נתקלתם בבעיות אחרות או שהבעיה שלכם לא מופיעה כאן? דיווח על באג או בקשה להוספת תכונה, הצטרפות לקבוצת Google cloud-recommendations-users או לדיונים ב-Stack Overflow.
כללי
אלה שאלות נפוצות כלליות.
האם יש לכם ספריות לקוח ל-AI Commerce Search או קוד נוסף לדוגמה?
כן. במדריך לספריות הלקוח מפורט מידע על ההגדרה ועל חומרי העזר של כל ספרייה.
אפשר גם להשתמש ב-Google API Discovery Service במקום בקריאות REST גולמיות.
האם כל המודלים של ההמלצות מותאמים אישית?
המודלים "מומלץ בשבילך", "אולי יעניינו אותך גם" ו"לקנייה חוזרת" מספקים המלצות אישיות על סמך היסטוריית המשתמש. המודלים "נקנה ביחד לעיתים קרובות" ו"פריטים דומים" לא מותאמים אישית.
האם אקבל המלצות אישיות באופן מיידי, או שאצטרך לחכות שהן ישתפרו עם הזמן?
ההמלצות משתפרות ככל שנאספת יותר היסטוריית משתמשים. המודל "מומלץ בשבילך" מציג מוצרים פופולריים, והמודל "מוצרים אחרים שעשויים לעניין אותך" מציג מוצרים דומים, בעיקר על סמך צפיות של אנשים אחרים. שני המודלים האלה מתחילים להביא בחשבון את התנהגות המשתמשים באופן מיידי, ולכן חשוב לשלוח אירועים בזמן אמת. מידע נוסף על מודלים של המלצות
כדי שההתאמה האישית תהיה יעילה, צריך לשלוח אירועי משתמשים בזמן אמת או קרוב מאוד לזמן אמת. אם אירועי המשתמשים נשלחים רק פעם ביום, או בקבוצות במהלך היום, יכול להיות שהמודלים המותאמים אישית לא יפעלו כמו שהם היו פועלים אם אירועים בזמן אמת היו נשלחים.
האם אתם משתמשים בנתונים דמוגרפיים של משתמשי Google במודלים שלכם?
המודלים משתמשים רק בנתוני הקטלוג ונתוני אירועים של משתמשים שאתם מספקים. אם אתם רוצים לכלול נתונים דמוגרפיים, אתם יכולים לכלול מידע טקסטואלי או מספרי אחר שיכול להיות שימושי כמאפיינים מותאמים אישית. המודל יתחיל להשתמש בנתונים האלה אחרי שהוא יעבור כוונון מחדש.
אל תכללו פרטים אישיים מזהים (PII) כמו כתובות אימייל או שמות משתמשים. מומלץ להפוך את הנתונים הדמוגרפיים לאנונימיים, למשל על ידי גיבוב (hashing) של הערכים או שימוש במזהי קבוצות.
האם אפשר ליצור המלצות על סמך היסטוריית האירועים של קבוצת משתמשים, ולא על סמך ההיסטוריה של משתמש יחיד?
ההמלצות מבוססות על מזהה מבקר או מזהה משתמש יחיד. כדי לבסס המלצות על היסטוריה של קבוצה, צריך לשלוח בקשות נפרדות ואז לשלב את התוצאות. אם למשתמשים יש מאפייני מטא-נתונים משותפים, אתם יכולים להשתמש במזהי קבוצות בתור מזהי משתמשים כדי לספק המלצות ברמת הקבוצה.
שמתי לב שאפשר לשלוח כתובות URL של תמונות למוצרים. האם המודלים מתחשבים בתמונות של המוצרים?
כן, אפשר לשלוח תמונות של מוצרים כחלק מנתוני קטלוג המוצרים. AI Commerce Search משתמש בכתובות ה-URL של המוצרים ובמזהים שמאחוריהן (URI) כדי להעשיר את תיאורי המוצרים.
האובייקט Product מכיל שדה של תמונות, שהוא רשימה של אובייקטים של תמונות. כל אובייקט תמונה יכול לכלול URI, גובה ורוחב. אפשר להוסיף עד 300 תמונות לכל מוצר. לא חובה לספק תמונות של המוצרים, אבל מומלץ מאוד לעשות את זה. בנוסף, (תצוגה מקדימה של חיזוי) משתמשת בכתובות URL של תמונות כדי להציג את התמונות כשאתם צופים בתצוגה מקדימה של תוצאות החיזוי של מודל במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.
החברה שלי היא לא אתר מסחר אלקטרוני קמעונאי. האם עדיין אפשר להשתמש בהמלצות כדי לחזות את x, y, z?
יש לנו לקוחות שמשתמשים בהמלצות כדי להמליץ על תוכן, סטרימינג של וידאו, גיימינג ותרחישים אחרים. עם זאת, התוכן והחוויה שלנו מיועדים לשימוש במסחר אלקטרוני קמעונאי, ויכול להיות שהם עדיין לא מתאימים לתרחישי שימוש אחרים.
אפשר להציג המלצות בכל דף באתר?
כן, אבל כל אחד מהמודלים מיועד לתרחישי שימוש ספציפיים, ויכול להיות שהוא יפעל בצורה הכי טובה בדפים מסוימים. מידע נוסף על מודלים של המלצות
כדי להשתמש במודלים "נרכשים לעיתים קרובות ביחד" ו"מוצרים אחרים שעשויים לעניין אותך", צריך להזין מזהי פריטים. לכן, כדאי להשתמש בהם להמלצות באמצעות, למשל, מזהה מוצר או פריטים בעגלת קניות. התכונה "מוצרים שנקנים לעיתים קרובות ביחד" פועלת בדרך כלל בצורה הכי טובה בדפים של הוספה לעגלת הקניות או בדפי התשלום, ואילו התכונות "מוצרים אחרים שעשויים לעניין אותך" ו"פריטים דומים" פועלות בצורה הכי טובה בדפי פרטי המוצר. אפשר להציב את המודל "מומלץ בשבילך" בכל דף, כי הוא דורש רק מזהה מבקר כקלט, אבל הוא מיועד להצגה בדף הבית. אפשר להציב את הרכיב "לקנייה חוזרת" בכל דף.
אפשר להשתמש בהמלצות כדי להמליץ על ניוזלטרים באימייל?
כן. כדי לעשות את זה, צריך לשלוח קריאה ל-API עם מזהה מבקר או מזהה משתמש, ואז לשלב את התוצאות בתבנית של אימייל. אם אתם רוצים שהפריטים ייטענו באופן דינמי בזמן קריאת האימייל, תצטרכו להשתמש בנקודת קצה מתווכת, כמו Google Cloud פונקציה, כדי לשלוח את בקשת החיזוי. ה-API מספק רק רשימה של מזהי מוצרים ומטא-נתונים מסודרים, לכן תצטרכו גם לכתוב קוד משלכם כדי להציג את תוצאות התמונות.
אפשר להשתמש ב-AI Commerce Search בתרחישים אחרים שלא קשורים לאינטרנט (אפליקציות לנייד, קיוסקים)?
כן. אתם יכולים להגדיר נקודת קצה (לדוגמה, Google Google Cloud Function) כדי לקבל תוצאות לאפליקציה. אתם צריכים גם מנגנון דומה כדי לשלוח אירועים בזמן אמת.
אין לי נתוני אירועים של 3 חודשים או יותר. האם עדיין אוכל להשתמש ב-AI Commerce Search? אפשר להוסיף עוד נתונים בשלב מאוחר יותר?
המודל "פריטים דומים" לא משתמש בנתוני אירועים של משתמשים או בכוונון מודלים. אם אין לכם נתוני אירועים, אתם עדיין יכולים ליצור ולאמן מודל של פריטים דומים, כל עוד יש לכם נתוני קטלוג.
אם אתם יכולים לתעד מספיק תנועה לאירועים בזמן אמת, אתם יכולים להשתמש בנתונים מהזמן האחרון כדי לאמן מודלים אחרים. אם יש לכם נתונים נוספים שיהיו זמינים במועד מאוחר יותר, תוכלו להעלות אותם אחרי האימון הראשוני של המודל. הנתונים החדשים שמולאו לאחור משולבים במודלים במהלך האימון מחדש היומי. עם זאת, אם הנתונים שונים באופן משמעותי מהאירועים ששימשו לאימון הראשוני, יכול להיות שיהיה צורך לכוונן מחדש את המודלים.
רוב המודלים פועלים בצורה הטובה ביותר עם נתונים של לפחות שלושה חודשים של צפיות בדפי מוצרים, צפיות בדף הבית ואירועי הוספה לעגלת הקניות בכל המודלים, ובאופן אידיאלי היסטוריית רכישות של שנה עד שנתיים למודל "נרכשים לעיתים קרובות ביחד".
צפיות בדף הפרטים במשך שבוע עד שבועיים יכולות להספיק כדי להתחיל לאמן את המודלים "אחרים שעשויים לעניין אותך" ו"מומלץ בשבילך", בעוד שהמודלים "נרכשים לעיתים קרובות ביחד" ו"לקנייה חוזרת" בדרך כלל דורשים יותר זמן, כי בדרך כלל יש פחות רכישות ביום מאשר צפיות בדף. ככל שיהיו יותר נתונים, כך איכות המודל תשתפר. יכול להיות שכמות הנתונים המינימלית לא תניב תוצאות אופטימליות. לדוגמה, נתוני רכישות של שנה שלמה מאפשרים למודלים לנצל טוב יותר את העונתיות והמגמות.
אפשר להמליץ על קטגוריות יחד עם מוצרים?
ההמלצות מחזירות רק המלצות למוצרים, אבל אפשר לקבל את הקטגוריות של כל מוצר שמוחזר כחלק מהתוצאות.
האם יש לכם שילובים להעלאת נתונים ממסדי נתונים של SQL או ממערכות אחרות, כמו BigQuery?
כן. לאירועים, יש קוד לדוגמה שקורא מ-BigQuery. מערך נתונים לדוגמה של Google Analytics עבור BigQuery
האם AI Commerce Search משתמש בקובצי Cookie?
לא, הוא לא משתמש בקובצי Cookie. עם זאת, כל האירועים שנשלחים אל AI Commerce Search חייבים לכלול מזהה מבקר, שבדרך כלל הוא מזהה סשן מקובץ Cookie.
האם צריך פרויקט ייעודי ב- Google Cloud ?
אתם יכולים ליצור פרויקט ייעודי חדש או להפעיל את AI Commerce Search בפרויקט קיים.
למה פרטי הכניסה שלי לא עובדים כשאני משתמש ב-Cloud Shell?
מוודאים שהשלמתם את שלבי הגדרת האימות של AI Commerce Search. אתם צריכים להשתמש בחשבון שירות שהפכתם לזמין בסביבה שלכם. אחרת, יכול להיות שתקבלו הודעת שגיאה כמו: Your application has authenticated using end user credentials from the Google Cloud SDK or Google Cloud Shell which are not supported.
למידע נוסף על חשבונות שירות, קראו את הקטע בנושא אימות במאמרי העזרה של Google Cloud .
איך אפשר להשוות בין AI Commerce Search לבין פתרונות דומים?
אתם יכולים לערוך בדיקות A/B כדי להשוות בין התוצאות של AI Commerce Search לבין התוצאות של מוצרים אחרים.
נראה לי שהתכונות X, Y ו-Z יהיו נהדרות. אפשר להוסיף את זה?
נשמח לשמוע מכם. אתם יכולים להגיש בקשות להוספת תכונות דרך צוות ניהול החשבון, התמיכה של Google או Issue Tracker.
האם עדיין אפשר להשתמש ב-API הישן להמלצות?
ההמלצות הועברו מ-Recommendations Engine API אל AI Commerce Search. אם השתמשתם ב-Recommendations Engine API כשהוא היה בגרסת בטא, מומלץ להעביר את ההמלצות ל-AI Commerce Search (נקודת הקצה של השירות https://retail.googleapis.com), שהוא בגרסת GA.
ה-API הקודם (נקודת הקצה של השירות https://recommendationengine.googleapis.com) והמסמכים שלו עדיין זמינים, אבל הם לא מתעדכנים יותר.
קטלוגים ומוצרים
ריכזנו כאן שאלות נפוצות לגבי קטלוגים ומוצרים.
איך המערכת מטפלת בהמלצות במצב התחלתי (cold start) למוצרים חדשים?
לגבי מוצרים שאין להם היסטוריית רכישות, אנחנו ממליצים על מוצרים דומים. במקרים כאלה, חשוב במיוחד להגדיר בקטלוג שמות, קטגוריות ותיאורים טובים למוצרים.
למשתמשים חדשים (מבקרים ללא היסטוריה), המודלים מתחילים במוצרים הכלליים הפופולריים ביותר, והופכים ליותר מותאמים אישית בזמן אמת ככל שמתקבלים יותר אירועי משתמשים.
מידע נוסף זמין במאמר מידע על קטלוגים ומוצרים ובדף העזר בנושא מוצרים.
אפשר להשתמש בקטלוג של Merchant Center כדי לקבל המלצות?
כן, אתם יכולים לייצא קטלוג של Merchant Center ל-BigQuery באמצעות שירות העברת הנתונים של Merchant Center. אחר כך אנחנו יכולים לקרוא את הקטלוג ישירות מ-BigQuery. ייבוא נתוני קטלוג מ-Merchant Center
איך עוד אפשר לייבא את הקטלוג?
- Merchant Center: ייבוא באמצעות Merchant Center. אם אתם משתמשים בחיפוש, אתם יכולים להשתמש ב-Search Console כדי לקשר את Merchant Center, כך שהקטלוג שלו יסונכרן באופן אוטומטי.
- BigQuery: ייבוא ישירות מטבלה או מתצוגה מפורטת.
- Cloud Storage: ייבוא באמצעות קובצי טקסט עם פריט קטלוג אחד בפורמט JSON בכל שורה.
- ייבוא מוטבע: ייבוא באמצעות קריאה ל-API, באמצעות קובצי טקסט עם פריט קטלוג אחד בפורמט JSON בכל שורה.
- יצירת פריטי מוצרים: משתמשים ב-method
Productscreate.
איך אפשר לעדכן את הקטלוג? באיזו תדירות צריך לעדכן את הקטלוג?
מומלץ לעדכן את הקטלוג מדי יום. אתם יכולים לבצע עדכון מלא מ-Cloud Storage או מ-BigQuery, או עדכון מצטבר (כלומר, פריטים חדשים ופריטים שהשתנו בלבד).
אם אפשר, עדכנו את המחיר והזמינות בזמן אמת. ההגדרה הזו משפיעה על המהירות שבה פריטים חדשים יהיו זמינים לחיפוש.
אם יש לכם דרך לקבל התראות על שינויים בקטלוג (למשל באמצעות Pub/Sub, תור הודעות, אירועים וכו'), אתם יכולים לעדכן את הקטלוג בזמן אמת באמצעות השיטות import או create של ה-API.
לדוגמה, אפשר להשתמש ב-Cloud Scheduler כדי לבצע קריאה יומית לייבוא מ-BigQuery.
האם יש גודל מינימלי ומקסימלי לקטלוג?
אין מספר מינימלי, אבל אם הקטלוג קטן מאוד (פחות מ-100 פריטים), יכול להיות שההמלצות לא יועילו הרבה כי יש מעט מאוד מוצרים שונים שאפשר להמליץ עליהם.
המספר המקסימלי של פריטים בקטלוג הוא 40 מיליון.
במסמכי התיעוד מפורטות המכסות והמגבלות שמוגדרות כברירת מחדל, ומוסבר איך לבקש שינוי במכסה.
החברה שלי מפעילה אתרים בכמה מדינות. האם כדאי להשתמש בקטלוג אחד לכל הנתונים?
בדרך כלל, הכי טוב שיהיה רק קטלוג אחד עם כל הפריטים. צריך לשלוח את כל האירועים במטבע אחד. אי אפשר להגדיר כמה קטלוגים באותו פרויקט, אבל אם משתמשים בישויות, אפשר לציין את אופן הפעולה של החיפוש, ההמלצות וההשלמה האוטומטית במדינה מסוימת.
אם הקטלוגים שונים באופן משמעותי בין האתרים, מומלץ ליצור פרויקט נפרד לכל אתר. בנוסף, אם במדינות האלה מדברים שפות שונות, מומלץ ליצור פרויקטים נפרדים, אחד לכל שפה.
אם יש אתרים דומים עם נפח תנועה נמוך בהשוואה לאתר הראשי, יכול להיות שעדיף להשתמש בקטלוג אחד אם אין מספיק אירועים כדי ליצור מודלים באיכות גבוהה לכל האתרים הנפרדים.
כדי להשתמש בקטלוג אחד, מזהי הפריטים בקטלוג צריכים להיות עקביים. כלומר, לאותו מוצר צריך להיות מזהה פריט אחד בכל האתרים, כדי שלא יהיו כפילויות של מוצרים בקטלוג.
אם אתם רוצים לקבל המלצות רק לגבי אתר ספציפי, אתם יכולים להשתמש במסננים במקום בישויות. עם זאת, יכול להיות שיעברו עד 8 שעות עד שהמסננים יתעדכנו. לכן, אם יש דרישות זמינות (חסר במלאי) ספציפיות למדינה, בדרך כלל צריך לטפל בהן באמצעות כלל עסקי שמסנן את התוצאות אחרי התגובה של החיזוי. ההנחיה הזו רלוונטית לסינון בגרסה 1 של filter_tag ולסינון מבוסס-מאפיינים בגרסה 2.
האם ב-AI Commerce Search יש תמיכה בכמה מטבעות בכל קטלוג?
לא, אפשר להשתמש רק בסוג מטבע אחד בכל קטלוג. צריך להעלות את האירועים במטבע אחד.
אם אתם מתכננים להשתמש במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience כדי לקבל את מדדי ההכנסות, ודאו שכל האירועים שלכם משתמשים במטבע אחד או המירו את כולם לאותו מטבע לפני ההעלאה.
יש לי כמה אתרים עם קטלוג משותף או פריטים דומים. האם אפשר לקבל המלצות שמתייחסות לכמה אתרים?
בדרך כלל אנחנו ממליצים להשתמש בקטלוג אחד כזה רק אם יש חפיפה משמעותית בין האתרים, כלומר אם יש להם הרבה מוצרים משותפים או שכל המוצרים שלהם משותפים. לאחר מכן, כמו באתרים עם מספר אזורים, אתם יכולים להשתמש בישויות או בתגי סינון כדי להחזיר רק פריטים ספציפיים לאתר לקריאת חיזוי מסוימת.
אם לאתרים אין הרבה פריטים משותפים בקטלוג, או שאין להם פריטים משותפים בכלל, צריך להשתמש בכמה קטלוגים. כדי להשתמש בכמה קטלוגים, צריך ליצור פרויקט נפרד ב- Google Cloud לכל קטלוג.
האם הוספה של עוד מטא-נתונים משפרת את המודל? האם המודל מתייחס לשדות x, y ו-z?
המידע הנדרש על פריטים בקטלוג מפרט את שדות החובה.
שדות אחרים של מטא-נתונים הם אופציונליים (לדוגמה, images ו-itemAttributes). יכול להיות שהם ישמשו לתצוגה מקדימה של חיזוי, לניתוח תוצאות, לאימון ולכוונון. מומלץ לכלול מאפיינים שימושיים כמו צבע, גודל, חומר וכו'. אפשר להחזיר את השדות האלה כחלק מתוצאות predict על ידי ציון returnProduct:true, כך שהם יכולים להיות שימושיים לעיבוד תוצאות. התמונות ומאפייני הפריטים משמשים לתצוגה מקדימה של חיזוי במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.
אילו מאפיינים של פריט בקטלוג משמשים כקלט לאימון המודל?
ההמלצות מבוססות על שילוב של התנהגות המשתמשים ומאפייני המוצרים. השדות העיקריים שבהם נעשה שימוש הם מזהה, שם, היררכיית קטגוריות, מחיר וכתובת URL. אפשר לכלול מאפיינים מותאמים אישית אחרים של מפתח/ערך שעשויים להיות שימושיים ב-Product.attributes[].
כתובות URL של תמונות הן יותר תכונה לנוחות. אפשר להחזיר את המטא-נתונים האלה כחלק מתוצאות החיזוי על ידי ציון returnProduct:true, וכך לחסוך קריאה נוספת לאחזור המידע הזה. כתובות URL של תמונות מאפשרות גם להציג את התמונות בתצוגה מקדימה של חיזוי כשאתם צופים בתצוגה מקדימה של תוצאות החיזוי של מודל ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.
באילו שפות אפשר לקבל תמיכה במוצרים שלי?
- תכונת ההמלצות: תומכת ברוב השפות. המודל מזהה באופן אוטומטי את שפת הטקסט. כדי לראות רשימה של כל השפות שאפשר לזהות באופן אוטומטי, עיינו בקובץ GitHub README של Compact Language Detector.
- תכונת החיפוש: תומכת בשפות האלה. אתם מגדירים את השפה כשאתם מעלים את הקטלוג. הקטלוג צריך להיות בשפה אחת בלבד, והשאילתות צריכות להישלח באותה שפה. אם יש בקטלוג כמה שפות, הביצועים של המודל נפגעים.
הערה: אם כבר יש לכם קטלוג בשפות מעורבות לחיפוש, אתם יכולים לשפר את התוצאות על ידי הוספת מילים נרדפות. מידע נוסף על מילים נרדפות זמין במאמרים OnewaySynonymsAction ו-TwowaySynonymsAction.
בקטלוג שלי יש מק"טים ראשיים/וריאציות או מק"טים של הורה/צאצא. האם יש תמיכה בפורמטים האלה?
כן. הוא דומה לitem_group_id ב-Merchant Center. אתם צריכים להחליט איך אתם רוצים לקבל המלצות (ברמת ההורה או הצאצא) ואם האירועים הם ברמת ההורה או הצאצא.
מידע נוסף על רמות המוצרים זמין בקטע רמות המוצרים.
לפני ששולחים פריטים או אירועים, צריך לקבוע ולהגדיר את רמת המוצר הנכונה. אפשר לשנות את רמת המוצר, אבל צריך לשייך מחדש את הפריטים ולכוונן מחדש את המודלים.
אפשר למחוק מוצרים מהקטלוג כשהם כבר לא זמינים?
אם פריט כבר לא עדכני, מומלץ להגדיר את הסטטוס שלו כ-OUT_OF_STOCK במקום למחוק אותו, כדי שאירועי משתמש קודמים שמפנים אליו לא יבוטלו.
אירועי משתמשים
ריכזנו כאן שאלות נפוצות בנושא אירועי משתמשים.
אילו אירועי משתמשים צריך לאסוף?
במאמר מידע על אירועי משתמשים מפורטים סוגי אירועי המשתמשים, הדרישות לגבי אירועי משתמשים והשיטות המומלצות.
איך פותרים בעיות באיכות הנתונים ביצירת מודלים?
במסוף של AI Commerce Search ב-Gemini Enterprise for Customer Experience, עוברים לדף Data Quality כדי לראות מדדים של איכות הנתונים לגבי הקטלוג ואירועי המשתמשים שהוטמעו.
אפשר לשלב את Google Analytics 360?
אתם יכולים להשתמש בנתונים היסטוריים מ-Google Analytics 360 (GA360). בדומה לנתוני Merchant Center, אפשר לייצא את נתוני GA360 ל-BigQuery, ואז AI Commerce Search יכול לקרוא את האירועים ישירות מ-BigQuery.
באירועים בזמן אמת, מומלץ לשלב פיקסלים למעקב עם Google Tag Manager, כי יש עיכוב באירועים מ-GA360.
אני רוצה לייבא אירועי משתמשים מ-Google Analytics 360. האם הוא מספק את כל אירועי המשתמשים הנדרשים?
מערכת Google Analytics 360 תומכת באופן מובנה בכל אירועי המשתמשים שמשמשים את AI Commerce Search, חוץ מאירועי חיפוש. אתם עדיין יכולים לייבא אירועי משתמשים בחיפוש מ-Analytics 360, אבל חשוב לזכור ש-AI Commerce Search יוצר את אירוע המשתמש בחיפוש משאילתות חיפוש, ואם יש, מחשיפות של מוצרים.
איך מזינים אירועים ל-Recommendations AI?
בדרך כלל, המשתמשים מייבאים אירועים היסטוריים באמצעות Cloud Storage או ייבוא דרך API, ואז מעבירים אירועים בזמן אמת באמצעות פיקסל JavaScript או תג GTM.
מה קורה אם אי אפשר לשלוח את כל סוגי האירועים של המשתמשים שנדרשים למודל? מהם סוגי האירועים המינימליים שנדרשים לכל מודל?
לכל מודל ויעד אופטימיזציה יש דרישות שונות במקצת. הדרישות לגבי נתוני אירועים של משתמשים
בדרך כלל, ביצועי המודל טובים יותר כשיש יותר אירועים לכל פריט בקטלוג. אתרים עם נפח תנועה גדול יכולים להתחיל עם נפח קטן יותר של נתונים היסטוריים, אבל עדיין נדרשים נתונים של כמה שבועות לפחות.
יש לי אירועים של הוספה לעגלת הקניות ושל השלמת רכישה שאין להם ערך של הכנסה או כמות. מה צריך לשלוח?
אם אין לכם ערך לכמות, אתם יכולים להעביר ערך ברירת מחדל של 1 בלי להשפיע על תוצאות המודל. תמיד צריך להגדיר את displayPrice לפריטים. originalPrice ו-cost הם אופציונליים.
הנתונים שלי כללו רק סוגים מסוימים של אירועים. האם עדיין אוכל להשתמש ב-AI Commerce Search?
במאמר דרישות לגבי נתוני אירוע של משתמשים מפורטות דרישות המינימום לגבי נתונים לכל סוג מודל.
תוצאות חיפוש
אלה שאלות נפוצות לגבי תוצאות החיפוש.
האם תוצאות החיפוש מותאמות אישית?
כן. בחיפוש יכולות להופיע תוצאות אישיות. תוצאות החיפוש מותאמות אישית על סמך מזהי המבקרים. מידע נוסף זמין במאמר התאמה אישית.
איך אפשר לכלול הקשר, כמו החנות שבה המשתמש קונה, כחלק מבקשת החיפוש?
אפשרויות המילוי והזמינות שמבוססות על מזהה החנות הן מאפיינים של קטלוג המוצרים. אפשר לשלוח מאפיינים כפרמטר בבקשת החיפוש. אפשר לסנן את התוצאות או לדרג אותן גבוה יותר על סמך מזהה החנות בבקשה.
אפשר להסתיר מוצרים מתוצאות החיפוש?
כן. הפרמטר filter יכול לסנן תוצאות על סמך התגים שלהן.
האם אפשר לדרג לפי כמה קריטריונים, כמו זמינות ומחיר?
כן, boostSpec מאפשר כללי דירוג מורכבים.
האם אפשר לקבץ כמה מאפיינים כדי להציג תוצאות עם כמה היבטים? לדוגמה, קיבוץ ערים באותה מדינה לפי מקור הייצור.
מאפייני מוצרים הם לא היררכיים. עם זאת, אפשר להשתמש בכמה מאפיינים מותאמים אישית כדי לעשות את זה (למשל, מאפיינים נפרדים למדינה ולעיר).
איך פועלות ההצעות?
ההצעות הן שילוב של שאילתות של משתמשים, שאילתות משוכתבות, שמות מוצרים וכו'. כדי ליצור הצעות איכותיות של השלמה אוטומטית, צריך להטמיע מספר מספיק של אירועי חיפוש יחד עם הקטלוג.
האם החיפוש תלוי אותיות רישיות?
שאילתות טקסט הן בדרך כלל לא תלויות-רישיות בגלל ניתוח לשוני. עם זאת, ביטויי סינון וסדר מיון הם תלויי אותיות רישיות.
למה שאילתות חיפוש ביחיד וברבים מחזירות תוצאות שונות?
AI Commerce Search מעריך שאילתות ביחיד וברבים בנפרד על סמך כוונת משתמש הקצה והתעניינות היסטורית של משתמשים, כמו קליקים ורכישות. קונים לוחצים על מוצרים שונים או קונים מוצרים שונים בהתאם למונחים ביחיד וברבים, למשל חולצת טי לחולצה בודדת לעומת חולצות טי למארז. אם שאילתה מסוימת תואמת רק לכמה מוצרים, הרחבת השאילתה יכולה גם להרחיב את התוצאות של השאילתה הזו.
כדי להרחיב מונחים ביחיד, ברבים או בהטיה בשפת הקטלוג כך שיכללו את המועמדים זה של זה, מגדירים פקדי מילים נרדפות דו-כיווניים. מילים נרדפות פועלות כרמזים לשאילתות, והדירוג עדיין תלוי בניקוד. לכן, שאילתות עם מילים נרדפות עדיין עשויות להחזיר דירוגים שונים. מידע נוסף על האופן שבו AI Commerce Search מעבד שאילתות טקסט זמין במאמר איך מעבדים שאילתות טקסט ופרמטרים.
איך אפשר להפוך מספרי פריטים עם מקפים לניתנים לחיפוש?
ניתוח לשוני רגיל עשוי להסיר תווים מיוחדים. ממפים את הערכים האלה למאפיין מותאם אישית כשהדגל exact-searchable מופעל. כדאי גם לשקול לפצל את המחרוזת ל-n-grams לפני ההטמעה.
האם מנוע החיפוש יתרגם את השאילתה של המשתמש אם הקטלוג שלי בשפה אחרת?
לא. שפת הקטלוג ושפת שאילתת החיפוש חייבות להיות זהות. אם אתם מצפים שהמשתמשים יחפשו בכמה שפות, כדאי להטמיע אמצעי בקרה על מילים נרדפות כדי למפות את השאילתות שלהם לשפת הבסיס של הקטלוג.
למה החיפושים שלי מסוננים באופן שגוי לפי קטגוריה?
בדקו אם שמות הקטגוריות כוללים את התו >. התו הזה משמש אך ורק כמפריד היררכיה (למשל Clothing > Mens). אם הוא מופיע בשם הקטגוריה כברירת מחדל, הוא ישבש את המסנן וצריך להחליף אותו.
תוצאות החיזוי
ריכזנו כאן שאלות נפוצות לגבי תוצאות החיזוי.
האם יש מגבלה על מספר החיזויים שאפשר להחזיר?
כברירת מחדל, בקשת חיזוי מחזירה 20 פריטים בתגובה. אפשר להגדיל או להקטין את המספר הזה על ידי שליחת ערך ל-pageSize.
אם אתם צריכים להחזיר יותר מ-100 פריטים, פנו לתמיכה של Google. חשוב לדעת שהחזרה של יותר מ-100 פריטים יכולה להגדיל את זמן האחזור של התגובה.
האם אפשר לראות את הסיבות לכך שהמודל המליץ על מוצר ספציפי?
לא.
האם אפשר להוריד תוצאות חיזוי ולשמור אותן במטמון?
תוצאות החיזוי משתפרות בזמן אמת בתגובה לפעילות המשתמשים באתר, ולכן לא מומלץ להשתמש בחיזויים שנשמרו במטמון. המודלים עוברים אימון מחדש מדי יום כדי לשלב שינויים בקטלוג ולהגיב למגמות חדשות.
מבחינתנו, שימוש בתוצאות חיפוש ועיון שנשמרו במטמון מפר את תנאי פרטיות נתוני הלקוחות. הוא מפעיל מנגנון לזיהוי מטמון, שמסיר באופן אוטומטי את ההתאמה האישית.
באופן כללי יותר, אתם יכולים לשמור במטמון תמונות ופרטי מוצרים, כל עוד אתם לא שומרים במטמון את תוצאות החיפוש של שאילתה מסוימת ושולחים שאילתה חדשה לכל בקשת חיפוש.
אני צריך לדרג מחדש את ההמלצות שהוחזרו על סמך כלל עסקי. האם זה נתמך?
כן. אבל חשוב לזכור שאם אתם משנים את הסדר של ההמלצות או מסננים אותן, זה יכול לפגוע ביעילות הכוללת של המודל. התכונה "דירוג מחדש לפי מחיר" זמינה כהתאמה אישית מובנית במודלים "אחרים שאולי ימצאו חן בעיניך" ו"מומלץ בשבילך". מידע נוסף על דירוג מחדש של מחירים
האם יש הגבלות על מספר תגי הסינון שאפשר ליצור ולהשתמש בהם?
אין מגבלות נוקשות על מספר התגים הייחודיים. עם זאת, המערכת לא מיועדת לטפל בהרבה תגי סינון לכל פריט. אם אפשר, מומלץ להגביל את תגי הסינון ל-10 לכל היותר לכל פריט בקטלוג. המספר המקסימלי של תגים בקטלוג כולו הוא 100,000,000. מידע נוסף על מכסות ומגבלות
אפשר לגוון את ההמלצות?
כן. אפשר לציין גיוון בהמלצות כחלק מהגדרת ההצגה או בפרמטרים של בקשת החיזוי.
אפשר לתעדף המלצות לפי מחיר?
כן. דירוג מחדש לפי מחיר גורם למוצרים מומלצים עם סבירות המלצה דומה להיות מסודרים לפי מחיר, כשהפריטים עם המחיר הגבוה ביותר מופיעים ראשונים.
תכונות של שיחה
כאן מפורטות שאלות נפוצות לגבי התכונות של AI Commerce Search לשיחות, סינון מוצרים ומסחר.
איך נשמר סשן של שיחה, ואיך מרעננים את ההקשר?
סשן של שיחה נשמר באמצעות מזהה השיחה שמוחזר בתגובה של הסוכן בממשק שיחה. אתם צריכים להעביר את מזהה השיחה הזה בכל הבקשות הבאות באותה שיחה. כדי לרענן או להתחיל שיחה חדשה, שולחים בקשת API חדשה בלי מזהה שיחה.
איך ה-API של הסטרימינג משפיע על ההטמעה ועל חוויית המשתמש?
האופי של הסטרימינג מאפשר לכם לקבל מיד סוגי שאילתות. כך אפשר להבדיל בין שאילתות שמקבלים עליהן תשובה טקסטואלית בסגנון שיחה לבין שאילתות שלא מקבלים עליהן תשובה כזו, כמו SIMPLE_PRODUCT_SEARCH. ב-SIMPLE_PRODUCT_SEARCH, אתם יכולים להפעיל מיד קריאה ל-Search API הראשי.
למה חשוב שהפרמטר searchParams ב-ConversationalSearchRequest ישקף את הקריאות העיקריות ל-Search API?
אתם רוצים לשמור על עקביות בsearchParams, כמו מסננים, סדר מיון וכללי חיזוק. שמירה על עקביות עוזרת לוודא שכל התשובות בשיחה או השאילתות המדויקות שה-API מספק תואמות לתוצאות המוצרים שמוצגות למשתמש בפועל.
אם מזוהה חיפוש מוצר בסיסי, האם השיחה מסתיימת? האם המשתמש יכול לחזור למצבי שיחה אחרים?
השיחה לא מסתיימת. מזהה השיחה נשאר בתוקף. הקמעונאים יכולים לעצב את חוויית המשתמש כך שחלון הצ'אט יישאר פתוח ויאפשר למשתמשים להמשיך בשיחה. האפשרות "לחזור לגרסה הקודמת" תלויה בבחירה הספציפית הזו בהטמעה של חוויית המשתמש.
אילו נתונים נשמרים ב-Conversational API לצורך הקשר השיחה, ולמשך כמה זמן?
כדי לשמור על רצף השיחה, ה-Conversational API שומר את השאילתה של המשתמש, את התשובה בטקסט ואת שאלת ההמשך. המידע הזה נשמר למשך שבעה ימים.
למה ה-Conversational API לא מציע תשובות לשאלות המשך, כמו שקורה בסינון מוצרים באמצעות שיחה?
אנחנו מתכננים להוסיף את האפשרות להציע תשובות לשאלות המשך. כדאי להמשיך להתעדכן.
איך Conversational API משתמש בשמירה במטמון כדי לשפר את הביצועים ולשמור על ההקשר?
Conversational API שומר במטמון את סוגי השאילתות ואת שאילתות החיפוש המדויקות של לקוח ופרויקט מסוימים למשך עד 10 ימים. זה אומר שאם אותה שאילתה חוזרת על עצמה, המערכת יכולה לאחזר במהירות את הכוונה ואת ההצעות לשיפורים.
מודלים של למידת מכונה
אלה שאלות נפוצות בנושא מודלים.
העליתי את הקטלוג והאירועים, אבל אני עדיין מקבל את התגובה הזו כשאני קורא ל-predict API: Recommendation model is not ready.
אפשר להגדיר את "dryRun" כ-true בבקשת החיזוי למטרות שילוב, והיא תחזיר פריטים שרירותיים מהקטלוג (אין להשתמש באפשרות הזו לתנועה בסביבת הייצור)."
בדרך כלל זה אומר שהמודל לא סיים את האימון. אם עברו יותר מ-10 ימים מאז שיצרתם את המודל ואתם עדיין מקבלים את התגובה הזו, פנו לתמיכה.
כמה זמן לוקח לאמן מודל?
אימון וכוונון ראשוניים של המודל נמשכים בין יומיים ל-5 ימים, אבל יכולים להימשך יותר זמן בקבוצות נתונים גדולות. לאחר מכן, המודלים עוברים אימון מחדש באופן אוטומטי מדי יום, אלא אם משביתים את האפשרות הזו. איך משהים וממשיכים את האימון של המודל
אפשר להוריד או לייצא את המודל?
לא.
אפשר להשתמש במודלים שיצרתי בפרויקט קיים בפרויקט חדש?
לא. צריך ליצור ולאמן מחדש את המודלים בפרויקט החדש.
אני רוצה להשתמש במודל לדפי הקטגוריות שלי. אפשר לעשות את זה?
כן. התכונה "מומלץ בשבילך" שימושית בדפי קטגוריות.
דף קטגוריה דומה לדף הבית, אבל מוצגים בו רק פריטים מהקטגוריה הזו.
כדי לעשות את זה, אתם יכולים להשתמש במודל רגיל של "מומלץ בשבילך" עם תגי סינון.
לדוגמה, אתם יכולים להוסיף לפריטים בקטלוג תגי סינון בהתאמה אישית (שמתאימים לכל דף קטגוריה). כששולחים את בקשת החיזוי, מגדירים את האובייקט של אירוע המשתמש בתור category-page-view ומציינים תג של דף קטגוריה ספציפי בשדה filter. יוחזרו רק תוצאות של המלצות שתואמות לתג הסינון המבוקש. במקרה כזה צריך להשבית את הגיוון, כי הוא עלול להתנגש עם תגי סינון שמבוססים על קטגוריות.
אפשר להשבית את ההתאמה האישית במודלים?
כברירת מחדל, תוצאות החיזוי מותאמות אישית לסוגי המודלים של ההמלצות אחרים שאולי ימצאו חן בעיניך, מומלץ בשבילך ולקנייה חוזרת.
לא מומלץ להשבית את ההתאמה האישית. אם אתם צריכים תוצאות בלי פרטים אישיים, אתם יכולים להשתמש במזהה מבקר ייחודי אקראי בבקשת חיזוי.
AI Commerce Search במסוף Gemini Enterprise for Customer Experience
כאן מופיעות שאלות נפוצות על השימוש ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.
מחקתי כמה אירועים, אבל בלוח הבקרה עדיין מוצגות הספירות של סוגי האירועים האלה.
זה תקין. בלוח הבקרה של AI Commerce Search ב-Gemini Enterprise for Customer Experience מוצג מספר האירועים שהוטמעו במהלך תקופה מסוימת, ולא המספר הנוכחי של האירועים.
באופן כללי, מומלץ להשאיר את אירועי המשתמשים במקומם אחרי שהם תועדו. לא מומלץ לטהר אירועים. אם אתם צריכים למחוק אירועים, עיינו במסמך הסרת אירועי משתמשים.
איך אפשר לדעת אם יש שגיאות בקטלוג או באירועי המשתמשים?
רוב הקריאות ל-API מחזירות שגיאה אם יש בעיה בתחביר. בלוח הבקרה של AI Commerce Search ב-Gemini Enterprise for Customer Experience מוצג אחוז האירועים שלא הצטרפו, וזה גם מדד שימושי. אפשר להשתמש ב-Cloud Monitoring וב-Cloud Logging כדי לעקוב אחרי סטטוס האירועים.
למה הגדרות הצגת ההמלצות שלי מוצגות כלא פעילות? איך מפעילים אותם?
כדי להשתמש בהגדרות להצגת המלצות, קודם צריך לשלוח קטלוג ונתוני אירועים של משתמשים כדי לאמן את המודל המתאים. אחרי שהמודל אומן, במרכז הבקרה מצוין שהמודל מוכן לשאילתות.
באיזה מטבע מדווחים מדדי ההכנסות ב-AI Commerce Search ב-Gemini Enterprise for Customer Experience?
המדדים בדוחות של AI Commerce Search ב-Gemini Enterprise for Customer Experience מוצגים במטבע שמופיע בנתונים שהעליתם. ב-AI Commerce Search אין תמיכה בשימוש בכמה מטבעות בכל קטלוג, ואין המרת מטבעות.