisse verbessern, indem Sie Synonyme hinzufügen. Informationen zu Synonymen finden Sie unter OnewaySynonymsAction und TwowaySynonymsAction.

Mein Katalog enthält primäre/Varianten- oder übergeordnete/untergeordnete SKUs. Werden diese unterstützt?

Ja. Dies ähnelt dem item_group_id im Merchant Center. Sie müssen festlegen, wie Sie Empfehlungen erhalten möchten (auf übergeordneter oder untergeordneter Ebene) und ob die Ereignisse auf übergeordneter oder untergeordneter Ebene liegen.

Weitere Informationen zu Produktstufen finden Sie unter Produktstufen.

Ermitteln Sie die richtige Produktebene und legen Sie sie fest, bevor Sie Artikel oder Ereignisse senden. Die Produktebene kann geändert werden, erfordert jedoch, dass die Elemente neu verknüpft und die Modelle neu abgestimmt werden.

Kann ich Produkte aus dem Katalog löschen, wenn sie nicht mehr verfügbar sind?

Wenn ein Element nicht mehr aktuell ist, empfehlen wir, den Status auf OUT_OF_STOCK zu setzen, anstatt es zu löschen. So werden vorherige Nutzerereignisse, die sich darauf beziehen, nicht ungültig.

Nutzerereignisse

Hier finden Sie Antworten auf häufig gestellte Fragen zu Nutzerereignissen.

Welche Nutzerereignisse muss ich erfassen?

Eine Liste der Nutzerereignistypen sowie die Anforderungen an Nutzerereignisse und Best Practices finden Sie unter Nutzerereignisse.

Wie behebe ich Probleme mit der Datenqualität bei der Modellerstellung?

Rufen Sie in der AI Commerce Search in der Gemini Enterprise for Customer Experience-Konsole die Seite Datenqualität auf, um Messwerte zur Datenqualität für Ihren aufgenommenen Katalog und Ihre Nutzerereignisse zu sehen.

Kann ich Google Analytics 360 einbinden?

Sie können Verlaufsdaten aus Google Analytics 360 (GA360) verwenden. Ähnlich wie Merchant Center-Daten können GA360-Daten nach BigQuery exportiert werden. AI Commerce Search kann die Ereignisse dann direkt aus BigQuery lesen.

Für Echtzeitereignisse empfehlen wir, Tracking-Pixel mit Google Tag Manager zu integrieren, da Ereignisse von GA360 verzögert werden.

Ich möchte Nutzerereignisse aus Google Analytics 360 importieren. Werden alle erforderlichen Nutzerereignisse bereitgestellt?

Google Analytics 360 unterstützt nativ alle Nutzerereignisse, die von AI Commerce Search verwendet werden, mit Ausnahme von Suchereignissen. Sie können weiterhin Suchnutzerereignisse aus Analytics 360 importieren. Beachten Sie jedoch, dass AI Commerce Search das Suchnutzerereignis aus Suchanfragen und, falls vorhanden, Produktimpressionen erstellt.

Wie speise ich Ereignisse in Recommendations AI ein?

Nutzer importieren Verlaufsereignisse normalerweise mit Cloud Storage oder dem API-Import und streamen dann Echtzeitereignisse mit dem JavaScript Pixel- oder GTM-Tag.

Was kann ich tun, wenn ich nicht alle Nutzerereignistypen senden kann, die für ein Modell erforderlich sind? Welche Ereignistypen sind für die einzelnen Modelle mindestens erforderlich?

Jedes Modell und jedes Optimierungsziel haben leicht unterschiedliche Anforderungen. Anforderungen an Nutzerereignisdaten

Die Modellleistung ist in der Regel besser, wenn mehr Ereignisse pro Katalogelement vorhanden sind. Websites mit viel Traffic können mit einer geringeren Menge an Verlaufsdaten beginnen, benötigen aber dennoch Daten aus mindestens ein paar Wochen.

Ich habe Ereignisse vom Typ „add_to_cart“ und „purchase“, die keinen Wert für Umsatz oder Menge haben. Was muss ich einreichen?

Wenn Sie keinen Wert für die Menge haben, können Sie den Standardwert 1 übergeben, ohne dass sich das auf die Modellergebnisse auswirkt. Für Artikel sollte immer „displayPrice“ festgelegt sein. „originalPrice“ und „cost“ sind optional.

Die Mindestdatenanforderungen für die einzelnen Modelltypen finden Sie unter Anforderungen an Nutzerereignisdaten.

Suchergebnisse

Hier finden Sie Antworten auf häufig gestellte Fragen zu Suchergebnissen.

Sind Suchergebnisse personalisiert?

Ja. Die Google Suche kann personalisierte Ergebnisse liefern. Suchergebnisse werden anhand von Besucher-IDs personalisiert. Weitere Informationen finden Sie unter Personalisierung.

Wie kann ich Kontext, z. B. das Geschäft, in dem ein Nutzer einkauft, in die Suchanfrage einbeziehen?

Die Verfügbarkeit und die Erfüllungsoptionen basierend auf der Geschäfts-ID sind Attribute des Produktkatalogs. Attribute können in der Suchanfrage als Parameter gesendet werden. Die Ergebnisse können anhand der Geschäfts-ID in der Anfrage gefiltert oder höher eingestuft werden.

Kann ich Produkte in den Suchergebnissen ausblenden?

Ja. Mit dem Parameter filter können Ergebnisse anhand ihrer Tags herausgefiltert werden.

Ist es möglich, nach mehreren Kriterien zu sortieren, z. B. nach Verfügbarkeit und Preis?

Ja, die boostSpec ermöglicht komplexe Rankingregeln.

Ist es möglich, einige Attribute zu gruppieren, um Ergebnisse mit mehreren Facetten zu liefern? Beispielsweise können Sie Städte im selben Land nach dem Produktionsort gruppieren.

Produktattribute sind nicht hierarchisch. Sie können jedoch mehrere benutzerdefinierte Attribute verwenden, um dies zu erreichen (z.B. separate Attribute für Land und Stadt).

Wie funktionieren Vorschläge?

Vorschläge sind eine Kombination aus Nutzeranfragen, umgeschriebenen Anfragen, Produktnamen usw. Damit hochwertige Vorschläge für die automatische Vervollständigung generiert werden können, muss zusammen mit dem Katalog eine ausreichende Anzahl von Suchereignissen aufgenommen werden.

Wird bei der Suche zwischen Groß- und Kleinschreibung unterschieden?

Bei Textabfragen wird die Groß- und Kleinschreibung aufgrund der linguistischen Analyse im Allgemeinen nicht berücksichtigt. Bei Filterausdrücken und Sortierreihenfolgen wird jedoch strikt zwischen Groß- und Kleinschreibung unterschieden.

Warum liefern Suchanfragen im Singular und Plural unterschiedliche Ergebnisse?

AI Commerce Search wertet Suchanfragen im Singular und Plural separat aus, basierend auf der Nutzerabsicht des Endnutzers und dem bisherigen Nutzer-Engagement, z. B. Klicks und Käufe. Käufer klicken oft auf unterschiedliche Produkte oder kaufen unterschiedliche Produkte, je nachdem, ob sie nach Begriffen im Singular oder Plural suchen, z. B. T-Shirt für ein einzelnes Shirt oder T-Shirts für ein Multipack. Wenn eine Suchanfrage nur wenige Produkte liefert, kann die Suchanfragenerweiterung auch die Ergebnisse für diese Suchanfrage erweitern.

Wenn Sie Singular-, Plural- oder flektierte Begriffe in der Sprache Ihres Katalogs so erweitern möchten, dass sie die Kandidaten des jeweils anderen enthalten, konfigurieren Sie die bidirektionale Synonymsteuerung. Da Synonyme als Abfragehinweise dienen und das Ranking weiterhin von der Bewertung abhängt, können Synonymabfragen immer noch zu unterschiedlichen Rankings führen. Weitere Informationen dazu, wie AI Commerce Search Textabfragen verarbeitet, finden Sie unter Textabfragen und Parameter verarbeiten.

Wie kann ich Teilenummern mit Bindestrichen suchbar machen?

Bei der standardmäßigen linguistischen Analyse werden Sonderzeichen möglicherweise entfernt. Ordnen Sie diese Werte einem benutzerdefinierten Attribut zu, für das das Flag exact-searchable aktiviert ist. Sie können den String auch vor der Aufnahme in n-Gramme aufteilen.

Übersetzt die Suchmaschine die Anfrage eines Nutzers, wenn mein Katalog in einer anderen Sprache ist?

Nein. Die Sprache des Katalogs und die Sprache der Suchanfrage müssen übereinstimmen. Wenn Sie davon ausgehen, dass Nutzer in mehreren Sprachen suchen, sollten Sie Synonymeinstellungen implementieren, um ihre Suchanfragen der Basissprache Ihres Katalogs zuzuordnen.

Warum werden meine Suchanfragen nicht richtig nach Kategorie gefiltert?

Prüfen Sie, ob Ihre Kategorienamen das Zeichen „>“ enthalten. Es ist ausschließlich als Hierarchietrennzeichen reserviert (z. B. Clothing > Mens). Wenn es standardmäßig in Ihrem Kategorienamen vorkommt, funktioniert der Filter nicht und das Zeichen muss ersetzt werden.

Vorhersageergebnisse

Hier finden Sie häufig gestellte Fragen zu Vorhersageergebnissen.

Ist die Anzahl der Vervollständigungen, die ich zurückgeben kann, begrenzt?

Standardmäßig gibt eine Vorhersageanfrage 20 Artikel in der Antwort zurück. Dieser Wert kann erhöht oder verringert werden, indem Sie einen Wert für pageSize angeben.

Wenn du mehr als 100 Artikel zurückgeben möchtest, wende dich an den Google-Support. Wenn mehr als 100 Elemente zurückgegeben werden, kann sich die Antwortlatenz erhöhen.

Kann ich die Gründe sehen, warum ein Modell eine bestimmte Produktempfehlung abgegeben hat?

Nein.

Kann ich Vorhersageergebnisse herunterladen und im Cache speichern?

Da sich die Prognoseergebnisse in Echtzeit als Reaktion auf die Nutzeraktivität auf Ihrer Website verbessern, empfehlen wir nicht, im Cache gespeicherte Prognosen zu verwenden. Die Modelle werden täglich neu trainiert, um Änderungen an Ihrem Katalog zu berücksichtigen und auf neue Trends zu reagieren.

Die Verwendung von im Cache gespeicherten Such- und Browserergebnissen verstößt gegen die Datenschutzbestimmungen für Kundendaten. Es wird ein Cache-Erkennungsmechanismus ausgelöst, der die Personalisierung automatisch entfernt.

Allgemeiner gesagt können Sie Bilder und Produktdetails im Cache speichern, solange Sie nicht die Suchergebnisse für eine bestimmte Abfrage im Cache speichern und für jede Suchanfrage eine neue Abfrage senden.

Ich muss die zurückgegebenen Empfehlungen anhand einer Geschäftsregel neu sortieren. Wird das unterstützt?

Ja. Sie können die zurückgegebenen Empfehlungen zwar anhand Ihrer Geschäftsregeln neu sortieren, aber beachten Sie, dass das Neusortieren oder Filtern der empfohlenen Ergebnisse die Gesamteffektivität des Modells verringern kann. Die Preisneubewertung ist als integrierte Anpassung für die Modelle „Was Ihnen sonst noch gefallen könnte“ und „Empfehlungen für Sie“ verfügbar. Siehe Preis-Reranking.

Gibt es Einschränkungen bei der Anzahl der Filter-Tags, die ich erstellen und verwenden kann?

Es gibt keine festen Beschränkungen für die Anzahl der eindeutigen Tags. Das System ist jedoch nicht für die Verarbeitung vieler Filter-Tags pro Artikel ausgelegt. Wir empfehlen, die Anzahl der Filter-Tags nach Möglichkeit auf maximal 10 pro Katalogelement zu beschränken. Die maximale Anzahl von Tags im gesamten Katalog beträgt 100.000.000. Siehe Kontingente und Limits.

Kann ich Empfehlungen diversifizieren?

Ja. Die Diversifizierung von Empfehlungen kann als Teil der Bereitstellungskonfiguration oder in den Parametern der Vorhersageanfrage angegeben werden.

Kann ich Empfehlungen nach Preis priorisieren?

Ja. Beim Preis-Reranking werden die empfohlenen Produkte mit einer ähnlichen Empfehlungswahrscheinlichkeit nach Preis sortiert, wobei die Artikel mit dem höchsten Preis zuerst aufgelistet werden.

Konversationsfunktionen

Hier finden Sie Antworten auf häufig gestellte Fragen zu den Konversationsfunktionen, der Produktfilterung und dem Commerce von AI Commerce Search.

Wie wird eine Konversationssitzung aufrechterhalten und wie aktualisiere ich den Kontext?

Eine Konversationssitzung wird mithilfe der Konversations-ID aufrechterhalten, die in der Antwort des Konversations-Agenten zurückgegeben wird. Sie müssen diese Unterhaltungs-ID in allen nachfolgenden Anfragen innerhalb derselben Unterhaltung übergeben. Wenn Sie eine Unterhaltung aktualisieren oder eine neue Unterhaltung beginnen möchten, starten Sie eine neue API-Anfrage ohne Unterhaltungs-ID.

Wie wirkt sich die Streaming API auf meine Implementierung und die Nutzererfahrung aus?

Durch die Streaming-Natur können Sie Abfragetypen sofort empfangen. So können Sie zwischen Anfragen unterscheiden, die eine Antwort in Form von Konversationstext haben, und solchen, die keine haben, wie SIMPLE_PRODUCT_SEARCH. Für SIMPLE_PRODUCT_SEARCH können Sie sofort einen Aufruf der Core Search API auslösen.

Warum ist es wichtig, dass searchParams in der ConversationalSearchRequest meine wichtigsten Search API-Aufrufe widerspiegelt?

Sie möchten die Konsistenz Ihrer searchParams beibehalten, z. B. Filter, Sortierreihenfolge und Boost-Regeln. Durch die Konsistenz wird sichergestellt, dass alle von der API bereitgestellten konversationellen Antworten oder verfeinerten Abfragen mit den tatsächlichen Produktergebnissen übereinstimmen, die dem Nutzer angezeigt werden.

Wird die Unterhaltung beendet, wenn eine einfache Produktsuche erkannt wird? Kann der Nutzer zu anderen Konversationsmodi zurückkehren?

Die Unterhaltung endet nicht. Die Unterhaltungs-ID bleibt gültig. Einzelhändler können ihre UX so gestalten, dass das Chatfenster dauerhaft angezeigt wird und Nutzer die Unterhaltung fortsetzen können. Die Möglichkeit, die Änderung rückgängig zu machen, hängt von dieser spezifischen UX-Implementierung ab.

Welche Daten speichert die Conversational API für den Kontext der Unterhaltung und wie lange?

Damit der Gesprächsfluss erhalten bleibt, speichert die Conversational API die Nutzeranfrage, die Textantwort und die Folgefrage. Diese Kontextinformationen werden sieben Tage lang aufbewahrt.

Warum bietet die Conversational API keine Antwortvorschläge für Folgefragen, wie es bei der konversationellen Produktfilterung der Fall ist?

Das Vorschlagen von Antworten auf Folgefragen wird zwar nicht unterstützt, steht aber auf unserer Roadmap. Bleiben Sie dran!

Wie nutzt die Conversational API Caching für Leistung und Kontext?

Die Conversational API speichert die Abfragetypen und verfeinerten Suchanfragen für einen bestimmten Kunden und ein bestimmtes Projekt bis zu 10 Tage lang im Cache. Wenn dieselbe Abfrage wiederholt wird, kann das System die Absicht und die vorgeschlagenen Verfeinerungen schnell abrufen.

Modelle für maschinelles Lernen

Hier finden Sie häufig gestellte Fragen zu Modellen.

Ich habe meinen Katalog und meine Ereignisse hochgeladen, erhalte aber immer noch diese Antwort, wenn ich die Predict API aufrufe: „Recommendation model is not ready.“ (Empfehlungsmodell ist nicht bereit.)

Sie können „dryRun“ in der Vorhersageanfrage zu Integrationszwecken auf „true“ setzen. Dadurch werden beliebige Katalogelemente aus Ihrem Katalog zurückgegeben. Verwenden Sie diese Option NICHT für den Produktionstraffic.

Dies bedeutet normalerweise, dass das Modell nicht trainiert wurde. Wenn seit der Erstellung des Modells mehr als 10 Tage vergangen sind und Sie diese Antwort weiterhin erhalten, wenden Sie sich bitte an den Support.

Wie lange dauert es, ein Modell zu trainieren?

Das anfängliche Training und die Abstimmung des Modells dauern 2–5 Tage, können aber bei großen Datasets länger dauern. Anschließend werden die Modelle täglich automatisch neu trainiert, sofern diese Funktion nicht deaktiviert ist. Weitere Informationen finden Sie unter Training für ein Modell pausieren und fortsetzen.

Kann ich das Modell herunterladen oder exportieren?

Nein.

Kann ich Modelle, die ich in einem vorhandenen Projekt erstellt habe, in einem neuen Projekt verwenden?

Nein. Sie müssen die Modelle im neuen Projekt erstellen und neu trainieren.

Ich möchte ein Modell für meine Kategorieseiten verwenden. Ist das möglich?

Ja. „Empfehlungen für dich“ ist auf Kategorieseiten nützlich. Eine Kategorieseite ähnelt einer Startseite, mit der Ausnahme, dass nur Artikel aus dieser Kategorie angezeigt werden. Sie können dies mithilfe eines standardmäßig für Sie empfohlenen Modells mit Filter-Tags erreichen. Beispielsweise können Sie den Artikeln in Ihrem Katalog benutzerdefinierte Filter-Tags (entsprechend den einzelnen Kategorieseiten) hinzufügen. Wenn Sie die Vorhersageanfrage senden, legen Sie das Nutzerereignisobjekt als category-page-view fest und geben Sie im Feld filter das Tag einer bestimmten Kategorieseite an. Es werden nur Empfehlungsergebnisse zurückgegeben, die mit dem angeforderten Filter-Tag übereinstimmen. Die Diversität sollte in diesem Anwendungsfall deaktiviert werden, da Diversität mit kategoriebasierten Filter-Tags in Konflikt stehen kann.

Kann ich die Personalisierung für meine Modelle deaktivieren?

Standardmäßig werden die Vorhersageergebnisse für die Empfehlungsmodelltypen Was Ihnen sonst noch gefallen könnte, Empfehlungen für Sie und Noch einmal kaufen personalisiert.

Es wird nicht empfohlen, die Personalisierung zu deaktivieren. Wenn Sie nicht personalisierte Ergebnisse benötigen, können Sie in einer Vorhersageanfrage eine zufällige eindeutige Besucher-ID verwenden.

AI Commerce Search in der Gemini Enterprise for Customer Experience-Konsole

Hier finden Sie Antworten auf häufig gestellte Fragen zur Verwendung von AI Commerce Search in der Gemini Enterprise for Customer Experience-Konsole.

Ich habe eine Reihe von Ereignissen gelöscht, aber im Dashboard werden die Anzahlen für diese Ereignistypen weiterhin angezeigt.

Dies ist zu erwarten. Im Dashboard „AI Commerce Search“ in Gemini Enterprise for Customer Experience wird die Anzahl der Ereignisse angezeigt, die in einem bestimmten Zeitraum aufgenommen wurden. Die aktuelle Anzahl der Ereignisse wird nicht angezeigt.

Im Allgemeinen sollten Sie Nutzerereignisse aufbewahren, nachdem sie aufgezeichnet wurden. Es wird nicht empfohlen, Ereignisse dauerhaft zu löschen. Wenn Sie Ereignisse löschen müssen, finden Sie weitere Informationen in der Dokumentation unter Nutzerereignisse entfernen.

Wie finde ich heraus, ob Fehler in meinem Katalog oder bei Nutzerereignissen vorliegen?

Die meisten API-Aufrufe geben einen Fehler zurück, wenn ein Problem mit der Syntax vorliegt. Im Dashboard von AI Commerce Search in Gemini Enterprise for Customer Experience wird der Prozentsatz der nicht verknüpften Ereignisse angezeigt. Dies ist ebenfalls ein nützlicher Messwert. Mit Cloud Monitoring und Cloud Logging können Sie den Status von Ereignissen überwachen.

Warum werden meine Konfigurationen für die Bereitstellung von Empfehlungen als inaktiv angezeigt? Wie aktiviere ich sie?

Wenn Sie Bereitstellungskonfigurationen für Empfehlungen verwenden möchten, müssen Sie zuerst Katalogdaten und Nutzerereignisdaten senden, um das entsprechende Modell zu trainieren. Sobald ein Modell trainiert wurde, wird im Dashboard angezeigt, dass das Modell für Abfragen bereit ist.

In welcher Währung werden Umsatzmesswerte in AI Commerce Search in Gemini Enterprise for Customer Experience angegeben?

In AI Commerce Search in Gemini Enterprise for Customer Experience werden Messwerte in der Währung angegeben, die in Ihren hochgeladenen Daten verwendet wird. AI Commerce Search unterstützt nicht die Verwendung mehrerer Währungen pro Katalog und konvertiert keine Währungen.