Perguntas frequentes

Você está enfrentando algum outro desafio ou seu problema não está descrito aqui? Informe um bug ou solicite um recurso e participe das discussões no grupo do Google cloud-recommendations-users ou no Stack Overflow.

Geral

Estas são perguntas frequentes gerais.

Vocês têm bibliotecas de cliente para a AI Commerce Search ou mais exemplos de código?

Sim. Consulte o guia de bibliotecas de cliente para ver informações de configuração e referência de cada biblioteca.

O serviço de descoberta de APIs do Google também pode ser usado em vez de chamadas REST brutas.

Todos os modelos de recomendação são personalizados?

Os modelos "Recomendados para você", "Outros que você pode gostar" e "Comprar novamente" fazem recomendações personalizadas quando recebem o histórico do usuário. Os modelos "Comprados juntos com frequência" e "Itens semelhantes" não são personalizados.

Consulte Sobre os modelos de recomendação.

Vou receber recomendações personalizadas imediatamente ou preciso esperar que elas melhorem com o tempo?

As recomendações são aprimoradas conforme você coleta mais dados do usuário. O modelo "Recomendados para você" mostra produtos mais procurados, e o modelo "Outros produtos que talvez você goste" mostra produtos semelhantes com base principalmente nas visualizações de outras pessoas. Ambos os modelos começam a considerar o comportamento do usuário imediatamente, por isso é importante enviar eventos em tempo real. Consulte Sobre os modelos de recomendação.

Os eventos do usuário precisam ser enviados em tempo real, ou quase em tempo real, para que a personalização seja eficaz. Se os eventos de usuário forem enviados apenas diariamente ou em lotes ao longo do dia, os modelos personalizados poderão não ter um desempenho tão bom quanto se os eventos em tempo real fossem enviados.

Você está usando dados demográficos de usuários do Google nos seus modelos?

Os modelos só usam os dados de catálogo e de eventos do usuário que você fornece. Se você quiser incluir dados demográficos, adicione outras informações textuais ou numéricas que possam ser úteis como atributos personalizados. Esses dados vão começar a ser usados pelo modelo depois que ele for reajustado.

Não inclua informações de identificação pessoal (PII), como endereços de e-mail ou nomes de usuário. Sugerimos que você anonimize os dados demográficos, por exemplo, usando hash nos valores ou IDs de grupo.

Posso fazer recomendações com base no histórico de eventos de um grupo de usuários em vez do histórico de um único usuário?

As recomendações são baseadas em um único ID de visitante ou ID do usuário. Você precisaria fazer solicitações individuais e combinar os resultados para basear as recomendações no histórico de um grupo. Se os usuários tiverem atributos de metadados comuns, use os IDs de grupo como IDs de usuário para fornecer recomendações no nível do grupo.

Percebi que é possível enviar URLs de imagens para produtos. Os modelos consideram as imagens dos produtos?

Sim, as imagens podem ser enviadas como parte dos dados do catálogo de produtos. A AI Commerce Search usa URLs de produtos e os identificadores por trás deles (URIs) para enriquecer as descrições de produtos.

O objeto Product contém um campo de imagens, que é uma lista de objetos de imagem. Cada objeto de imagem pode incluir um URI, altura e largura. São permitidas até 300 imagens por produto. Embora seja opcional, é altamente recomendável fornecer imagens dos produtos. A visualização de previsão também usa URLs de imagem para mostrar as imagens quando você visualiza os resultados de previsão de um modelo no console da AI Commerce Search no Gemini Enterprise for Customer Experience.

Minha empresa não é um site de e-commerce de varejo. Ainda posso usar as recomendações para prever x,y,z?

Temos clientes que usam as recomendações para sugestões de conteúdo, streaming de vídeo, jogos e outros casos de uso. No entanto, nosso conteúdo e experiência foram projetados com o caso de uso de e-commerce de varejo em mente e podem ainda não ser adequados para outros casos de uso.

Posso colocar recomendações em qualquer página do meu site?

Sim, mas cada modelo foi projetado para casos de uso específicos e pode funcionar melhor em determinadas páginas. Consulte Sobre os modelos de recomendação.

Os modelos "Comprados juntos com frequência" e "Outros itens que você pode gostar" exigem IDs de itens. Por isso, eles devem ser usados para recomendações que usam, por exemplo, um ID de produto ou itens em um carrinho. O modelo "Comprados juntos com frequência" geralmente funciona melhor em páginas de adição ao carrinho ou de finalização da compra, enquanto os modelos "Outros itens que você pode gostar" e "Itens semelhantes" funcionam melhor em páginas de detalhes do produto. O modelo "Recomendados para você" pode ser colocado em qualquer página, já que requer apenas um ID de visitante como entrada, mas foi projetado como uma configuração de veiculação de página inicial. O recurso "Comprar de novo" foi projetado para ser colocado em qualquer página.

Posso usar as recomendações para recomendações em newsletters por e-mail?

Sim. Para isso, faça uma chamada para a API com um ID de visitante ou ID do usuário e incorpore os resultados em um modelo de e-mail. Se você quiser que os itens sejam carregados dinamicamente no momento da leitura do e-mail, use um endpoint intermediário, como uma função doGoogle Cloud , para enviar a solicitação de previsão. A API fornece apenas uma lista de IDs de produtos e metadados ordenados. Portanto, você também precisa escrever seu próprio código para renderizar os resultados de imagens.

Posso usar a AI Commerce Search para outros casos de uso que não sejam da Web (apps para dispositivos móveis, quiosques)?

Sim. É possível configurar um endpoint (por exemplo, Google Google Cloud Function) para receber resultados do app. Você também precisa de um mecanismo semelhante para enviar eventos em tempo real.

Não tenho mais de 3 meses de dados de eventos. Ainda posso usar a AI Commerce Search? Posso adicionar mais dados depois?

O modelo de itens semelhantes não usa dados de eventos do usuário nem ajuste de modelo. Se você não tiver dados de eventos, ainda poderá criar e treinar um modelo de itens semelhantes, desde que tenha dados de catálogo.

Se você puder registrar tráfego suficiente para eventos em tempo real, os dados recentes poderão ser usados para treinar outros modelos. Se você tiver mais dados disponíveis em uma data posterior, poderá fazer o upload deles após o treinamento inicial do modelo. Os dados preenchidos recentemente são incorporados aos modelos durante o novo treinamento diário. No entanto, se os dados forem significativamente diferentes dos eventos usados para o treinamento inicial, talvez seja necessário ajustar os modelos.

A maioria dos modelos funciona melhor com pelo menos três meses de visualizações de páginas de produtos, visualizações de páginas iniciais e eventos de adição ao carrinho para todos os modelos. O ideal é ter de um a dois anos de histórico de compras para o modelo "Comprados juntos com frequência".

Uma a duas semanas de visualizações da página de detalhes podem ser suficientes para começar a treinar os modelos "Outros itens que você pode gostar" e "Recomendados para você", enquanto "Comprados juntos com frequência" e "Comprar novamente" geralmente exigem mais porque normalmente há menos compras por dia do que visualizações de página. A qualidade do modelo pode ser significativamente melhorada com mais dados. A quantidade mínima pode não produzir resultados ideais. Por exemplo, um ano de compras permite que os modelos aproveitem melhor a sazonalidade e as tendências.

Posso recomendar categorias junto com produtos?

As recomendações retornam apenas recomendações de produtos, mas é possível receber as categorias de cada produto retornado como parte dos resultados.

Vocês têm integrações para fazer upload de dados de bancos de dados SQL ou de outros sistemas, como o BigQuery?

Sim. Para eventos, há um exemplo de código que lê do BigQuery. Confira um conjunto de dados de amostra do Google Analytics para o BigQuery.

A AI Commerce Search usa cookies?

Não, ele não usa cookies. No entanto, todos os eventos enviados à AI Commerce Search precisam ter um ID de visitante especificado, que, muitas vezes, é um identificador de sessão de um cookie.

Preciso de um projeto dedicado do Google Cloud ?

É possível criar um projeto novo e dedicado ou ativar a AI Commerce Search em um projeto atual.

Por que minhas credenciais não funcionam ao usar o Cloud Shell?

Verifique se você concluiu as etapas de configuração de autenticação da AI Commerce Search. Use uma conta de serviço que você disponibilizou no seu ambiente. Caso contrário, você poderá receber um erro como este: Seu aplicativo foi autenticado usando credenciais de usuário final do SDK Google Cloud ou do shell do Google Cloud , que não são compatíveis.

Para saber mais sobre contas de serviço, consulte a seção Autenticação da documentação do Google Cloud .

Como posso comparar a AI Commerce Search com soluções semelhantes?

Você pode realizar testes A/B para comparar os resultados da AI Commerce Search com os de outros produtos.

Acho que os recursos x, y e z seriam ótimos. Você pode adicionar isso?

Sua opinião é importante para nós. As solicitações de recursos podem ser enviadas pela equipe de conta, pelo Suporte do Google ou pelo Issue Tracker.

Ainda posso usar a API antiga para recomendações?

As recomendações migraram da API do mecanismo de recomendação para a AI Commerce Search. Se você estava usando a API Recommendations Engine quando ela estava na versão Beta, recomendamos migrar suas recomendações para a AI Commerce Search (endpoint de serviço https://retail.googleapis.com), que está em disponibilidade geral.

A API anterior (endpoint de serviço https://recommendationengine.googleapis.com) e a documentação dela continuam disponíveis, mas não são mais atualizadas.

Catálogos e produtos

Estas são perguntas frequentes sobre catálogos e produtos.

Como as recomendações lidam com inicializações a frio para novos produtos?

Para produtos que não têm histórico de compras, fazemos recomendações com base em produtos semelhantes. Nesses casos, é especialmente importante ter bons títulos, categorias e descrições de produtos definidos no catálogo.

Para usuários de inicialização a frio (visitantes sem histórico), os modelos começam com os produtos gerais mais populares e se tornam mais personalizados em tempo real à medida que mais eventos de usuário são recebidos.

Consulte Sobre catálogos e produtos e a página de referência do produto.

Posso usar meu catálogo do Merchant Center para recomendações?

Sim, é possível exportar um catálogo do Merchant Center para o BigQuery usando o serviço de transferência de dados do Merchant Center. Em seguida, podemos ler o catálogo diretamente do BigQuery. Consulte Importar dados do catálogo do Merchant Center.

Como posso importar meu catálogo?

  • Merchant Center: importe com o Merchant Center. Se você usa a pesquisa, pode usar o console para vincular o Merchant Center e sincronizar o catálogo automaticamente.
  • BigQuery: importe diretamente de uma tabela ou visualização.
  • Cloud Storage: importe usando arquivos de texto com um item de catálogo JSON por linha.
  • Importação inline: importe com uma chamada de API, usando arquivos de texto com um item de catálogo JSON por linha.
  • Crie itens do produto: use o método Products.

Como posso manter meu catálogo atualizado? Com que frequência o catálogo precisa ser atualizado?

Consulte Manter o catálogo atualizado.

Recomendamos que você atualize seu catálogo diariamente. É possível fazer uma atualização completa do Cloud Storage ou do BigQuery ou uma atualização incremental (ou seja, apenas itens novos e alterados).

Se possível, atualize o preço e a disponibilidade em tempo real. Isso afeta a rapidez com que novos itens podem ser encontrados com a pesquisa.

Se você tiver uma maneira de receber notificações sobre mudanças no catálogo (como usar o Pub/Sub, fila de mensagens, eventos etc.), poderá atualizar o catálogo em tempo real usando os métodos de API import ou create.

Por exemplo, o Cloud Scheduler pode ser usado para fazer uma chamada diária de importação do BigQuery.

Há tamanhos mínimos e máximos de catálogo?

Não há um mínimo, mas catálogos muito pequenos (< 100 itens) podem não se beneficiar muito das recomendações, já que há poucos produtos diferentes para recomendar.

O catálogo pode ter até 40 milhões de itens.

Consulte a documentação sobre cotas e limites padrão e como solicitar uma alteração na sua cota.

Minha empresa opera sites em vários países. Devo usar um catálogo para todos os meus dados?

Geralmente, é melhor ter apenas um catálogo com todos os itens. Todos os eventos precisam ser enviados usando uma única moeda. Não é possível ter vários catálogos no mesmo projeto, mas, se você usar entidades, poderá especificar o comportamento de pesquisa, recomendações e preenchimento automático para um determinado país.

Se os catálogos forem muito diferentes entre os sites, recomendamos ter um projeto separado para cada site. Além disso, se os países tiverem idiomas diferentes, recomendamos ter projetos separados, um para cada idioma.

Se houver sites semelhantes com pouco tráfego em comparação com o site principal, talvez seja melhor usar um único catálogo se não houver eventos suficientes para produzir modelos de alta qualidade para todos os sites individuais.

Para usar um único catálogo, os IDs dos itens precisam ser consistentes, ou seja, o mesmo produto precisa ter um único ID em todos os sites para que não haja duplicação de produtos no catálogo.

Somente para recomendações, uma alternativa ao uso de entidades é filtrar um site específico usando filtros. No entanto, os filtros podem levar até 8 horas para serem atualizados. Portanto, se houver requisitos de disponibilidade específicos do país (esgotado), eles normalmente precisam ser processados por uma regra de negócios que filtra os resultados após a resposta de previsão. Isso se aplica à filtragem filter_tag da v1 e à filtragem com base em atributos da v2.

A AI Commerce Search aceita várias moedas por catálogo?

Não, apenas um tipo de moeda por catálogo é aceito. Os eventos precisam ser enviados usando uma única moeda.

Se você pretende usar o console da AI Commerce Search no Gemini Enterprise for Customer Experience para ver suas métricas de receita, verifique se todos os seus eventos usam uma única moeda ou converta todos na mesma moeda antes de fazer upload deles.

Tenho vários sites com um catálogo compartilhado ou itens semelhantes. As recomendações podem fornecer recomendações entre sites?

Normalmente, recomendamos usar um único catálogo como esse apenas se houver uma sobreposição significativa entre os sites, ou seja, se eles compartilharem muitos ou todos os mesmos produtos. Em seguida, como nos sites multirregionais, é possível usar entidades ou tags de filtro para retornar apenas itens específicos do site para uma chamada de previsão específica.

Se os sites não compartilharem muitos ou nenhum item de catálogo, use vários catálogos. Para usar vários catálogos, é necessário um projeto do Google Cloud separado para cada um deles.

A inclusão de mais metadados melhora o modelo? O modelo considera os campos x,y,z?

Consulte os campos obrigatórios em Informações de item de catálogo necessárias.

Outros campos de metadados são opcionais (por exemplo, imagens e itemAttributes). Eles podem ser usados para visualização de previsões, análise de resultados, treinamento e ajuste. Recomendamos incluir atributos úteis, como cor, tamanho, material etc. Esses campos podem ser retornados como parte dos resultados de predict especificando returnProduct:true, para que possam ser úteis para renderizar resultados. As imagens e os atributos de itens são usados para a prévia de previsão na AI Commerce Search no console do Gemini Enterprise for Customer Experience.

Quais atributos de um item de catálogo são usados como entradas de treinamento de modelo?

É usada uma combinação de comportamentos de usuários e atributos de produtos. Os principais campos usados são ID, título, hierarquia de categorias, preço e URL. É possível incluir outros atributos de chave-valor personalizados que podem ser úteis em Product.attributes[].

Os URLs de imagem são mais um recurso de conveniência. É possível retornar esses metadados como parte dos resultados da previsão especificando returnProduct:true, o que pode evitar uma chamada extra para recuperar essas informações. Com os URLs de imagem, a visualização de previsão também pode mostrar as imagens quando você visualiza os resultados de previsão de um modelo na AI Commerce Search no console do Gemini Enterprise for Customer Experience.

Quais idiomas são aceitos para meus produtos?

  • O recurso de recomendações: é compatível com a maioria dos idiomas. O modelo detecta automaticamente o idioma do texto. Para uma lista de todos os idiomas que podem ser detectados automaticamente, consulte o README do GitHub do Compact Language Detector.
  • O recurso de pesquisa: aceita estes idiomas. Você define o idioma ao fazer upload do catálogo. O catálogo precisa estar em um único idioma, e as consultas precisam ser enviadas no mesmo idioma. Ter vários idiomas no catálogo prejudica o desempenho do modelo.
Observação: se você já tiver um catálogo com vários idiomas para pesquisa, adicione sinônimos para melhorar os resultados. Para informações sobre sinônimos, consulte OnewaySynonymsAction e TwowaySynonymsAction.

Meu catálogo tem SKUs principais/variantes ou pai/filho. Eles são compatíveis?

Sim. Isso é semelhante ao item_group_id no Merchant Center. Você precisa determinar como quer receber as recomendações (no nível pai ou filho) e se os eventos estão no nível pai ou filho.

Consulte Níveis de produto para saber mais sobre os níveis de produto.

Determine e defina o nível de produto correto antes de enviar itens ou eventos.s O nível do produto pode ser alterado, mas é necessário reassociar os itens e ajustar os modelos.

Posso excluir produtos do catálogo quando eles não estiverem mais disponíveis?

Se um item não estiver mais atualizado, recomendamos definir o status como OUT_OF_STOCK em vez de excluí-lo, para que os eventos anteriores do usuário que o referenciam não sejam invalidados.

Eventos do usuário

Estas são perguntas frequentes sobre eventos do usuário.

Quais eventos de usuário preciso coletar?

Consulte Sobre eventos do usuário para ver uma lista dos tipos de evento do usuário, bem como os requisitos para eventos e as práticas recomendadas para eventos do usuário.

Como resolver problemas de qualidade de dados na criação de modelos?

No console da AI Commerce Search no Gemini Enterprise for Customer Experience, acesse a página Qualidade de dados para conferir as métricas de qualidade de dados sobre o catálogo e os eventos de usuário ingeridos.

Posso fazer a integração com o Google Analytics 360?

Você pode usar dados históricos do Google Analytics 360 (GA360). Assim como os dados do Merchant Center, os dados do GA360 podem ser exportados para o BigQuery e, em seguida, a AI Commerce Search pode ler os eventos diretamente do BigQuery.

Para eventos em tempo real, recomendamos integrar pixels de rastreamento ao Google Tag Manager, porque os eventos são atrasados no GA360.

Quero importar eventos de usuário do Google Analytics 360. Ela fornece todos os eventos de usuário necessários?

O Google Analytics 360 oferece compatibilidade nativa com todos os eventos do usuário usados pela AI Commerce Search, exceto eventos de pesquisa. Você ainda pode importar eventos de usuários de pesquisa do Analytics 360, mas observe que a AI Commerce Search cria o evento de pesquisa a partir de consultas de pesquisa e, se houver, impressões de produtos.

Como faço para alimentar eventos na Recommendations AI?

Os usuários geralmente importam eventos históricos usando o Cloud Storage ou a importação de API e, em seguida, transmitem eventos em tempo real usando o pixel JavaScript ou a tag do GTM.

E se eu não conseguir enviar todos os tipos de eventos de usuário listados como obrigatórios para um modelo? Quais são os tipos de evento mínimos necessários para cada modelo?

Cada modelo e objetivo de otimização tem requisitos um pouco diferentes. Consulte os requisitos de dados de eventos do usuário.

Em geral, o desempenho do modelo é melhor quando há mais eventos por item do catálogo. Sites com grandes volumes de tráfego podem começar com um volume menor de dados históricos, mas ainda precisam de pelo menos algumas semanas de dados.

Tenho eventos de adição ao carrinho e de compra concluída que não têm um valor de receita ou quantidade. O que devo enviar?

Se você não tiver um valor para a quantidade, transmita um valor padrão de 1 sem afetar os resultados do modelo. Os itens sempre precisam ter o displayPrice definido. originalPrice e cost são opcionais.

Consulte os requisitos de dados de eventos do usuário para saber os requisitos mínimos de dados de cada tipo de modelo.

Resultados da pesquisa

Estas são perguntas frequentes sobre os resultados da pesquisa.

Os resultados da pesquisa são personalizados?

Sim. A Pesquisa pode fornecer resultados personalizados. Os resultados da pesquisa são personalizados com base nos IDs de visitante. Para mais informações, consulte Personalização.

Como faço para incluir contexto, como a loja em que o usuário está comprando, como parte da solicitação de pesquisa?

As opções de disponibilidade e atendimento com base no ID da loja são atributos do catálogo de produtos. Os atributos podem ser enviados como um parâmetro na solicitação de pesquisa. Os resultados podem ser filtrados ou classificados com base no ID da loja na solicitação.

Posso ocultar produtos dos resultados da pesquisa?

Sim. O parâmetro filter pode filtrar resultados com base nas tags.

É possível classificar por vários critérios, como disponibilidade e preço?

Sim, o boostSpec permite regras de classificação complexas.

É possível agrupar alguns atributos para fornecer resultados com várias facetas? Por exemplo, agrupar cidades no mesmo país para origem da produção.

Os atributos de produto não são hierárquicos. No entanto, é possível usar vários atributos personalizados para isso (por exemplo, atributos separados para país e cidade).

Como as sugestões funcionam?

As sugestões são uma combinação de consultas do usuário, consultas reescritas, nomes de produtos etc. Para gerar sugestões de preenchimento automático de alta qualidade, é necessário ingerir um número suficiente de eventos de pesquisa junto com o catálogo.

A pesquisa diferencia maiúsculas de minúsculas?

As consultas de texto geralmente não diferenciam maiúsculas de minúsculas devido à análise linguística. No entanto, as expressões de filtro e as ordens de classificação diferenciam maiúsculas de minúsculas.

Por que as consultas de pesquisa no singular e no plural retornam resultados diferentes?

A AI Commerce Search avalia as consultas no singular e no plural separadamente com base na intenção do usuário final e no engajamento histórico do usuário, como cliques e compras. Os compradores costumam clicar ou comprar produtos diferentes para termos no singular e no plural, como camiseta para uma única peça e camisetas para um pacote com várias. Se um formulário de consulta corresponder a apenas alguns produtos, a expansão de consulta também poderá ampliar os resultados dessa consulta.

Para expandir termos no singular, plural ou flexionados no idioma do seu catálogo para incluir os candidatos uns dos outros, configure os controles de sinônimos bidirecionais. Como os sinônimos funcionam como dicas de consulta e a classificação ainda depende da pontuação, as consultas de sinônimos podem retornar classificações diferentes. Para mais informações sobre como a AI Commerce Search processa consultas de texto, consulte Como processar consultas e parâmetros de texto.

Como faço para que os números de peças com hifens sejam pesquisáveis?

A análise linguística padrão pode remover caracteres especiais. Associe esses valores a um atributo personalizado com a flag exact-searchable ativada. Considere também dividir a string em n-gramas antes da ingestão.

O mecanismo de pesquisa vai traduzir a consulta de um usuário se meu catálogo estiver em outro idioma?

Não. O idioma do catálogo e o da consulta de pesquisa precisam ser iguais. Se você espera que os usuários pesquisem em vários idiomas, implemente controles de sinônimos para mapear as consultas para o idioma base do catálogo.

Por que minhas pesquisas estão sendo filtradas incorretamente por categoria?

Verifique se os nomes das categorias têm o caractere >, que é reservado estritamente como separador de hierarquia (como Clothing > Mens). Se ele aparecer no nome da categoria por padrão, o filtro será corrompido e precisará ser substituído.

Resultados da previsão

Estas são perguntas frequentes sobre os resultados da previsão.

Há um limite para o número de previsões que posso retornar?

Por padrão, uma solicitação de previsão retorna 20 itens na resposta. Esse valor pode ser aumentado ou diminuído enviando um valor para pageSize.

Se você precisar devolver mais de 100 itens, entre em contato com o Suporte do Google. Retornar mais de 100 itens pode aumentar a latência da resposta.

Posso ver os motivos pelos quais um modelo fez uma recomendação de produto específica?

Não.

Posso baixar e armazenar em cache os resultados da previsão?

Como os resultados da previsão melhoram em tempo real em resposta à atividade do usuário no site, não recomendamos o uso de previsões em cache. Os modelos são treinados diariamente para incorporar mudanças no catálogo e reagir a novas tendências.

Do nosso lado, o uso de resultados de pesquisa e navegação em cache viola os termos de privacidade de dados do cliente. Ele aciona um mecanismo de detecção de cache, que remove automaticamente a personalização.

De modo geral, é possível armazenar em cache imagens e detalhes do produto, desde que você não armazene em cache os resultados da pesquisa para uma consulta específica e envie uma nova consulta para cada solicitação de pesquisa.

Preciso reclassificar as recomendações retornadas com base em uma regra de negócios. Isso é possível?

Sim. No entanto, embora seja possível reclassificar as recomendações retornadas com base nas suas regras de negócios, reordenar ou filtrar os resultados recomendados pode reduzir a eficácia geral do modelo. A reclassificação de preços está disponível como uma personalização integrada para os modelos "Outros que você pode gostar" e "Recomendados para você". Consulte Reclassificação de preços.

Há restrições quanto ao número de tags de filtro que posso criar e usar?

Não há limites rígidos para o número de tags exclusivas. No entanto, o sistema não foi criado para lidar com muitas tags de filtro por item. Recomendamos limitar as tags de filtro a no máximo 10 por item do catálogo, se possível. O limite de tags em todo o catálogo é de 100.000.000. Consulte cotas e limites.

Posso diversificar as recomendações?

Sim. A diversificação de recomendações pode ser especificada como parte da configuração de veiculação ou nos parâmetros da solicitação de previsão.

Posso priorizar recomendações por preço?

Sim. A reclassificação de preços organiza, por ordem decrescente de preço, os produtos recomendados com probabilidade semelhante de recomendação.

Recursos de conversação

Estas são perguntas frequentes sobre os recursos de conversação, filtragem de produtos e comércio da AI Commerce Search.

Como uma sessão de conversa é mantida e como faço para atualizar o contexto?

Uma sessão de conversa é mantida usando o ID da conversa retornado na resposta do agente de conversação. É necessário transmitir esse ID em todas as solicitações subsequentes na mesma conversa. Para atualizar ou iniciar uma nova conversa, inicie uma nova solicitação de API sem um ID de conversa.

Como a API de streaming afeta minha implementação e a experiência do usuário?

A natureza de streaming significa que você pode receber tipos de consulta imediatamente. Isso permite diferenciar as consultas que têm uma resposta de texto de conversação daquelas que não têm, como SIMPLE_PRODUCT_SEARCH. Para SIMPLE_PRODUCT_SEARCH, é possível acionar imediatamente uma chamada para a API Search principal.

Por que é importante que o searchParams no ConversationalSearchRequest espelhe minhas chamadas de API Search principais?

Você quer manter a consistência no searchParams, como filtros, ordem de classificação e regras de otimização. Manter a consistência ajuda a garantir que as respostas conversacionais ou as consultas refinadas fornecidas pela API estejam alinhadas com os resultados reais do produto que estão sendo mostrados ao usuário.

Se uma pesquisa básica de produtos for detectada, a conversa será encerrada? O usuário pode voltar para outros modos de conversa?

A conversa não termina. O ID da conversa permanece válido. Os varejistas podem projetar a UX para manter a janela de chat aberta e permitir que os usuários continuem a conversa. A capacidade de "reverter" depende dessa escolha específica de implementação de UX.

Quais dados a API Conversational armazena para o contexto da conversa e por quanto tempo?

Para manter o fluxo de uma conversa, a API Conversational armazena a consulta do usuário, a resposta de texto da conversa e a pergunta de acompanhamento. Essas informações contextuais são retidas por sete dias.

Por que a API Conversational não fornece respostas sugeridas para perguntas complementares, como faz a filtragem de produtos de conversação?

Ainda não é possível sugerir respostas para perguntas complementares, mas esse recurso está nos nossos planos. Não perca as novidades!

Como a API Conversational usa o armazenamento em cache para desempenho e contexto?

A API Conversational armazena em cache os tipos de consulta e as consultas de pesquisa refinadas de um determinado cliente e projeto por até 10 dias. Isso significa que, se a mesma consulta for repetida, o sistema poderá recuperar rapidamente a intent e os refinamentos sugeridos.

Modelos de machine learning

Estas são perguntas frequentes sobre modelos.

Fiz upload do meu catálogo e dos eventos, mas ainda recebo esta resposta quando chamo a API Predict: "O modelo de recomendação não está pronto".

É possível definir "dryRun" como verdadeiro na solicitação de previsão para fins de integração, o que retorna itens arbitrários do seu catálogo (NÃO use isso para tráfego de produção)."

Isso geralmente significa que o modelo não terminou o treinamento. Se já se passaram mais de 10 dias desde que você criou o modelo e você continua recebendo essa resposta, entre em contato com o suporte.

Quanto tempo leva para treinar um modelo?

O treinamento e o ajuste inicial do modelo levam de 2 a 5 dias para serem concluídos, mas podem levar mais tempo para conjuntos de dados grandes. Depois disso, os modelos são retreinados automaticamente todos os dias, a menos que essa opção seja desativada. Consulte Pausar e retomar o treinamento de um modelo.

Posso baixar ou exportar o modelo?

Não.

Posso usar modelos que criei em um projeto atual em um novo projeto?

Não. Você precisa criar e treinar novamente os modelos no novo projeto.

Quero usar um modelo para minhas páginas de categoria. Posso fazer isso?

Sim. A opção "Recomendados para você" é útil em páginas de categoria. Uma página de categoria é semelhante a uma página inicial, exceto pelo fato de você exibir apenas itens dessa categoria. Para isso, use o modelo padrão "Recomendado para você" com tags de filtro. Por exemplo, você pode adicionar tags de filtro personalizadas (correspondentes a cada página de categoria) aos itens no seu catálogo. Ao enviar a solicitação de previsão, defina o objeto de evento do usuário como category-page-view e especifique a tag de uma página de categoria específica no campo filter. Somente os resultados de recomendações correspondentes à tag de filtro solicitada são retornados. A diversidade precisa ser desativada nesse caso de uso, porque a diversidade pode entrar em conflito com tags de filtro com base na categoria.

Posso desativar a personalização dos meus modelos?

Por padrão, os resultados da previsão são personalizados para os tipos de modelo de recomendação Outros que você pode gostar, Recomendados para você e Comprar novamente.

Não recomendamos desativar a personalização. Se você precisar de resultados não personalizados, use um ID de visitante único aleatório em uma solicitação de previsão.

AI Commerce Search no console do Gemini Enterprise for Customer Experience

Estas são perguntas frequentes sobre o uso da AI Commerce Search no console do Gemini Enterprise for Customer Experience.

Limpei vários eventos, mas o painel ainda mostra as contagens desses tipos de evento.

Isso já é esperado. O painel da AI Commerce Search no Gemini Enterprise for Customer Experience mostra o número de eventos ingeridos em um determinado período, mas não a contagem ou o número atual de eventos.

Normalmente, você deve deixar os eventos do usuário no local depois que eles forem gravados. Não é recomendável limpar eventos. Se você precisar limpar eventos, consulte a documentação sobre Remover eventos do usuário.

Como saber se há erros no meu catálogo ou nos eventos do usuário?

A maioria das chamadas de API retorna um erro se houver um problema com a sintaxe. O painel da AI Commerce Search no Gemini Enterprise for Customer Experience mostra a porcentagem de eventos não associados, que também é uma métrica útil. O Cloud Monitoring e o Cloud Logging podem ser usados para monitorar o status dos eventos.

Por que minhas configurações de veiculação de recomendações aparecem como inativas? Como faço para ativá-los?

Para usar as configurações de veiculação de recomendação, primeiro é necessário enviar dados de catálogo e de eventos do usuário para treinar o modelo correspondente. Depois que um modelo é treinado, o painel indica que ele está pronto para consulta.

Em qual moeda a AI Commerce Search no Gemini Enterprise for Customer Experience informa as métricas de receita?

A Pesquisa de comércio com IA no Gemini Enterprise for Customer Experience informa as métricas na moeda usada nos dados enviados. A AI Commerce Search não é compatível com o uso de várias moedas por catálogo e não converte moedas.