Considerações e testes adicionais

É necessário ter em conta considerações adicionais para as práticas recomendadas e os testes da interface do agente de comércio conversacional.

Implemente práticas recomendadas

Tenha em conta estas práticas recomendadas quando implementar a interface do seu agente de comércio conversacional:

• Consistência do ID de visitante: ajuda a garantir que um visitor_id exclusivo é enviado de forma consistente com cada pedido de um determinado utilizador final. Isto é fundamental para uma personalização e um treino de modelos precisos. Idealmente, este identificador deve permanecer consistente para um utilizador final em todas as sessões e estados de início ou fim de sessão.
• Gestão de filiais: embora default_branch seja comum, certifique-se de que está a usar o ID da filial correto se o seu catálogo de produtos estiver estruturado com várias filiais.
• Interação com a API Search: para SIMPLE_PRODUCT_SEARCH e todos os casos em que refined_search é fornecido, lembre-se de fazer uma chamada separada à API Search principal (SearchService.Search) usando o query do campo refined_search ou a consulta original para obter as fichas dos produtos reais. A API Conversacional foca-se principalmente na experiência de conversa e na compreensão da intenção do utilizador, em vez de devolver diretamente resultados de produtos.
• Design da interface do utilizador: crie a sua interface Web para apresentar claramente as opções conversational_text_response, followup_question e refined_search de forma intuitiva para orientar o utilizador.

Planeie testes A/B

Embora a relevância seja uma métrica de entrada importante, o Vertex AI Search for commerce também tem em conta outras variáveis com o objetivo de otimizar em função dos resultados da empresa:

Métrica
Receita por visita (RPV)	A receita por visita é a métrica mais eficaz para o desempenho da pesquisa, uma vez que tem em conta a taxa de conversão, o VMA e a relevância.
Conversão: valor de encomenda médio (AOV)	A percentagem de conversão e o valor médio da encomenda contribuem para o RPV.
Relevância – Capacidade de compra – Preço	A relevância, entre outras entradas, é usada para produzir resultados da pesquisa de elevado desempenho.

Lista de verificação de prontidão para testes A/B

Seguem-se as métricas de sucesso usadas:

Receita por visita (RPV)

Taxa de conversão (CVR)

Eventos de adição ao carrinho

Taxa de cliques

Item	Definição	Fase
Esquema de atribuição de eventos	Trabalhe com a Google para segmentar corretamente os eventos do utilizador para medição.	Pré-experiência
Monitorizar entradas de dados	Capacidade de compreender rapidamente quando os dados de preparação contêm anomalias que podem afetar o desempenho.	Pré-experiência
Cobertura de eventos	Estamos a instrumentar todos os resultados possíveis associados a sessões de IA de pesquisa ou recomendações?	Pré-experiência
Critérios de sucesso mensuráveis	Definição de concluído documentada (em termos mensuráveis).	Pré-experiência
Capacidade de medir parcialidades da experiência do utilizador	Garantir uma experiência do utilizador consistente nos grupos experimentais.	Durante a experiência
Coerência entre os dados do VAIS e o consumo	Verifique se os tokens de atribuição, os filtros, a ordenação, o desvio, etc., estão a ser transmitidos da API para UserEvents. Os IDs de visitantes/utilizadores correspondem entre o evento e os pedidos da API.	Durante a experiência
Aprovação para fazer ajustes durante a experiência	Planeie atividades de otimização, documente as alterações e ajuste as medições e a interpretação em conformidade.	Durante a experiência

Implemente a validação de conceito ou o produto viável mínimo

Carregamento de dados	Design do teste A/B	Métricas de desempenho	Governação e processo
Carregamento do catálogo de produtos atualizado e completo Adesão aos métodos de carregamento de eventos recomendados para garantir a sincronização de dados entre a Google e si. A recomendação da Google é a monitorização de eventos em tempo real, incluindo dados de impressões. Transmita os atributos necessários, como IDs de experiências, IDs de visitantes e implemente corretamente tokens de pesquisa, quando aplicável.	Incorpore as práticas recomendadas para as experiências de modo a garantir resultados fiáveis: Valide a integração. Teste uma única alteração de cada vez. Evite o armazenamento em cache agressivo. Garantir a equidade da interface Web entre o teste e o controlo. Garantir a equidade do tráfego com a divisão do tráfego através do ID do visitante. Garantir a consistência dos dados dos produtos. Aplique as mesmas regras empresariais no teste e no grupo de controlo.	Todos os critérios de avaliação devem ser empíricos, medidos objetivamente e baseados em métricas. O alinhamento nas definições exatas das métricas acompanhadas é fundamental para medir o desempenho com precisão. As métricas padrão monitorizadas incluem: CTR de pesquisa (relevância dos resultados) Taxa de pesquisa nula (compreensão da intenção) Receita por visitante / receita por utilizador Número de pesquisas para converter	A integração de dados, os testes, a implementação de funcionalidades e a otimização serão um processo iterativo que requer recursos.

Exemplo de cadência de experiências

Satisfazer as dependências do produto viável mínimo	Calibre a medição	Implemente o modo escuro de produção	Decisão de aprovação/reprovação
Reduzir Modelo preparado e configurações de publicação Carregamento de dados de produtos e eventos	Compare os dados (do cliente) com a telemetria de pesquisa do Commerce e ajuste-os em conformidade Alinhe-se nas bases de referência de medição	Faça uma avaliação offline Ajuste as configurações Teste A/A para validar a divisão de tráfego	Obtenha a aprovação de CQ Comprometa-se a avançar com a implementação gradual

Testes contínuos	Aumente para X% do tráfego	Meça, ajuste e repita	Aumente para X% do tráfego em tempo real
Continuar o ajuste/otimização Teste funcionalidades incrementais	Analise o desempenho em segmentos de pesquisa Faça os ajustes de modelagem/regras necessários	Verifique o desempenho Identifique e explique anomalias	Inicie a experiência Partilhe métricas de desempenho diariamente Realize a sintonização

Componentes de uma experiência bem-sucedida

Calibre as medições e estabeleça critérios de sucesso	Mantenha a imparcialidade da experiência	Monitorize a qualidade de dados
Planeie tempo para verificar a coerência do catálogo, do evento do utilizador e do consumo da API antes do lançamento oficial. Estabeleça critérios de sucesso quantificáveis antecipadamente (idealmente, expressos como uma alteração ao VPR). Identificar e explicar proativamente regressões ou anomalias e, em seguida, corrigi-las. Partilhe as medições com frequência, compreenda e documente as definições das métricas nos grupos experimentais.	Minimize as diferenças na experiência do utilizador entre segmentos (esquema e elementos visuais comuns, apenas dados diferentes). Tenha em atenção as regras de merchandising / empresa (certifique-se de que não introduzem parcialidade).	Meça a variação do catálogo. Anotar corretamente os resultados da experiência (através de eventos do utilizador).

Funções e propriedade da experiência

	Google	Eu
Avaliação de qualidade	Resultados da pesquisa de comércio	Impacto na experiência do utilizador
Medições	Cópia de segurança/validação	Autoritário
Telemetria/dados	Dados volumétricos da plataforma (validação do desempenho) Anomalias de eventos e índices	Símbolos de atribuição e passos para reproduzir (problemas de validação)
Plataforma de pesquisa	Artigos ao nível do produto Mapeamento de dados Ajustes de modelos/preparação Anomalias de qualidade/publicação Quotas/limites da plataforma Defeitos da biblioteca de produtos/cliente	Consultar/publicar itens Aumento de pedidos (incluindo o encaminhamento de contexto, a colocação em cache e o processamento de intenções) Configurações de publicação (ajuste) Enriquecimento de dados de origem Desempenho do cliente (por exemplo, threads de WC) Defeitos de UX/API/plataforma/biblioteca
Go/No-go	Recomendar	Aprovar

Realize experiências na consola

1. Aceda à página Experiências na consola do Search for commerce.
   
   Aceda à página Experiências

2. Use a consola para obter estatísticas de autosserviço avançadas para o Vertex AI Search for commerce, bem como testes A/B, aplicando a metodologia de atribuição da Google:

• Monitorize a segmentação do tráfego, as métricas empresariais e o desempenho da pesquisa e da navegação.

• Aplique métricas ao nível da visita por pesquisa na pesquisa por palavras-chave e na navegação.

• Veja o desempenho da experiência como uma série cronológica com métricas de relevância estatística.

• Use a plataforma Looker incorporada.