Preguntas frecuentes

¿Tienes otras dificultades o tu problema no se describe en esta página? Informa un error o solicita una función, y únete al grupo de Google cloud-recommendations-users o a las conversaciones de Stack Overflow.

General

Estas son preguntas frecuentes generales.

¿Tienen bibliotecas cliente para AI Commerce Search o más código de muestra?

Sí. Puedes consultar la guía de bibliotecas cliente para obtener información de configuración y referencia de cada biblioteca.

También se puede usar el Servicio de descubrimiento de APIs de Google en lugar de las llamadas de REST sin procesar.

¿Todos los modelos de recomendación son personalizados?

Los modelos Recomendaciones para ti, Otros que podrían gustarte y Comprar nuevamente hacen recomendaciones personalizadas cuando se les proporciona el historial del usuario. Los modelos Se suelen comprar juntos y Artículos similares no están personalizados.

Consulta Acerca de los modelos de recomendación.

¿Recibiré recomendaciones personalizadas de inmediato o tendré que esperar a que mejoren con el tiempo?

Las recomendaciones mejoran a medida que recopilas un historial más extenso. El modelo Recomendaciones para ti muestra productos populares, y el modelo Otros productos que podrían gustarte muestra productos similares según las vistas de otros usuarios. Ambos modelos comienzan a tener en cuenta el comportamiento de los usuarios de inmediato, por lo que es importante enviar eventos en tiempo real. Consulta Acerca de los modelos de recomendación.

Los eventos de usuario se deben enviar en tiempo real, o casi en tiempo real, para que la personalización sea eficaz. Si los eventos de usuario solo se envían diariamente o en lotes durante el día, es posible que los modelos personalizados no tengan un rendimiento tan bueno como el que podrían tener si se enviaran eventos en tiempo real.

¿Utilizan datos demográficos de los usuarios de Google en sus modelos?

Los modelos solo usan los datos del catálogo y de los eventos del usuario que proporciones. Si quieres incluir datos demográficos, puedes agregar otra información textual o numérica que pueda ser útil como atributos personalizados. El modelo comenzará a usar estos datos después de que se vuelva a ajustar.

No incluyas información de identificación personal (PII), como direcciones de correo electrónico o nombres de usuario. Te sugerimos que anonimices los datos demográficos, por ejemplo, aplicando un algoritmo hash a los valores o usando IDs de grupo.

¿Puedo hacer recomendaciones basadas en el historial de eventos de un grupo de usuarios en lugar del historial de un solo usuario?

Las recomendaciones se basan en un solo ID de visitante o ID de usuario. Tendrías que realizar solicitudes individuales y, luego, combinar los resultados para basar las recomendaciones en el historial de un grupo. Si los usuarios tienen atributos de metadatos comunes, puedes usar los IDs de grupo como IDs de usuario para proporcionar recomendaciones a nivel de grupo.

Noté que puedes enviar URLs de imágenes para los productos. ¿Los modelos tienen en cuenta las imágenes de los productos?

Sí, las imágenes de los productos se pueden enviar como parte de los datos de tu catálogo de productos. AI Commerce Search usa las URLs de los productos y los identificadores detrás de ellas (URIs) para enriquecer las descripciones de los productos.

El objeto Product contiene un campo de imágenes, que es una lista de objetos de imagen. Cada objeto de imagen puede incluir un URI, una altura y un ancho. Se permiten hasta 300 imágenes por producto. Si bien es opcional, se recomienda proporcionar imágenes de los productos. (Vista previa de la predicción) También se usan las URLs de las imágenes para mostrar las imágenes cuando obtienes una vista previa de los resultados de la predicción de un modelo en la consola de AI Commerce Search en Gemini Enterprise for Customer Experience.

Mi empresa no es un sitio web de comercio electrónico de venta minorista. ¿Puedo seguir usando las recomendaciones para predecir x,y,z?

Nuestros clientes han usado las recomendaciones para sugerir contenido, transmitir videos, jugar y otros casos de uso. Sin embargo, nuestro contenido y experiencia están diseñados teniendo en cuenta el caso de uso del comercio electrónico minorista y es posible que aún no sean adecuados para otros casos de uso.

¿Puedo colocar recomendaciones en cualquier página de mi sitio?

Sí, pero cada uno de los modelos está diseñado para casos de uso específicos y puede funcionar mejor en ciertas páginas. Consulta Acerca de los modelos de recomendación.

Los modelos Se suelen comprar juntos y Otros que podrían gustarte requieren IDs de artículos, por lo que se deben usar para las recomendaciones con, por ejemplo, un ID de producto o artículos en un carrito. Por lo general, Comprados juntos con frecuencia funciona mejor en las páginas para agregar artículos al carrito o de confirmación de compra, mientras que Otros productos que podrían gustarte y Artículos similares funcionan mejor en las páginas de detalles del producto. Recomendaciones para ti se puede colocar en cualquier página, ya que solo requiere un ID de visitante como entrada, pero está diseñado como una configuración de entrega de la página principal. La función Volver a comprar está diseñada para colocarse en cualquier página.

¿Puedo usar las recomendaciones para las recomendaciones en los boletines informativos por correo electrónico?

Sí. Para ello, se puede realizar una llamada a la API con un ID de visitante o un ID de usuario y, luego, incorporar los resultados en una plantilla de correo electrónico. Si quieres que los elementos se carguen de forma dinámica cuando se lea el correo electrónico, deberás usar un extremo intermediario, como una función deGoogle Cloud , para enviar la solicitud de predicción. La API solo proporciona una lista de IDs de productos y metadatos ordenados, por lo que también deberás escribir tu propio código para renderizar los resultados de imágenes.

¿Puedo usar AI Commerce Search para otros casos de uso que no sean web (apps para dispositivos móviles, kioscos)?

Sí. Puedes configurar un extremo (por ejemplo, Google Google Cloud Function) para obtener resultados de la app. También necesitas un mecanismo similar para enviar eventos en tiempo real.

No tengo datos de eventos de más de 3 meses. ¿Puedo seguir usando AI Commerce Search? ¿Puedo agregar más datos más adelante?

El modelo de artículos similares no usa datos de eventos de usuario ni ajuste de modelos. Si no tienes datos de eventos, puedes crear y entrenar un modelo de artículos similares, siempre y cuando tengas datos de catálogo.

Si puedes registrar suficiente tráfico para los eventos en tiempo real, los datos recientes se pueden usar para entrenar otros modelos. Si tienes datos adicionales disponibles más adelante, puedes subirlos después del entrenamiento inicial del modelo. Los datos reabastecidos recientemente se incorporan a los modelos durante el reentrenamiento diario. Sin embargo, si los datos son significativamente diferentes de los eventos que se usaron para el entrenamiento inicial, es posible que los modelos se deban volver a ajustar.

La mayoría de los modelos funcionan mejor con, al menos, tres meses de vistas de páginas de productos, vistas de la página principal y eventos de agregar al carrito para todos los modelos, y, idealmente, de uno a dos años de historial de compras para el modelo de Comprados juntos con frecuencia.

Una o dos semanas de vistas de páginas de detalles pueden ser suficientes para comenzar a entrenar los modelos de Otros productos que podrían gustarte y Recomendaciones para ti, mientras que los modelos de Comprados juntos con frecuencia y Volver a comprar suelen requerir más tiempo, ya que suele haber menos compras por día que vistas de páginas. La calidad del modelo puede mejorar significativamente con más datos; es posible que la cantidad mínima no produzca resultados óptimos. Por ejemplo, un año de compras permite que los modelos aprovechen mejor la estacionalidad y las tendencias.

¿Puedo recomendar categorías junto con productos?

Recommendations solo devuelve recomendaciones de productos, pero puedes obtener las categorías de cada producto que se devuelve como parte de los resultados.

¿Tienen integraciones para subir datos de bases de datos de SQL o de otros sistemas, como BigQuery?

Sí. Para los eventos, hay un código de muestra que lee desde BigQuery. Consulta un conjunto de datos de muestra de Google Analytics para BigQuery.

¿AI Commerce Search usa cookies?

No, no usa cookies. Sin embargo, todos los eventos que se envían a AI Commerce Search deben tener un ID de visitante especificado, que suele ser un identificador de sesión de una cookie.

¿Necesito un proyecto de Google Cloud dedicado?

Puedes crear un proyecto nuevo dedicado o habilitar AI Commerce Search en un proyecto existente.

¿Por qué no funcionan mis credenciales cuando uso Cloud Shell?

Verifica que hayas completado los pasos de configuración de la autenticación para AI Commerce Search. Deberías usar una cuenta de servicio que hayas habilitado en tu entorno. De lo contrario, es posible que recibas un error como este: Your application has authenticated using end user credentials from the SDK de Google Cloud or Google Cloud Shell which are not supported.

Para obtener más información sobre las cuentas de servicio, consulta la sección Autenticación de la documentación de Google Cloud .

¿Cómo puedo comparar AI Commerce Search con soluciones similares?

Puedes realizar pruebas A/B para comparar los resultados de AI Commerce Search con los de otros productos.

Creo que las funciones x,y,z serían geniales. ¿Puedes agregar esto?

Nos gustaría conocer tu opinión. Las solicitudes de funciones se pueden enviar a través de tu equipo de cuentas, el equipo de Atención al Cliente de Google o la herramienta de seguimiento de errores.

¿Puedo seguir usando la API anterior para las recomendaciones?

Las recomendaciones se migraron de la API de Recommendations Engine a AI Commerce Search. Si usabas la API de Recommendations Engine mientras estaba en fase beta, te recomendamos que migres tus recomendaciones a AI Commerce Search (extremo de servicio https://retail.googleapis.com), que tiene DG.

La API anterior (extremo de servicio https://recommendationengine.googleapis.com) y su documentación siguen disponibles, pero ya no se actualizan.

Catálogos y productos

Estas son preguntas frecuentes sobre los catálogos y los productos.

¿Cómo maneja las recomendaciones los inicios en frío de productos nuevos?

En el caso de los productos que no tienen historial de compras, hacemos recomendaciones basadas en productos similares. En estos casos, es especialmente importante tener buenos títulos, categorías y descripciones de productos definidos en el catálogo.

Para los usuarios de inicio en frío (visitantes sin historial), los modelos comienzan con los productos generales más populares y se personalizan más en tiempo real a medida que se reciben más eventos de usuario.

Consulta Acerca de los catálogos y productos y la página de referencia de productos.

¿Puedo usar mi catálogo de Merchant Center para las recomendaciones?

Sí, puedes exportar un catálogo de Merchant Center a BigQuery con el Servicio de transferencia de datos de Merchant Center. Luego, podemos leer el catálogo directamente desde BigQuery. Consulta Importa datos del catálogo desde Merchant Center.

¿De qué otra manera puedo importar mi catálogo?

  • Merchant Center: Importa con Merchant Center. Si usas la búsqueda, puedes usar la consola para vincular Merchant Center de modo que su catálogo se sincronice automáticamente.
  • BigQuery: Importa directamente desde una tabla o vista.
  • Cloud Storage: Importa con archivos de texto que tengan un elemento de catálogo JSON por línea.
  • Importación intercalada: Importa con una llamada a la API, usando archivos de texto con un elemento de catálogo JSON por línea.
  • Crea elementos de producto: Usa el método de creación Products.

¿Cómo puedo mantener mi catálogo actualizado? ¿Con qué frecuencia se debe actualizar el catálogo?

Consulta Mantén tu catálogo actualizado.

Te recomendamos actualizar tu catálogo a diario. Puedes realizar una actualización completa desde Cloud Storage o BigQuery, o una actualización incremental (es decir, solo de los elementos nuevos y modificados).

Si es posible, actualiza el precio y la disponibilidad en tiempo real. Esto afecta la rapidez con la que se pueden buscar elementos nuevos con la búsqueda.

Si tienes una forma de recibir notificaciones sobre los cambios en el catálogo (como usar Pub/Sub, cola de mensajes, eventos, etc.), puedes actualizar el catálogo en tiempo real con los métodos de la API import o create.

Por ejemplo, se puede usar Cloud Scheduler para realizar una llamada de importación diaria de BigQuery.

¿Hay tamaños mínimos y máximos para los catálogos?

No hay un mínimo, pero es posible que los catálogos de tamaño muy pequeño (< 100 artículos) no se beneficien mucho de las recomendaciones, ya que hay muy pocos productos diferentes para recomendar.

El catálogo máximo es de 40 millones de artículos.

Consulta la documentación sobre las cuotas y los límites predeterminados, y cómo solicitar un cambio en tu cuota.

Mi empresa opera sitios web en varios países. ¿Debo usar un catálogo para todos mis datos?

Por lo general, es mejor tener solo un catálogo con todos los elementos. Todos los eventos deben enviarse con una sola moneda. No hay forma de tener varios catálogos dentro del mismo proyecto, pero, si usas entidades, puedes especificar el comportamiento de la búsqueda, las recomendaciones y la función de autocompletar para un país en particular.

Si los catálogos son considerablemente diferentes entre los sitios web, te recomendamos que tengas un proyecto independiente para cada sitio web. Además, si los países tienen idiomas diferentes, te recomendamos que tengas proyectos separados, uno para cada idioma.

Si hay sitios web similares con poco tráfico en comparación con el sitio web principal, puede ser mejor usar un solo catálogo si no hay suficientes eventos para producir modelos de alta calidad para todos los sitios web individuales.

Para usar un solo catálogo, los IDs de artículos del catálogo deben ser coherentes, es decir, el mismo producto debe tener un solo ID de artículo en todos los sitios web para que no haya duplicación de productos en el catálogo.

Solo para las recomendaciones, una alternativa al uso de entidades es filtrar por un sitio web específico con filtros. Sin embargo, los filtros pueden tardar hasta 8 horas en actualizarse, por lo que, si hay requisitos de disponibilidad específicos de cada país (sin stock), normalmente deben controlarse con una regla empresarial que filtre los resultados después de la respuesta de predicción. Esto se aplica al filtrado de filter_tag de la v1 y al filtrado basado en atributos de la v2.

¿AI Commerce Search admite varias monedas por catálogo?

No, solo se admite un tipo de moneda por catálogo. Los eventos se deben subir con una sola moneda.

Si planeas usar la consola de AI Commerce Search en Gemini Enterprise for Customer Experience para obtener tus métricas de ingresos, asegúrate de que todos tus eventos usen una sola moneda o conviértelos en la misma moneda antes de subirlos.

Tengo varios sitios web con un catálogo compartido o artículos similares. ¿Las recomendaciones pueden proporcionar recomendaciones entre sitios?

Por lo general, recomendamos usar un solo catálogo como este solo si hay una superposición significativa entre los sitios, es decir, si comparten muchos o todos los mismos productos. Luego, al igual que con los sitios multirregión, puedes usar entidades o etiquetas de filtro para mostrar solo los elementos específicos del sitio para una llamada de predicción en particular.

Si los sitios no comparten muchos elementos del catálogo, o ninguno, se deben usar varios catálogos. Para usar varios catálogos, se requiere un proyecto de Google Cloud independiente para cada catálogo.

¿Incluir más metadatos mejora el modelo? ¿El modelo considera los campos x,y,z?

Consulta la Información obligatoria del elemento de catálogo para ver los campos obligatorios.

Otros campos de metadatos son opcionales (por ejemplo, images y itemAttributes). Se pueden usar para la vista previa de predicciones, el análisis de resultados, el entrenamiento y el ajuste. Te recomendamos que incluyas atributos útiles, como color, tamaño, material, etc. Estos campos se pueden mostrar como parte de los resultados de predict especificando returnProduct:true, por lo que pueden ser útiles para renderizar los resultados. Los atributos de imágenes y elementos se usan para la vista previa de la predicción en la consola de AI Commerce Search en Gemini Enterprise for Customer Experience.

¿Qué atributos de un elemento del catálogo se usan como entradas del entrenamiento de modelos?

Se usa una combinación del comportamiento del usuario y de los atributos del producto. Los campos principales que se usan son ID, título, jerarquía de categorías, precio y URL. Puedes incluir otros atributos de pares clave-valor personalizados que podrían ser útiles en Product.attributes[].

Las URLs de imágenes son más bien una función de conveniencia; puedes devolver estos metadatos como parte de los resultados de la predicción especificando returnProduct:true, lo que puede ahorrar una llamada adicional para recuperar esta información. Tener URLs de imágenes también permite que la vista previa de la predicción muestre las imágenes cuando obtienes una vista previa de los resultados de la predicción de un modelo en la consola de AI Commerce Search en Gemini Enterprise for Customer Experience.

¿Qué idiomas se admiten para mis productos?

  • La función de recomendaciones: Admite la mayoría de los idiomas. El modelo detecta automáticamente el idioma del texto. Para obtener una lista de todos los idiomas que se pueden detectar automáticamente, consulta el archivo README de GitHub del detector de idiomas compacto.
  • La función de búsqueda: Admite estos idiomas del mundo. Debes establecer el idioma cuando subas el catálogo. El catálogo debe estar en un solo idioma y las consultas deben enviarse en el mismo idioma. Tener varios idiomas en el catálogo degrada el rendimiento del modelo.
Nota: Si ya tienes un catálogo con varios idiomas para la búsqueda, puedes agregar sinónimos para mejorar los resultados. Para obtener información sobre los sinónimos, consulta OnewaySynonymsAction y TwowaySynonymsAction.

Mi catálogo tiene SKUs principales y variantes, o superiores y secundarios. ¿Son compatibles?

Sí. Esto sería similar al item_group_id en Merchant Center. Debes determinar cómo quieres recibir las recomendaciones (a nivel de la empresa matriz o de la empresa subordinada) y si los eventos se encuentran a nivel de la empresa matriz o de la empresa subordinada.

Consulta Niveles de productos para obtener más información sobre los niveles de productos.

Determina y establece el nivel de producto correcto antes de enviar cualquier artículo o evento. El nivel del producto se puede cambiar, pero requiere volver a unir los elementos y volver a ajustar los modelos.

¿Puedo borrar productos del catálogo cuando ya no estén disponibles?

Si un elemento ya no está actualizado, te recomendamos que establezcas su estado en OUT_OF_STOCK en lugar de borrarlo, para que no se invaliden los eventos de usuario anteriores que hacen referencia a él.

Eventos del usuario

Estas son preguntas frecuentes sobre los eventos de usuario.

¿Qué eventos de usuario debo recopilar?

Consulta Acerca de los eventos de usuario para obtener una lista de los tipos de eventos de usuario, así como los requisitos y las prácticas recomendadas para estos eventos.

¿Cómo soluciono los problemas de calidad de los datos en la creación de modelos?

En la consola de AI Commerce Search en Gemini Enterprise for Customer Experience, ve a la página Calidad de los datos para obtener métricas de calidad de los datos sobre tu catálogo y los eventos de usuario transferidos.

¿Puedo realizar la integración con Google Analytics 360?

Puede usar datos históricos de Google Analytics 360 (GA360). Al igual que los datos de Merchant Center, los datos de GA360 se pueden exportar a BigQuery y, luego, AI Commerce Search puede leer los eventos directamente desde BigQuery.

En el caso de los eventos en tiempo real, recomendamos integrar los píxeles de seguimiento con Google Tag Manager, ya que los eventos se retrasan desde GA360.

Quiero importar eventos de usuario de Google Analytics 360. ¿Proporciona todos los eventos de usuario necesarios?

Google Analytics 360 admite de forma nativa todos los eventos de usuario que utiliza AI Commerce Search, excepto los eventos de búsqueda. Aún puedes importar eventos de usuario de búsqueda desde Analytics 360, pero ten en cuenta que AI Commerce Search construye el evento de usuario de búsqueda a partir de las búsquedas y, si están presentes, las impresiones de productos.

¿Cómo ingreso eventos en Recomendaciones IA?

Por lo general, los usuarios importan eventos históricos con Cloud Storage o la importación de API y, luego, transmiten eventos en tiempo real con el píxel de JavaScript o la etiqueta de GTM.

¿Qué sucede si no puedo enviar todos los tipos de eventos de usuario que se indican como obligatorios para un modelo? ¿Cuáles son los tipos de eventos mínimos necesarios para cada modelo?

Cada modelo y objetivo de optimización tiene requisitos que pueden diferir un poco entre sí. Consulta los requisitos de datos de eventos de usuario.

Por lo general, el rendimiento del modelo es mejor cuando hay más eventos por artículo del catálogo. Los sitios con grandes cantidades de tráfico pueden comenzar con un volumen menor de datos históricos, pero aún necesitan, al menos, algunas semanas de datos.

Tengo eventos de agregar al carrito y de compra completada que no tienen un valor para los ingresos o la cantidad. ¿Qué debo enviar?

Si no tienes un valor para la cantidad, puedes pasar un valor predeterminado de 1 sin que se vean afectados los resultados del modelo. Los elementos siempre deben tener establecido el valor de displayPrice. Los valores de originalPrice y cost son opcionales.

Consulta los requisitos de datos de eventos de usuario para conocer los requisitos mínimos de datos de cada tipo de modelo.

Resultados de la búsqueda

Estas son preguntas frecuentes sobre los resultados de la búsqueda.

¿Se personalizan los resultados de la búsqueda?

Sí. La Búsqueda puede proporcionar resultados personalizados. Los resultados de la búsqueda se personalizan según los IDs de visitante. Para obtener más información, consulta Personalización.

¿Cómo incluyo el contexto, como la tienda en la que compra un usuario, como parte de la solicitud de búsqueda?

Las opciones de disponibilidad y entrega basadas en el ID de la tienda son atributos del catálogo de productos. Los atributos se pueden enviar como un parámetro en la solicitud de búsqueda. Los resultados se pueden filtrar o clasificar con una posición más alta según el ID de la tienda en la solicitud.

¿Puedo ocultar productos de los resultados de la búsqueda?

Sí. El parámetro filter puede filtrar los resultados según sus etiquetas.

¿Es posible clasificar según varios criterios, como la disponibilidad y el precio?

Sí, el boostSpec permite reglas de clasificación complejas.

¿Es posible agrupar algunos atributos para entregar resultados con varias facetas? Por ejemplo, agrupar ciudades del mismo país para el origen de la producción.

Los atributos del producto no son jerárquicos. Sin embargo, puedes usar varios atributos personalizados para lograrlo (p.ej., atributos separados para el país y la ciudad).

¿Cómo funcionan las sugerencias?

Las sugerencias son una combinación de consultas de usuarios, consultas reescritas, nombres de productos, etc. Para generar sugerencias de autocompletar de alta calidad, se debe transferir una cantidad suficiente de eventos de búsqueda junto con el catálogo.

¿La búsqueda distingue mayúsculas de minúsculas?

Por lo general, las consultas de texto no distinguen mayúsculas de minúsculas debido al análisis lingüístico. Sin embargo, las expresiones de filtro y los órdenes de clasificación distinguen mayúsculas de minúsculas de forma estricta.

¿Por qué las búsquedas en singular y plural devuelven resultados diferentes?

AI Commerce Search evalúa las búsquedas en singular y plural por separado según la intención del usuario final y la participación histórica de los usuarios, como los clics y las compras. Los compradores suelen hacer clic en diferentes productos o comprarlos según los términos en singular y plural, como camiseta para una sola camiseta o camisetas para un paquete de varias. Si un formato de consulta coincide solo con unos pocos productos, la búsqueda expandida también puede ampliar los resultados de esa consulta.

Para expandir los términos en singular, plural o con flexión en el idioma de tu catálogo para incluir los candidatos de cada uno, configura los controles de sinónimos bidireccionales. Debido a que los sinónimos actúan como sugerencias de búsqueda y la clasificación aún depende de la puntuación, las búsquedas de sinónimos pueden mostrar clasificaciones diferentes. Para obtener más información sobre cómo AI Commerce Search procesa las consultas de texto, consulta Cómo procesar consultas y parámetros de texto.

¿Cómo puedo hacer que se puedan buscar los números de pieza con guiones?

El análisis lingüístico estándar puede quitar caracteres especiales. Asigna estos valores a un atributo personalizado con la marca exact-searchable habilitada. También considera dividir la cadena en n-gramas antes de la transferencia.

¿El motor de búsqueda traducirá la consulta de un usuario si mi catálogo está en otro idioma?

No. El idioma del catálogo y el de la búsqueda deben coincidir. Si esperas que los usuarios realicen búsquedas en varios idiomas, debes implementar controles de sinónimos para asignar sus consultas al idioma base de tu catálogo.

¿Por qué mis búsquedas se filtran de forma incorrecta por categoría?

Verifica si los nombres de tus categorías incluyen el carácter >, que está estrictamente reservado como separador de jerarquía (como Clothing > Mens). Si aparece en el nombre de tu categoría de forma predeterminada, se romperá el filtro y deberás reemplazarlo.

Resultados de la predicción

Estas son preguntas frecuentes sobre los resultados de las predicciones.

¿Existe un límite para la cantidad de predicciones que puedo devolver?

De forma predeterminada, una solicitud de predicción muestra 20 elementos en la respuesta. Este valor se puede aumentar o disminuir enviando un valor para pageSize.

Si necesitas devolver más de 100 artículos, comunícate con el equipo de Atención al Cliente de Google. Ten en cuenta que devolver más de 100 elementos puede aumentar la latencia de respuesta.

¿Puedo ver los motivos por los que un modelo hizo una recomendación de producto específica?

No.

¿Puedo descargar y almacenar en caché los resultados de las predicciones?

Debido a que los resultados de las predicciones mejoran en tiempo real en respuesta a la actividad del usuario en tu sitio, no recomendamos usar predicciones almacenadas en caché. Los modelos se vuelven a entrenar a diario para incorporar cambios en tu catálogo y reaccionar a las tendencias nuevas.

Por nuestra parte, usar resultados de búsqueda y navegación almacenados en caché infringe las condiciones de privacidad de los datos de los clientes. Activa un mecanismo de detección de caché, que quita automáticamente la personalización.

En términos más generales, puedes almacenar en caché las imágenes y los detalles del producto, siempre y cuando no almacenes en caché los resultados de la búsqueda para una consulta en particular y envíes una consulta nueva para cada solicitud de búsqueda.

Necesito reclasificar las recomendaciones que se muestran según una regla empresarial. ¿Es compatible?

Sí. Sin embargo, si bien puedes volver a clasificar las recomendaciones que se muestran según tus reglas de negocio, ten en cuenta que reordenar o filtrar los resultados recomendados puede reducir la eficacia general del modelo. La reclasificación de precios está disponible como una personalización integrada para los modelos Otros que podrían gustarte y Recomendaciones para ti. Consulta Reclasificación de precios.

¿Hay restricciones en cuanto a la cantidad de etiquetas de filtro que puedo crear y usar?

No hay límites estrictos en la cantidad de etiquetas únicas. Sin embargo, el sistema no está diseñado para manejar muchas etiquetas de filtro por elemento. Te recomendamos que, si es posible, limites las etiquetas de filtro a un máximo de 10 por artículo del catálogo. El límite de etiquetas totales en todo el catálogo es de 100,000,000. Consulta las cuotas y los límites.

¿Puedo diversificar las recomendaciones?

Sí. La diversificación de recomendaciones se puede especificar como parte de la configuración de entrega o en los parámetros de la solicitud de predicción.

¿Puedo priorizar las recomendaciones por precio?

Sí. La reclasificación de precio hace que los productos sugeridos con una probabilidad de recomendación similar se ordenen según el precio, con los elementos de precio más alto primero.

Funciones de conversación

Estas son preguntas frecuentes sobre las funciones de conversación, el filtrado de productos y el comercio de AI Commerce Search.

¿Cómo se mantiene una sesión de conversación y cómo actualizo el contexto?

Se mantiene una sesión de conversación con el ID de conversación que se devuelve en la respuesta del agente conversacional. Debes pasar este ID de conversación en todas las solicitudes posteriores dentro de la misma conversación. Para actualizar o iniciar una conversación nueva, inicia una nueva solicitud a la API sin un ID de conversación.

¿Cómo afecta la API de transmisión a mi implementación y a la experiencia del usuario?

La naturaleza de la transmisión implica que puedes recibir tipos de consultas de inmediato. Esto te permite diferenciar entre las consultas que tienen una respuesta de texto conversacional y las que no, como SIMPLE_PRODUCT_SEARCH. En el caso de SIMPLE_PRODUCT_SEARCH, puedes activar de inmediato una llamada a la API de Search principal.

¿Por qué es importante que searchParams en ConversationalSearchRequest refleje mis llamadas a la API de Search principales?

Quieres mantener la coherencia en tu searchParams, como los filtros, el orden de clasificación y las reglas de aumento. Mantener la coherencia ayuda a garantizar que las respuestas conversacionales o las consultas refinadas que proporciona la API estén alineadas con los resultados reales de los productos que se muestran al usuario.

Si se detecta una búsqueda básica de productos, ¿finaliza la conversación? ¿El usuario puede volver a otros modos de conversación?

La conversación no termina. El ID de conversación sigue siendo válido. Los minoristas pueden diseñar su UX para mantener la ventana de chat persistente y permitir que los usuarios continúen la conversación. La capacidad de "revertir" depende de esta elección específica de implementación de la UX.

¿Qué datos almacena la API de Conversational para el contexto de la conversación y durante cuánto tiempo?

Para mantener el flujo de una conversación, la API de Conversational almacena la consulta del usuario, la respuesta de texto conversacional y la pregunta de seguimiento. Esta información contextual se conserva durante siete días.

¿Por qué la API de Conversational no proporciona respuestas sugeridas para las preguntas de seguimiento, de manera similar a como lo hace el filtrado de productos conversacional?

Si bien no se admite proporcionar respuestas sugeridas a las preguntas de seguimiento, está en nuestra hoja de ruta proporcionar esta capacidad. ¡No te pierdas ninguna novedad!

¿Cómo usa la API de Conversational el almacenamiento en caché para el rendimiento y el contexto?

La API de Conversational almacena en caché los tipos de consultas y las consultas de búsqueda refinadas para un cliente y un proyecto determinados durante un máximo de 10 días. Esto significa que, si se repite la misma consulta, el sistema puede recuperar rápidamente la intención y los refinamientos sugeridos.

Modelos de aprendizaje automático

Estas son preguntas frecuentes sobre los modelos.

Subí mi catálogo y mis eventos, pero sigo recibiendo esta respuesta cuando llamo a la API de predicción: El modelo de recomendación no está listo.

Puedes establecer 'dryRun' como verdadero en la solicitud de predicción con fines de integración, lo que devuelve elementos de catálogo arbitrarios de tu catálogo (NO uses esto para el tráfico de producción)".

Por lo general, esto significa que tu modelo no terminó de entrenarse. Si transcurrieron más de 10 días desde que creaste el modelo y sigues recibiendo esta respuesta, comunícate con el equipo de asistencia.

¿Cuánto tiempo se tarda en entrenar un modelo?

El entrenamiento y el ajuste iniciales del modelo tardan entre 2 y 5 días en completarse, pero pueden tardar más en el caso de conjuntos de datos grandes. Posteriormente, los modelos se vuelven a entrenar automáticamente todos los días, a menos que se inhabilite esta opción. Consulta Cómo pausar y reanudar el entrenamiento de un modelo.

¿Puedo descargar o exportar el modelo?

No

¿Puedo usar modelos que creé en un proyecto existente en un proyecto nuevo?

No. Debes crear y volver a entrenar los modelos en el proyecto nuevo.

Quiero usar un modelo para mis páginas de categorías. ¿Puedo hacerlo?

Sí. La sección Recomendaciones para ti es útil en las páginas de categorías. Una página de categorías es similar a una página principal, excepto que se muestran solo los elementos de esa categoría. Para ello, puedes usar un modelo estándar de Recomendaciones para ti con etiquetas de filtro. Por ejemplo, puedes agregar etiquetas de filtro personalizadas (correspondientes a cada página de categoría) a los elementos de tu catálogo. Cuando envíes la solicitud de predicción, configura el objeto del evento de usuario como category-page-view y especifica una etiqueta de página de categoría específica en el campo filter. Solo se muestran los resultados de la recomendación que coinciden con la etiqueta de filtro solicitada. En este caso de uso, se debe inhabilitar la diversidad, ya que la diversidad puede entrar en conflicto con las etiquetas de filtro basadas en categorías.

¿Puedo inhabilitar la personalización de mis modelos?

De forma predeterminada, los resultados de las predicciones se personalizan para los tipos de modelos de recomendación Otros que podrían gustarte, Recomendaciones para ti y Comprar nuevamente.

No se recomienda inhabilitar la personalización. Si necesitas resultados no personalizados, puedes usar un ID de visitante único aleatorio en una solicitud de predicción.

AI Commerce Search en la consola de Gemini Enterprise for Customer Experience

Estas son algunas preguntas frecuentes sobre el uso de AI Commerce Search en la consola de Gemini Enterprise for Customer Experience.

Purgué una cantidad de eventos, pero el panel aún muestra los recuentos de esos tipos de eventos.

Esta situación es esperable. En el panel de AI Commerce Search en Gemini Enterprise for Customer Experience, se muestra la cantidad de eventos transferidos durante un período determinado. No se muestran el recuento actual ni la cantidad de eventos.

Por lo general, debes dejar los eventos del usuario en su lugar después de que se registraron. No se recomienda borrar definitivamente los eventos. Si necesitas borrar eventos definitivamente, consulta la documentación para quitar eventos de usuario.

¿Cómo puedo saber si hay errores en mi catálogo o en los eventos de usuario?

La mayoría de las llamadas a la API devuelven un error si hay un problema con la sintaxis. En el panel de AI Commerce Search en Gemini Enterprise for Customer Experience, se muestra el porcentaje de eventos no unidos, que también es una métrica útil. Cloud Monitoring y Cloud Logging se pueden usar para supervisar el estado de los eventos.

¿Por qué mis parámetros de configuración de entrega de recomendaciones se muestran como inactivos? ¿Cómo los activo?

Para usar los parámetros de configuración de entrega de recomendaciones, primero debes enviar los datos del catálogo y de los eventos de usuario para entrenar el modelo correspondiente. Una vez que se entrena un modelo, el panel indica que está listo para realizar consultas.

¿En qué moneda informa las métricas de ingresos AI Commerce Search en Gemini Enterprise para la experiencia del cliente?

AI Commerce Search en Gemini Enterprise para la experiencia del cliente informa las métricas en la moneda que se usa en tus datos subidos. AI Commerce Search no admite el uso de varias monedas por catálogo y no convierte monedas.