Guide du développeur pour le filtrage conversationnel

Vous trouverez ci-dessous un guide du développeur expliquant comment intégrer le filtrage conversationnel des produits dans votre API.

Respecter les exigences minimales en termes de données pour activer le filtrage conversationnel

Pour atteindre le quota de 25% requis pour activer le filtrage conversationnel des produits, vous devez augmenter le volume d'événements utilisateur contenant des informations de filtrage valides. Plus vous importez de filtres dans vos événements utilisateur, plus la couverture conversationnelle est élevée.

Voici les étapes et la logique spécifiques à suivre pour augmenter la couverture :

• Importez des filtres dans les événements utilisateur. Vous devez augmenter l'entrée des filtres appliqués aux événements utilisateur. Ainsi, lorsqu'un utilisateur applique un filtre (par exemple, la couleur ou le prix) sur votre site, cette action est enregistrée dans le champ de filtre de l'événement utilisateur de recherche correspondant envoyé à AI Commerce Search.

• Établissez une boucle de rétroaction. Le LLM déduit la popularité des facettes à partir de ces filtres. En incluant des filtres correspondants dans les événements de recherche lorsqu'un attribut est marqué comme pouvant être utilisé pour le filtrage dynamique, vous lancez le processus d'apprentissage du modèle. Idéalement, votre interface utilisateur doit capturer et relayer les sélections de filtres des utilisateurs dans les requêtes de recherche et les événements pour permettre cet affinement continu du modèle.

• Surveillez les vérifications de conseils sur la qualité des données. Si vous avez atteint le seuil initial de 1 000 requêtes par jour,mais que vous n'avez pas atteint 25% de couverture, la page Qualité des données de la console (sous l'onglet Conversation) fournira des vérifications spécifiques. Ces vérifications calculent et affichent le pourcentage exact d'augmentation nécessaire pour que vos filtres appliqués aux événements utilisateur atteignent l'objectif de couverture.

• Vérifiez la configuration des attributs. Étant donné que le modèle utilise les attributs que vous filtrez pour générer des questions, assurez-vous qu'ils sont correctement configurés dans votre catalogue comme indexables et avec des facettes dynamiques.

Expérience administrateur

Gérez les questions génératives et le filtrage conversationnel des produits directement dans l'API ou dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience, et configurez-les dans les sections Qualité des données et Évaluer de la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

console Cloud

La console permet aux marchands de gérer les questions génératives dans une expérience de filtrage conversationnel des produits. En savoir plus sur l'utilisation de questions génératives dans le filtrage conversationnel des produits

Étapes à suivre pour utiliser le service de questions génératives

1. Respectez les exigences concernant les données.

2. Configurez les remplacements manuels des questions.

3. Activez la fonctionnalité.

4. Prévisualisez et testez.

Exigences en matière de données

Pour savoir si vos données de recherche sont prêtes pour le filtrage conversationnel des produits, accédez à l'onglet Vérifications de la couverture dans la console, sous Filtrage conversationnel des produits et navigation ou Qualité des données > Conversation.

Pour activer le filtrage conversationnel des produits, vous devez répondre à certaines exigences concernant les données.

Les voici :

• 1 000 requêtes par jour : une fois ce premier seuil atteint, un forfait de conversation est généré pour évaluer vos entrées et sorties :
• Entrées : nombre de filtres dans les événements
• Sorties : couverture conversationnelle
• Couverture conversationnelle de 25% : calculée par les modèles de recherche d'IA pour le commerce, la couverture conversationnelle correspond au pourcentage de requêtes comportant une question. Au moins 25% (en volume) des requêtes pondérées en fonction de la fréquence doivent avoir au moins une première question correspondante.

Si vous n'avez pas encore atteint 25% de couverture conversationnelle, mais que vous remplissez le premier prérequis de 1 000 requêtes par jour, des vérifications bloquantes et consultatives commencent à s'appliquer à vos sorties et entrées, respectivement. Ici, AI Commerce Search commence à calculer le pourcentage d'augmentation nécessaire pour que les filtres appliqués aux événements utilisateur atteignent le seuil de couverture conversationnelle de 25 %. Plus vous importez de filtres, plus la couverture est élevée.

Pour afficher votre capacité conversationnelle :

1. Accédez à l'onglet Conversation sur la page Qualité des données de la console AI Commerce Search dans Gemini Enterprise for Customer Experience. Cela vous permet de vérifier de manière critique si au moins 25% des requêtes de recherche comportent au moins une question complémentaire. Vous obtenez également des conseils sur le pourcentage d'événements utilisateur avec des filtres valides nécessaires pour atteindre cet objectif de couverture conversationnelle.

Figure 1. Vérification de l'aptitude à la conversation.

1. Si vous réussissez le contrôle critique et que vous disposez d'un nombre suffisant d'événements utilisateur avec des filtres valides, passez à l'étape suivante.

2. Pour contrôler la façon dont les questions génératives sont diffusées, accédez à la page Filtrage conversationnel de produits et page de navigation dans la console AI Commerce Search.

Commandes pour les questions génératives

L'IA générative rédige une question pour chaque attribut indexable du catalogue, en utilisant à la fois les noms et les valeurs des attributs système et personnalisés. Ces questions sont générées par un LLM et visent à améliorer l'expérience de recherche. Par exemple, pour le type de mobilier, les valeurs peuvent être "intérieur" ou "extérieur". L'IA synthétise une question sur le type de mobilier que vous recherchez.

Chaque facette comporte une question générée. En fonction des événements utilisateur historiques et de l'engagement avec les facettes à partir des données d'événements de recherche passés, les questions sont triées par fréquence d'apparition attendue. L'IA examine d'abord les questions en haut de la page, puis recherche les informations pertinentes par attribut. La liste de questions est générée une seule fois. Si un nouvel attribut est ajouté, il apparaît dans la liste sous deux heures.

1. Accédez à la page Agent Shopping dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
   
   Accédez à la page "Recherche conversationnelle et navigation".

2. Dans l'onglet Gérer les questions générées par l'IA, vous pouvez afficher toutes les questions triées par fréquence d'utilisation, en fonction de la fréquence pondérée par les requêtes (c'est-à-dire la fréquence à laquelle elles sont proposées avec des requêtes courantes). Le classement utilise le champ de fréquence dans la configuration GenerativeQuestionConfig. Ce champ permet de trier les questions générées par l'IA en fonction de leur fréquence d'utilisation.

3. Vous pouvez utiliser l'option de filtre pour filtrer les questions.

4. Cochez la case pour activer la visibilité des questions pour chaque attribut.

5. Cliquez sur  à la fin de chaque ligne pour ouvrir un panneau de modification pour chaque question.

Pour effectuer des modifications groupées, procédez comme suit :

1. Cochez ou décochez les cases à côté des questions que vous souhaitez inclure ou exclure de la conversation.

2. Cliquez sur le bouton Autoriser dans la conversation ou Refuser dans la conversation qui s'affiche en haut de la liste. Vous pouvez également modifier une question individuelle en cliquant sur , puis en cochant ou décochant la case à côté de Autorisé dans la conversation dans le volet qui s'ouvre :

Figure 2. Modifiez chaque question générée par IA.

Utiliser des questions génératives dans le filtrage conversationnel de produits

L'API du service de questions génératives fournit des contrôles permettant d'atténuer les incohérences potentielles dans la sortie du LLM. Vous pouvez les gérer depuis la console. Les marchands peuvent également configurer le filtrage conversationnel des produits en activant ou désactivant l'option et en définissant le nombre minimal de produits requis pour le déclencher.

Vous pouvez définir les questions, en précisant la question elle-même, les réponses potentielles et si la question est autorisée dans la conversation. Les questions individuelles peuvent être générées par un LLM ou remplacées par le marchand. La console permet d'examiner les questions générées par l'IA, et aux marchands de les remplacer ou de modifier leur état conversationnel. Vous pouvez également modifier les questions de manière groupée.

Modifier des questions spécifiques

Vous pouvez également utiliser des commandes pour sélectionner les questions individuelles. Nous vous recommandons de le faire avant d'activer le filtrage conversationnel des produits.

Pour chaque question, deux options sont disponibles. Cliquez sur  dans la dernière colonne pour accéder au panneau des questions visibles par les utilisateurs :

1. Désactiver une question pour toutes les requêtes : la question est activée par défaut. Décochez (ou cochez à nouveau) la case Autorisé dans les conversations. Cette option permet d'ignorer complètement la question. Un marchand peut choisir de désactiver complètement une question si elle ne concerne pas les attributs demandés ou si elle peut être interprétée comme inappropriée (une question telle que Quelle taille de robe recherchez-vous ? peut être perçue comme une question indiscrète sur le poids).
2. Réécrire une question : dans le volet, vous pouvez voir la question générée par l'IA, l'attribut auquel elle est associée et les valeurs de cet attribut. Cliquez sur le crayon pour le réécrire.

Activer le filtrage conversationnel

Une fois que vous avez modifié vos questions d'IA générative dans la console, vous pouvez activer le filtrage conversationnel des produits.

Pour activer le filtrage conversationnel des produits, accédez à la page Filtrage conversationnel des produits et page de navigation dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

1. Accédez à la page Agent Shopping dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
   
   Accédez à la page "Recherche conversationnelle et navigation".

2. Réfléchissez au nombre minimal de produits de votre catalogue que vous souhaitez voir apparaître dans la recherche avant que les questions ne soient générées. Ce nombre peut être supérieur à 2, mais jamais inférieur. Une ligne par page est souvent la bonne quantité pour déclencher une conversation.

3. Configurez le nombre et activez l'option en la définissant sur Activé. Si le nombre de produits correspondants est inférieur, ils sont filtrés.

Figure 3. Activez l'option Activer la recherche conversationnelle.

Remarque : Si l'IA générative est activée et que le LLM associe une question générée par l'IA à une valeur d'attribut associée, une question d'IA peut s'afficher.

Cette page fournit des informations sur l'état de vos vérifications de blocage et d'avertissement. Si vous disposez de suffisamment de requêtes de recherche avec au moins une question complémentaire, votre site est désormais compatible avec la recherche conversationnelle.

Évaluer et tester

L'option Évaluer vous permet de prévisualiser l'expérience de diffusion en effectuant une recherche test et en testant vos questions par rapport aux facettes affichées. Cette partie de la console vous permet de prévisualiser votre expérience de diffusion avec le filtrage conversationnel des produits.

Pour évaluer et tester, procédez comme suit. Dans la section Évaluer des onglets Recherche ou Parcourir de la page Évaluer de la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

1. Accédez à la page Évaluer dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
   
   Accéder à la page "Évaluer"

2. Cliquez sur Rechercher ou Parcourir.

3. Dans le champ Search Evaluation (Évaluation de la recherche), saisissez une requête de test pertinente en fonction du catalogue que vous avez importé dans la recherche (par exemple, chaussures si votre catalogue contient des vêtements).

4. Cliquez sur Aperçu de la recherche pour afficher les résultats de recherche.

Figure 4. Prévisualisez les résultats.

Si le filtrage conversationnel des produits est activé, les questions génératives le sont également.

API Generative Question

Cette section explique comment utiliser l'API de questions génératives pour intégrer l'API Conversational à votre interface Web, gérer les questions génératives et proposer un filtrage conversationnel des produits sur votre site.

Intégration d'API

Objets :

• GenerativeQuestionsFeatureConfig
• GenerativeQuestionConfig
• Service GenerativeQuestions
  • UpdateGenerativeQuestionsFeatureConfiguration
  • UpdateGenerativeQuestionConfig
  • ListGenerativeQuestionConfigs
  • GetGenerativeQuestionFeatureConfig
  • BatchUpdateGenerativeQuestionConfigs

Pour intégrer le filtrage conversationnel des produits, vous devez définir la ressource question. Cela inclut la question elle-même et la possibilité de la poser dans la conversation. La question est générée par défaut par un LLM, mais l'administrateur peut la remplacer.

Activer le filtrage conversationnel des produits

Objet :

• GenerativeQuestionsFeatureConfig

Cet objet est un fichier de configuration de contrôle permettant d'activer le filtrage conversationnel des produits pour les questions génératives afin de gérer l'expérience de diffusion globale. GenerativeQuestionsFeatureConfig utilise une méthode GET pour obtenir des informations sur les attributs et déterminer si les attributs sont indexables ou non à partir du catalogue associé au projet.

Le bouton feature_enabled permet de déterminer si les questions sont utilisées au moment de la diffusion. Il gère les boutons à bascule de premier niveau dans la console.

Remarque : Vous ne pouvez pas activer le filtrage conversationnel des produits tant que les exigences concernant les données ne sont pas respectées. Si les exigences concernant les données ne sont pas respectées, l'API déclenche une erreur de validation. La validation des exigences concernant les données est visible dans la console AI Commerce Search de Gemini Enterprise for Customer Experience, qui appelle l'API Conversational Configuration en arrière-plan.

Activer la fonctionnalité

// Configuration for overall generative question feature state.
message GenerativeQuestionsFeatureConfig {
...

// Resource name of the affected catalog.
// Format: projects/{project}/locations/{location}/catalogs/{catalog}
string catalog = 1 [(google.api.field_behavior) = REQUIRED];

// Determines whether questions are used at serving time.
// Note: You cannot enable this until initial data requirements are
// satisfied.
bool feature_enabled = 2 [(google.api.field_behavior) = OPTIONAL];

// Minimum number of products in the response to trigger follow-up questions.
// Value must be 0 or positive.
int32 minimum_products = 3 [(google.api.field_behavior) = OPTIONAL];
}

Champs pertinents pour la conversation
catalogue	string	Nom de ressource du catalogue concerné au niveau du projet. Format : projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	booléen	Active ou désactive les questions. Champ facultatif. Vous ne pourrez pas l'activer tant que les exigences concernant les données ne seront pas remplies. Si vous essayez de le faire, une erreur se produit.
minimum_products	Integer32	Nombre minimal de produits dans la réponse pour déclencher des questions complémentaires. La valeur doit être égale ou supérieure à 0.

Gérer les questions génératives

Objet :

• GenerativeQuestionConfig

Une question peut être activée pour la conversation avec le champ booléen allowed_in_conversation. Il contrôle la configuration d'une seule question générée.

Champs (comportements de contrôle pour la conversation mis en évidence)
catalogue	string	Permet d'identifier l'ensemble des attributs (et, par extension, des questions) disponibles. Ces valeurs sont toutes définies dans le catalogue. Champ obligatoire.
facette	string	Facette à laquelle une question est associée. Champ obligatoire.
generated_question	string	Question par défaut générée par le LLM. Uniquement en sortie.
final_question	string	La question posée. Elle ne doit pas dépasser 300 octets. Champ facultatif.
example_values	Chaîne répétée	Valeurs pouvant être utilisées pour répondre à la question. Uniquement en sortie.
fréquence	float	Ratio de fréquence d'une question. Uniquement en sortie.
allowed_in_conversation	booléen	Indique si la question est posée au moment de la diffusion. Ce champ est facultatif.

Expérience de diffusion

Le filtrage conversationnel de produits repose sur l'engagement de l'utilisateur dans une conversation continue à plusieurs tours. Par conséquent, au moins une deuxième réponse est nécessaire pour que le filtrage conversationnel des produits fonctionne. Une question de suivi et des réponses suggérées sont présentées à l'utilisateur dans la réponse. Il peut répondre à cette question de suivi en saisissant sa réponse ou en cliquant sur une réponse suggérée (option à choix multiples).

L'option à choix multiples fonctionne en coulisses comme un attribut (un filtre de type d'événement), qui affine la requête à l'aide du filtrage. En arrière-plan, lorsqu'un utilisateur clique sur une réponse à choix multiples, un filtre est appliqué à la requête. Appliquer un filtre à l'aide d'un choix multiple conversationnel revient à appliquer le même filtre à l'aide de facettes ou de vignettes dynamiques.

Service activé par le filtrage conversationnel de produits

Le service de questions génératives (service GenerativeQuestionService{...}) permet de gérer les questions générées par les LLM. Son objet parent est le catalogue, à partir duquel il récupère des informations pour renvoyer des questions pour un catalogue donné. Ce service permet de gérer l'état global des questions génératives, d'effectuer des modifications individuelles ou par lot, et d'activer ou de désactiver des questions. Vous devez respecter les exigences concernant les données pour interagir avec l'API Service, et les questions doivent être initialisées avant de pouvoir être gérées.

Le service interagit avec les fichiers de configuration au niveau des fonctionnalités et des questions à l'aide de deux ensembles de gestionnaires :

• Gestionnaires GenerativeQuestionsFeatureConfig (au niveau de la fonctionnalité) :

  1. Mettre à jour : vous permet de modifier le nombre minimal de produits et d'activer des champs.
  2. Get renvoie un objet.

• Gestionnaires de configuration GenerativeQuestion (au niveau de la question) :

  1. List : renvoie toutes les questions pour un catalogue donné.
  2. Mettre à jour : permet de gérer les questions individuelles.
  3. Mise à jour par lot : permet de gérer les questions groupées.

Le service renvoie une question sémantiquement appropriée en fonction de la requête initiale.

Une question complémentaire est générée par le modèle LLM et peut être remplacée. Les questions sont affichées en fonction de la probabilité qu'elles soient utilisées par les clients, en appelant l'historique des événements de recherche. En l'absence d'historique des événements de recherche, les journaux de recherche commerciale sont utilisés.

Différentes questions sont générées en fonction de la requête précédente. Il n'y a pas de pondérations fixes. L'IA qui génère les questions du LLM apprend à partir des requêtes et modifie la pondération de chaque requête. Par exemple, "chemise" pondère fortement la catégorie, mais "chemise rouge taille XL" pondère la catégorie, la taille et la couleur.

Configurer l'expérience de diffusion

Configurez l'expérience de diffusion en intégrant l'API de configuration du filtrage conversationnel à l'API Search.

L'API de configuration ConversationalFilteringSpec de la fonctionnalité se trouve au-dessus de l'API Conversationnelle. Vous pouvez appeler les deux API en parallèle ou dans l'ordre suivant :

1. API Conversation
2. API Search

• ConversationalFilteringSpec : ce champ facultatif a été ajouté à ConversationalSearchRequest, mais il est obligatoire si vous souhaitez utiliser le filtrage conversationnel des produits. Le champ réutilise les champs SearchRequest, la requête et le filtre. Il inclut également un champ permettant d'activer une question de suivi posée à l'utilisateur après une requête initiale et un conversation_id pour maintenir l'état de la conversation entre le client et le serveur.
• ConversationalFilteringResult : un fichier proto contient des informations supplémentaires à renvoyer pour le flux CRS conversationnel dans ConversationalSearchResponse. Cela inclut conversation_id, refined_query, additional_filters, follow_up_question et suggested_answers.

Parcours utilisateur dans l'API conversationnelle

L'utilisateur lance une recherche avec une requête initiale et définit le flag mode sur CONVERSATIONAL_FILTER_ONLY. L'utilisateur sélectionne ensuite une réponse, qui est renvoyée à l'API à l'aide du champ user_answer.

L'API Conversationnelle fournit le champ additional_filter dans la réponse. L'utilisateur doit appliquer ces filtres à la demande complémentaire de l'API Search. Les résultats de recherche sont basés sur la saisie de l'utilisateur et fournissent une nouvelle question de suivi, ce qui déclenche une requête de suivi et poursuit la conversation en plusieurs tours jusqu'à ce que l'utilisateur trouve ce qu'il recherche sur le site Web du marchand.

Remarque : Les interfaces de filtrage des produits conversationnels interagissent avec deux API, à savoir Search et Conversational. L'API Search est destinée à récupérer les résultats de recherche, tandis que l'API Conversational est destinée à récupérer la réponse conversationnelle. L'API Conversational ne renvoie pas de résultats de recherche.

En supposant que le filtrage conversationnel de produits soit activé sur le site Web, le parcours utilisateur et l'interaction ultérieure avec la recherche e-commerce basée sur l'IA se déroulent comme suit :

• Étape 1. La première requête est envoyée par l'utilisateur aux API Search et Conversational. L'API Search ne renvoie que des résultats de recherche. L'API Conversational renvoie les réponses suggérées et les questions complémentaires. Appelez l'API Search pour la même requête ou page_category et récupérez les résultats de recherche. La demande de conversation de suivi est envoyée à la recherche conversationnelle. Appelez l'API Conversationnelle avec le mode de filtrage des conversations approprié.

• Étape 2. Réponse initiale à la recherche avec uniquement les résultats de recherche. L'API Conversationnel affine la requête en renvoyant les réponses suggérées et les questions complémentaires. L'utilisateur final sélectionne ensuite le choix multiple :

  • Le filtre de réponse sélectionné est envoyé à l'API Conversational.
  • Les API Conversation et Search s'exécutent avec le filtre appliqué.

Requête utilisateur initiale

La première requête est celle que votre utilisateur saisit lorsqu'il commence une conversation dans la recherche e-commerce IA et recherche dress dans le champ de recherche.

• Action de l'utilisateur : l'utilisateur final recherche robe.
• Votre implémentation : effectuez deux appels d'API.
• Requête d'API conversationnelle :
  • query : "dress"
  • conversational_search_spec :
    • mode : "CONVERSATIONAL_FILTER_ONLY" Il s'agit du paramètre clé.
• Requête de l'API Search :
  • query : dress
• Réponse de l'API conversationnelle :
  • conversation_id : "c15..." Stockez cette variable.
  • La question Quelle est la couleur ? est générée.followup_question
  • suggested_answers : [ {name: "colors", value: "yellow"}, {name: "colors", value: "blue"}, ... ]
• Action : Affichez followup_question et suggested_answers à l'utilisateur.

Remarque : Il existe deux points de terminaison d'API différents. L'API Search principale doit être utilisée pour récupérer les résultats de recherche, et l'API Conversational pour récupérer l'expérience conversationnelle. L'API Conversationnelle ne renvoie pas de résultats de recherche.

Envoyer une requête à l'API Search

Envoyez une requête à l'API Search en créant la requête de recherche suivante et en définissant dress comme requête (ou la requête réelle) :

Requête API Search

{
  query: "dress",
  Search_params : {
    "filter": string,
    "canonicalFilter": string,
    "sortBy": string,
    "boostSpec": {
       object (BoostSpec)
    }
  }
}

La requête de l'API Search ne change pas dans le cadre du filtrage conversationnel des produits.

Envoyer une requête à l'API Conversational

Envoyez une requête à l'API Conversational en procédant comme suit :

• Créez une requête de recherche conversationnelle en définissant dress comme requête (ou la requête réelle).

• Définissez mode sur CONVERSATIONAL_FILTER_ONLY pour obtenir une réponse conversationnelle. Si la valeur est définie sur DISABLED, aucune question complémentaire n'est fournie.

• Renseignez SearchParams dans la demande de recherche conversationnelle. Les paramètres de recherche doivent être identiques à ceux de l'appel d'API Search.

Requête API conversationnelle

{
  "query": "dress",
  "conversational_search_spec":  {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
  }
}

Réponse de l'API Conversation

La réponse de l'API Conversational se présente comme suit :

Requête API conversationnelle

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "dress"
  conversational_filtering_result: {
    followup_question{
      followup_question: "What is the color?"
      suggested_answers {
        product_attribute_value {
          name: "colors",
          value: "yellow"
        }
      }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "blue"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "red"
      }
    }
   }
  }
}

Que faire de la réponse :

• conversation_id : cet ID peut être stocké dans le stockage de session du navigateur et peut être utilisé pour poursuivre la recherche conversationnelle avec le serveur. Étant donné qu'un même client peut avoir plusieurs onglets ouverts avec plusieurs conversations, le conversation_id est utilisé pour suivre les conversations.
• refined_query : identifie la requête actuelle. Vous devez utiliser cette réponse pour appeler l'API Search afin d'extraire les résultats des produits.
• followup_question : identifie la question à afficher à l'utilisateur.
• suggested_answers : liste ordonnée des réponses à choix multiples qui doivent être présentées à vos utilisateurs. Si vous souhaitez afficher moins de réponses, ne montrez que les N premiers résultats. La liste est triée dans l'ordre dans lequel les résultats doivent être affichés.

La conversation est alors activée pour la requête initiale.

Requête API conversationnelle

{
  "query": "dress",
  "conversational_search_spec":  {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
  }
}

La recherche gère les réponses à choix multiples

• Action de l'utilisateur : clics jaunes.
• Votre implémentation : effectuez deux nouveaux appels d'API.
• Requête d'API conversationnelle :
  • query : dress
  • conversation_id : "c15..." Utilisez l'ID stocké.
  • user_answer: { selected_answer: { product_attribute_value: { name: "colors", value: "yellow" } } }
• Requête de l'API Search :
  • query : robe.
• Réponse de l'API conversationnelle :
  • additional_filter: { product_attribute_value: { name: "colors", value: "yellow" } }
  • followup_question : Quelle est l'occasion ?
• Action : Utilisez additional_filter pour mettre à jour l'interface Web, par exemple en cochant la case du filtre jaune et en affichant la nouvelle question.

Réponse de l'API Conversation

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "dress"
  conversational_filtering_result: {
    followup_question{
      followup_question: "What is the color?"
      suggested_answers {
        product_attribute_value {
          name: "colors",
          value: "yellow"
        }
      }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "blue"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "colors",
        value: "red"
      }
    }
   }
  }
}

• conversational_filtering_result est un champ lié à ConversationalFilteringResult, qui est un proto contenant des informations supplémentaires renvoyées par le flux de conversation. Le champ conversational_filtering_result de ConversationalSearchResponse fournit des données supplémentaires essentielles au rendu de l'interface utilisateur. Le champ conversational_filtering_result utilise des messages imbriqués, tels que SuggestedAnswer et AdditionalFilter, pour structurer les données renvoyées de manière claire et compréhensible. Cette structure hiérarchique garantit que les informations échangées entre le client et le serveur sont bien définies et interprétables.
• Les réponses suggérées sont triées en fonction des valeurs de facette du catalogue qui ont été le plus souvent utilisées dans les événements utilisateur comme filtres pour toutes les requêtes. Le tri utilise le champ engagement_rate de la question complémentaire générée par le service ConversationalSearch. Ce champ capture le taux d'engagement historique que le filtre affiche à partir des événements de recherche du marchand envoyés au serveur.
• Tous les autres champs restent inchangés lorsque la conversation est utilisée.

Que faire avec le résultat initial de la recherche conversationnelle ?

• Côté client, les développeurs doivent stocker le conversation_id dans le stockage de session du navigateur afin qu'il puisse être utilisé pour poursuivre la recherche conversationnelle avec le serveur.
• Il permet de suivre la conversation en cours, car un même client peut avoir plusieurs onglets ouverts avec plusieurs conversations en cours.

refined_query indique au marchand la requête actuelle.

• À utiliser si le marchand souhaite afficher la requête actuelle à l'utilisateur.

followup_question indique au marchand la question à afficher à l'utilisateur.

suggested_answers.

• Il s'agit d'une liste ordonnée des réponses à choix multiples qui doivent être présentées aux utilisateurs.
• Si vous souhaitez afficher moins de résultats que la liste complète, affichez simplement les N premiers résultats.
• Cette liste est triée. Elle doit donc être affichée dans le bon ordre. En d'autres termes, le premier résultat affiché est le premier de la liste.

Le filtrage conversationnel de produits propose les options suivantes pour poursuivre l'engagement conversationnel et affiner plus rapidement les recherches :

Lorsque des résultats de recherche sont présentés à votre utilisateur, il peut sélectionner une option à choix multiples.

Cet exemple de code montre que l'utilisateur a sélectionné la réponse à choix multiples jaune. Une nouvelle requête conversationnelle est envoyée à l'API Search en renvoyant la requête avec le filtre utilisateur approprié appliqué.

Requête API Search

{
  query: "dress",
  "search_params": {
    "boost_spec": {},
    "canonical_filter": "",
    "filter": "colors: ANY("yellow")"
    "sort_by": ""
  }
}

Pour envoyer une requête à l'API Conversational :

1. Restaurez conversation_id à partir du stockage de session.
2. Définissez mode sur CONVERSATIONAL_FILTER_ONLY.
3. Définissez user_answer sur ce que l'utilisateur sélectionne.

Requête API conversationnelle

{
  query: "dress"
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  conversational_search_spec {
    "mode": "CONVERSATIONAL_FILTER_ONLY"
    user_answer {
      selected_answer {
        product_attribute_value {
          name: "colors"
          value: "yellow"
        }
      }
    }
  }
}

La réponse de l'API Conversational se présente comme suit :

Réponse de l'API Conversation

{
  conversation_id: "c154d073-87f5-4edb-accd-587eabe014ff"
  refined_query: "dress"
  conversational_filtering_result {
    additional_filter {
      product_attribute_value {
        name: "colors",
        value: "yellow"
      }
    }
    followup_question{
    followup_question: "What is the occasion?"
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion",
        value: "wedding"
      }
    }
    suggested_answers {
      product_attribute_value {
        name: "attribute.occasion",
        value: "party"
      }
    }
  }
 }
}

Que faire de la réponse :

• La réponse de Google est pratiquement identique à celle de la première requête, sauf que le champ additional_filter peut être utilisé pour cocher la case du filtre color = yellow et doit être ajouté à tous les autres filtres que l'utilisateur a sélectionnés.
• Le additional_filter doit également être ajouté à l'événement de champ de filtre envoyé à Google pour cette requête complémentaire et la requête de recherche complémentaire. Il doit être appliqué à la requête de recherche pour récupérer les produits de recherche, ainsi qu'à la requête de recherche conversationnelle pour récupérer la conversation de suivi.
• Le refined_query doit être envoyé à l'API Search pour récupérer des produits plus pertinents.

Implémenter des filtres de produits

Cette section sert de guide aux utilisateurs pour implémenter le filtrage conversationnel de produits au niveau de l'API. L'état de départ (neutre) est une page de destination, probablement avec une barre de recherche, des recommandations ou des campagnes marketing, selon votre application de recherche AI Commerce. Aucun appel n'a été effectué vers les API Search ou Conversation.

État de départ

Il s'agit de la page de destination de l'interface utilisateur, pour les recommandations ou les campagnes. Aucun appel d'API Search for Conversational n'a encore été effectué.

L'utilisateur saisit une requête

Saisissez une requête, par exemple rouge à lèvres,pour émettre des appels parallèles aux API Search et Conversation.

La recherche et la conversation servent de première question

Les réponses de l'API s'affichent, y compris une question initiale et un ensemble d'options de réponse. Les réponses des API Conversational et Search à la requête initiale de l'utilisateur sont respectivement asynchrones.

L'utilisateur sélectionne une réponse ou un attribut de filtre présenté.

L'utilisateur sélectionne une réponse ou un filtre.

La sélection de l'utilisateur déclenche ensuite un deuxième appel aux deux API avec la facette de filtre ou la réponse de l'utilisateur.

Les API proposent des questions complémentaires

Les API Search et Conversation répondent de manière asynchrone pour répondre à une autre question et présenter des options de réponse.

L'utilisateur voit la question suivante et un ensemble d'options de réponse.

Cas extrêmes

L'implémentation couvre également d'autres scénarios possibles.

L'utilisateur saisit une nouvelle requête.

Si l'utilisateur est en train de saisir un filtre de conversation pour une requête, comme rouge à lèvres,l'interface Web a déjà été remplie avec la réponse initiale de l'API. Toutefois, lorsqu'il saisit une nouvelle requête, comme crème solaire, une nouvelle conversation démarre. Dans ce cas, l'implémentation de l'API revient à une nouvelle requête, mais avec un champ conversation_id vide. Cette nouvelle requête génère une nouvelle réponse, qui à son tour remplit l'interface Web avec une nouvelle réponse correspondante.

L'utilisateur désélectionne un filtre de facette ou une question à laquelle il a déjà répondu.

Si l'utilisateur se trouve dans une interface déjà renseignée avec la réponse d'une requête précédente, mais qu'il désélectionne le filtre ou la réponse sélectionnés, une nouvelle session de conversation est lancée avec des filtres searchParam. En effet, l'utilisateur sort du flux de conversation actuel.