如要採用最佳做法並測試對話式代理介面,請考量其他事項。
實作最佳做法
導入對話式代理程式介面時,請考慮下列最佳做法:
- 訪客 ID 一致性:確保系統每次為特定使用者發出要求時,都會傳送專屬
visitor_id。這對準確提供個人化體驗和模型訓練至關重要。理想情況下,這個 ID 在不同工作階段和登入/登出狀態下,應保持一致。 - 分店管理:雖然
default_branch很常見,但如果產品目錄包含多個分店,請務必使用正確的分店 ID。 - Search API 互動:如果是
SIMPLE_PRODUCT_SEARCH和提供refined_search的任何情況,請記得使用refined_search欄位中的query或原始查詢,對核心 Search API (SearchService.Search) 進行個別呼叫,以取得實際的產品資訊。對話式 API 主要著重於對話體驗和瞭解使用者意圖,而非直接傳回產品結果。 - 使用者介面設計:設計網頁介面,以直覺方式清楚呈現
conversational_text_response、followup_question和refined_search選項,引導使用者操作。
設定 LLM 生成內容的屬性
如要確保對話式代理可以生成回覆,屬性必須在「屬性控制項」中設為「可擷取」。
如果屬性為「可建立索引」但「可擷取」,對話式服務專員會找到產品,但無法讀取詳細資料來回答使用者問題。對話式代理通常會觸發備用回覆,例如「抱歉,我們沒有這項產品」。
因此,您應將語意屬性 (Title、Description、Brand、Specs) 設為「可擷取:True」,讓 LLM 可以使用這些屬性。如果前端需要使用者介面或應用程式屬性 (BrandID、SkuID) 才能進行算繪,請將這些屬性設為 Retrievable: True。將後端中繼資料設為 Retrievable: False,盡量減少使用內容視窗。
規劃 A/B 測試
雖然關聯性是重要的輸入指標,但 AI 商業搜尋也會考量其他變數,以盡量提升業務成效:
| 指標 | |
|---|---|
| 單次造訪收益 (RPV) | 每次造訪收益是評估搜尋成效最有效的指標,因為它會考量轉換率、平均訂單價值和關聯性。 |
| 轉換次數 - 平均訂單價值 (AOV) | 轉換率和平均訂單價值都會影響每位訪客收益。 |
| 關聯性 - 可購買性 - 價格 | 系統會根據關聯性和其他輸入內容,產生成效良好的搜尋結果。 |
A/B 測試準備檢查清單
使用的成效指標如下:
| 項目 | 定義 | 階段 |
|---|---|---|
| 事件歸因配置 | 與 Google 合作,正確區隔用於評估的使用者事件。 | 實驗前 |
| 監控資料輸入 | 快速瞭解訓練資料是否含有可能影響效能的異常狀況。 | 實驗前 |
| 活動涵蓋範圍 | 我們是否會記錄與搜尋或推薦 AI 工作階段相關的所有可能結果? | 實驗前 |
| 可評估的成效標準 | 以可評估的字詞記錄完成定義。 | 實驗前 |
| 評估使用者體驗偏誤的能力 | 確保各實驗組的使用者體驗一致。 | 實驗期間 |
| VAIS 資料與用量之間的一致性 | 確認 API 是否將歸因權杖、篩選器、排序依據、位移等傳遞至 UserEvents。事件和 API 要求之間的訪客/使用者 ID 相符。 | 實驗期間 |
| 實驗期間的調整核准 | 規劃微調活動、記錄變更,並據此調整測量和解讀方式。 | 實驗期間 |
實作概念驗證或最簡可行產品
| 資料擷取 | A/B 測試設計 | 效能指標 | 管理和程序 |
|---|---|---|---|
|
完整且最新的產品目錄擷取作業 遵循建議的事件擷取方法,確保 Google 與您之間的資料同步。 傳遞必要屬性,例如實驗 ID、訪客 ID,並在適用情況下正確導入搜尋權杖。 |
採用實驗最佳做法,確保結果可靠:
|
所有評估標準都應以實證為依據、客觀評估,並以指標為導向。 針對追蹤的指標明確定義,是準確評估成效的關鍵。 追蹤的標準指標包括:
| 資料整合、測試、功能推出和最佳化是反覆的過程,需要資源。 |
實驗週期範例
| 滿足最簡可行產品依附元件 | 校正測量結果 | 部署正式版深色模式 | 是否繼續的決定 |
|---|---|---|---|
|
|
|
|

| 持續測試 | 流量增加至 X% | 評估、調整並重複執行 | 將即時流量調升至 X% |
|---|---|---|---|
|
|
|
|
成功實驗的要素
| 校正評估結果並確立成功標準 | 維持實驗公平性 | 監控資料品質 |
|---|---|---|
|
|
|
角色和實驗擁有權
| 您 | ||
|---|---|---|
| 品質評估 | Commerce Search 成效 | 使用者體驗影響 |
| 測量數據 | 備份/驗證 | 權威 |
| 遙測/資料 | 平台量體 (驗證效能) 事件和索引異常狀況 |
歸因符記和重現步驟 (驗證問題) |
| 搜尋平台 |
產品層級項目
|
查詢/放送項目
|
| Go 或 No-go | 推薦 | 核准 |
在控制台中進行實驗
前往 Gemini Enterprise for Customer Experience 控制台的 AI Commerce Search「實驗」頁面。
前往「實驗」頁面使用控制台套用 Google 的歸因方法,針對 AI Commerce Search 導入和 A/B 測試進行進階自助式分析:
監控流量區隔、商家指標,以及搜尋和瀏覽成效。
在關鍵字搜尋和瀏覽中,套用個別搜尋造訪層級的指標。
以時間序列形式查看實驗成效,並取得具備統計顯著性的指標。
使用嵌入式 Looker 平台。