מדריך למפתחים בנושא סינון שיחות

המדריך הבא מיועד למפתחים ומסביר איך לשלב סינון מוצרים שיכול לנהל שיחה ב-API.

עמידה בדרישות המינימליות של נתונים להפעלת סינון שיחות

כדי לעמוד בדרישת המכסה של 25% שנדרשת להפעלת סינון מוצרים שיכול להתנהל בשיחה, צריך להגדיל את נפח אירועי המשתמשים שמכילים מידע תקף לסינון. ככל שתעלו יותר מסננים לאירועים של המשתמשים, כך הכיסוי של ממשק השיחה יהיה רחב יותר.

אלה השלבים והלוגיקה הספציפיים להגדלת הכיסוי:

• העלאת מסננים באירועים של משתמשים. צריך להגדיל את הקלט של מסננים שהוחלו על אירועי משתמש. כך, כשמשתמש מפעיל מסנן כמו צבע או מחיר באתר שלכם, הפעולה הזו מתועדת בשדה המסנן של אירוע המשתמש המתאים בחיפוש שנשלח ל-AI Commerce Search.

• יצירת לולאת משוב. מודל ה-LLM מסיק את הפופולריות של ההיבט מהמסננים האלה. כשמסמנים מאפיין כמאפיין שאפשר להשתמש בו לסינון דינמי, וכוללים מסננים תואמים באירועי חיפוש, מתחיל תהליך הלמידה של המודל. כדי לשפר את המודל באופן מתמשך, מומלץ שממשק המשתמש יתעד ויעביר את בחירות המסננים של המשתמשים גם בבקשות חיפוש וגם באירועים.

• מעקב אחרי בדיקות של המלצות לגבי איכות הנתונים. אם עמדתם בדרישת הסף הראשונית של 1,000 שאילתות ביום, אבל לא הגעתם לכיסוי של 25%, בדף איכות הנתונים במסוף (בכרטיסייה שיחה) יוצגו בדיקות ספציפיות עם המלצות. במסגרת הבדיקות האלה, המערכת מחשבת ומציגה את האחוז המדויק שבו צריך להגדיל את המסננים שהוחלו על אירועים שקשורים למשתמשים כדי להגיע ליעד הכיסוי.

• מוודאים שהגדרת המאפיינים תקינה. מכיוון שהמודל משתמש במאפיינים שאתם מסננים כדי ליצור שאלות, חשוב לוודא שהם מוגדרים בקטלוג כמאפיינים שאפשר להוסיף לאינדקס ולסנן באופן דינמי.

ממשק האדמין

אפשר לנהל את השאלות הגנרטיביות ואת סינון המוצרים השיחתי ישירות ב-API, או במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience, ולהגדיר אותן בקטעים איכות הנתונים והערכה במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.

מסוף Cloud

המסוף מאפשר לקמעונאים לנהל שאלות גנרטיביות בחוויית סינון מוצרים אינטראקטיבית. מידע נוסף על שימוש בשאלות גנרטיביות בסינון מוצרים בשיחה

איך משתמשים בשירות של שאלות גנרטיביות

1. עמידה בדרישות לגבי הנתונים.

2. הגדרת שינויים ידניים בשאלות.

3. מפעילים את התכונה.

4. תצוגה מקדימה ובדיקה.

הדרישות לגבי הנתונים

כדי לבדוק אם נתוני החיפוש שלכם מוכנים לסינון מוצרים באמצעות שיחה, עוברים בכרטיסייה בדיקות כיסוי ב-Console, בקטע סינון מוצרים באמצעות שיחה וחיפוש או בקטע איכות נתונים > שיחה.

כדי להפעיל סינון מוצרים באמצעות שיחה, צריך לעמוד בדרישות נתונים מסוימות.

השדות הם:

• 1,000 שאילתות ביום: אחרי שתגיעו לסף הראשון הזה, ייווצר תוכנית שיחה שמעריכה את הקלט והפלט שלכם:
• קלטים: מספר המסננים באירועים
• תשובות: כיסוי שיחות
• 25% כיסוי שיחות: הכיסוי הזה מחושב על ידי מודלים של AI Commerce Search, והוא מייצג את אחוז השאילתות שכוללות שאלה אחת. לפחות 25% מהשאילתות (לפי נפח) צריכות להתאים לשאלה הראשונה.

אם עדיין אין לכם כיסוי של 25% בשיחות, אבל אתם עומדים בדרישה הראשונה של 1,000 שאילתות ביום, המערכת תתחיל להחיל בדיקות חסימה והמלצות על הפלטים והקלטים שלכם, בהתאמה. כאן, AI Commerce Search מתחיל לחשב בכמה אחוזים צריך להגדיל את המסננים שהמשתמש הפעיל על אירועים כדי להגיע לסף של 25% כיסוי שיחות. ככל שתעלו יותר פילטרים, כך תגיעו לכיסוי רחב יותר.

כדי לראות את רמת המוכנות שלכם לשיחות:

1. במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience, עוברים לכרטיסייה Conversation (שיחה) בדף Data quality (איכות הנתונים). הבדיקה הזו מאפשרת לכם לדעת אם לפחות 25% משאילתות החיפוש כוללות לפחות שאלה אחת להמשך השיחה, וגם לקבל המלצות לגבי אחוז אירועי המשתמשים עם מסננים תקפים שנדרש כדי להשיג את היעד הזה של כיסוי שיחות.

איור 1. בדיקת מוכנות לשיחה.

1. אם אתם עוברים את הבדיקה הקריטית, עם מספיק אירועי משתמשים עם מסננים תקינים, אפשר להמשיך לשלב הבא.

2. כדי לשלוט באופן הצגת השאלות הגנרטיביות, עוברים אל דף הסינון והחיפוש של מוצרים בשיחה ב-AI Commerce Search Console.

אמצעי בקרה לשאלות גנרטיביות

ה-AI הגנרטיבי כותב שאלה לכל מאפיין שאפשר להוסיף לאינדקס בקטלוג, תוך שימוש בשמות ובערכים של מאפיינים למערכת ולמאפיינים מותאמים אישית. השאלות האלה נוצרות על ידי מודל שפה גדול (LLM) ומטרתן לשפר את חוויית החיפוש. לדוגמה, אם המאפיין הוא סוג הריהוט, והערכים האפשריים הם לשימוש בתוך הבית או מחוץ לבית, ה-AI ינסח שאלה לגבי סוג הריהוט שאתם מחפשים.

לכל היבט יש שאלה אחת שנוצרה. השאלות ממוינות לפי התדירות הצפויה של הצגת השאלה, על סמך אירועים היסטוריים של משתמשים והתעניינות בהיבטים מנתוני אירועי חיפוש קודמים. ה-AI בודק קודם את השאלות שמופיעות למעלה, ואז מוצא את מה שרלוונטי לפי מאפיין. רשימת השאלות נוצרת פעם אחת. אם מוסיפים מאפיין חדש, הוא יופיע ברשימה תוך שעתיים.

1. עוברים לדף סוכן קניות ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.
   
   עוברים לדף של חיפוש בממשק שיחה ודף גלישה.

2. בכרטיסייה ניהול שאלות שנוצרו על ידי AI, אפשר לראות את כל השאלות ממוינות לפי תדירות השימוש בהן, בתדירות משוקללת של שאילתות, כלומר כמה פעמים הן מוצגות עם שאילתות נפוצות. הדירוג מבוסס על שדה התדירות בהגדרות GenerativeQuestionConfig. השדה הזה אחראי למיון השאלות שנוצרו על ידי AI לפי תדירות השימוש בהן.

3. אפשר להשתמש באפשרות הסינון כדי לסנן את השאלות.

4. מסמנים את התיבה כדי להפעיל את ההגדרה 'הצגת שאלות' לכל מאפיין.

5. לוחצים על בסוף כל שורה כדי לפתוח את חלונית העריכה של כל שאלה.

כדי לבצע עריכות בכמות גדולה, פועלים לפי השלבים הבאים:

1. מסמנים או מבטלים את הסימון של התיבות לצד השאלות שרוצים לכלול או להחריג בשיחה.

2. לוחצים על הלחצן Allow in conversation או על הלחצן Disallow in conversation שמופיעים בראש הרשימה. לחלופין, כדי לערוך שאלה ספציפית, לוחצים על ומבטלים את הסימון של התיבה לצד מותר בשיחה בחלונית שנפתחת, או מסמנים אותה מחדש:

איור 2. עורכים כל אחת מהשאלות שנוצרו על ידי AI.

שימוש בשאלות גנרטיביות בסינון מוצרים בשיחה

ממשק ה-API של שירות השאלות הגנרטיביות מספק אמצעי בקרה לצמצום אי-עקביות פוטנציאליות בפלט של מודל ה-LLM. אפשר לנהל אותם דרך המסוף. בנוסף, קמעונאים יכולים להגדיר כאן סינון מוצרים באמצעות שיחה. כדי לעשות זאת, צריך להפעיל את האפשרות הזו ולהגדיר את מספר המוצרים המינימלי שנדרש כדי שהסינון יופעל.

אתם יכולים להגדיר את השאלות, לציין את השאלה עצמה, תשובות אפשריות ולהחליט אם השאלה מותרת בשיחה. שאלות ספציפיות יכולות להיווצר על ידי מודל שפה גדול או להיות מוחלפות על ידי הקמעונאי. במסוף אפשר לבדוק שאלות שנוצרו על ידי AI, ולשנות אותן או לשנות את הסטטוס שלהן בממשק השיחה. אפשר גם לערוך שאלות בכמות גדולה.

עריכה של שאלות ספציפיות

אפשר גם להשתמש באמצעי בקרה כדי לבחור את השאלות הספציפיות. מומלץ לעשות זאת לפני שמפעילים את הסינון השיחתי של מוצרים.

לכל שאלה יש שתי אפשרויות. לוחצים על בעמודה האחרונה כדי לגשת לשאלות שמוצגות בחלונית המשתמשים:

1. כדי להשבית שאלה לכל השאילתות: השאלה מופעלת כברירת מחדל. מבטלים את הסימון בתיבה לצד מותר בשיחה (או מסמנים אותה שוב). באפשרות הזו מדלגים על השאלה. קמעונאים יכולים להשבית שאלה לחלוטין אם היא לא קשורה למאפיינים שנשאלו או אם אפשר לפרש אותה כלא הולמת (למשל, שאלה כמו איזו מידה של שמלה את מחפשת? עלולה להתפרש כהתעניינות במשקל).
2. לשכתב שאלה: בחלונית, אפשר לראות את השאלה שנוצרה על ידי AI, לאיזה מאפיין היא משויכת ואילו ערכים יש למאפיין. כדי לשכתב את הטקסט, לוחצים על סמל העיפרון.

הפעלת סינון שיחות

אחרי שערכתם את השאלות לגבי ה-AI הגנרטיבי במסוף, אתם יכולים להפעיל את הסינון השיחתי של המוצרים.

כדי להפעיל את התכונה 'סינון מוצרים באמצעות צ'אט', עוברים אל הדף 'סינון מוצרים באמצעות צ'אט' ו'דף גלישה' במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.

1. עוברים לדף סוכן קניות ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.
   
   עוברים לדף של חיפוש בממשק שיחה ודף גלישה.

2. כדאי להגדיר את מספר המוצרים המינימלי שיוצגו בתוצאות החיפוש לפני שהשאלות נוצרות. המספר הזה יכול להיות גבוה יותר, אבל אף פעם לא נמוך מ-2. לרוב, שורה אחת לדף היא הכמות הנכונה להפעלת שיחה.

3. מגדירים את המספר ומעבירים את המתג למצב מופעל. אם מספר המוצרים שמתאימים למספר נמוך יותר, הם יסוננו.

איור 3. מעבירים את המתג למצב הפעלת חיפוש בממשק שיחה.

הערה: אם ה-AI הגנרטיבי מופעל ומודל השפה הגדול (LLM) מקשר בין שאלה שנוצרה על ידי AI לבין ערך מאפיין קשור, יכול להיות שתופיע שאלה שנוצרה על ידי AI.

בדף הזה מופיע מידע על הסטטוס של הבדיקות לחסימה ולייעוץ. אם יש לכם מספיק שאילתות חיפוש עם לפחות שאלה אחת להמשך השיחה, האתר שלכם מוגדר עכשיו לחיפוש שיחותי.

הערכה ובדיקה

הערכה מאפשרת לכם לראות תצוגה מקדימה של חוויית הצגת התוצאות על ידי הפעלת חיפוש בדיקה ובדיקת השאלות שלכם מול ההיבטים שמוצגים. בחלק הזה של המסוף מוצגת תצוגה מקדימה של חוויית הצגת המוצרים עם סינון באמצעות ממשק שיחה.

כדי לבצע הערכה ובדיקה, פועלים לפי השלבים הבאים. בקטע הערכה בכרטיסיות חיפוש או עיון בדף ההערכה של AI Commerce Search במסוף Gemini Enterprise for Customer Experience.

1. נכנסים לדף Evaluate במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.
   
   כניסה לדף Evaluate

2. לוחצים על חיפוש או על עיון.

3. בשדה הערכת החיפוש, מזינים שאילתת בדיקה שרלוונטית לקטלוג שהעליתם לחיפוש, כמו נעליים אם הקטלוג כולל פריטי לבוש.

4. לוחצים על תצוגה מקדימה של החיפוש כדי לראות את תוצאות החיפוש.

איור 4. בודקים את התוצאות.

אם הפעלתם את התכונה 'סינון מוצרים בשיחה', השאלות הגנרטיביות מופעלות.

Generative Question API

בקטע הזה מוסבר איך להשתמש ב-API של שאלות גנרטיביות כדי לשלב את Conversational API בממשק האינטרנט שלכם, לנהל את השאלות הגנרטיביות ולהציג באתר סינון של מוצרים באמצעות שיחה.

שילוב API

אובייקטים:

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

הבסיס לשילוב של סינון מוצרים בשיחה הוא הגדרת המשאב question. כולל את השאלה עצמה ואם מותר לשאול את השאלה בשיחה. כברירת מחדל, השאלה נוצרת על ידי מודל שפה גדול (LLM), אבל האדמין יכול לשנות את זה.

הפעלת סינון מוצרים בשיחה

אובייקט:

• GenerativeQuestionsFeatureConfig

האובייקט הזה הוא קובץ הגדרות של אמצעי בקרה שמאפשר להפעיל סינון מוצרים בשיחות עם AI גנרטיבי, כדי לנהל את חוויית הצגת התוצאות הכוללת. ‫GenerativeQuestionsFeatureConfig משתמש בשיטה GET כדי לקבל מידע על מאפיינים ולקבוע אם אפשר להוסיף את המאפיינים לאינדקס מהקטלוג שמשויך לפרויקט.

המתג feature_enabled קובע אם השאלות ישמשו בזמן הצגת המודעות. הוא מנהל את המתגים ברמה העליונה במסוף.

הערה: אי אפשר להפעיל סינון מוצרים שיכול לנהל שיחה עד שמתקיימות דרישות הנתונים. אם הדרישות לגבי הנתונים לא מתקיימות, ה-API מפעיל שגיאת אימות. האימות של דרישות הנתונים מוצג במסוף של AI Commerce Search ב-Gemini Enterprise for Customer Experience, שמתבצעת בו קריאה ל-Conversational Configuration API.

הפעלת התכונה

// 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];
}

שדות שרלוונטיים לשיחה
קטלוג	מחרוזת	שם המשאב של הקטלוג המושפע ברמת הפרויקט. פורמט: projects/{project}/locations/{location}/catalogs/{catalog}.
feature_enabled	בוליאני	הפעלה או השבתה של שאלות. שדה אופציונלי. אי אפשר להפעיל את התכונה עד שמתקיימות דרישות הנתונים. אם מנסים לעשות את זה, מוצגת שגיאה.
minimum_products	Integer32	מספר המוצרים המינימלי בתשובה שגורם להצגת שאלות המשך. הערך חייב להיות 0 או יותר.

ניהול השאלות הגנרטיביות

אובייקט:

• GenerativeQuestionConfig

אפשר להפעיל את האפשרות לנהל שיחה עם שאלה באמצעות השדה הבוליאני allowed_in_conversation. ההגדרה הזו קובעת את ההגדרה של שאלה אחת שנוצרה.

שדות (התנהגויות של אמצעי בקרה לשיחה מודגשות)
קטלוג	מחרוזת	המאפיין הזה משמש לזיהוי קבוצת המאפיינים (ובאופן רחב יותר, השאלות) שזמינים. כל הערכים האלה מוגדרים בקטלוג. שדה חובה.
מאפיין לסינון	מחרוזת	ההיבט שאליו משויכת השאלה. שדה חובה.
generated_question	מחרוזת	שאלת ברירת המחדל שנוצרה על ידי מודל שפה גדול (LLM). פלט בלבד.
final_question	מחרוזת	השאלה שנשאלת. האורך המקסימלי הוא 300 בייטים. השדה הזה אופציונלי.
example_values	מחרוזת חוזרת	ערכים שאפשר להשתמש בהם כדי לענות על השאלה. פלט בלבד.
תדירות	מספר ממשי (float)	היחס בין מספר הפעמים שבהן נשאלה שאלה מסוימת. פלט בלבד.
allowed_in_conversation	בוליאני	האם השאלה מוצגת בזמן הצגת המודעה. השדה הזה הוא אופציונלי.

חוויית הצפייה

סינון מוצרים באמצעות שיחה מבוסס על אינטראקציה עם המשתמש בשיחה מתמשכת עם כמה תורות. לכן, כדי שהסינון של מוצרים בשיחה יפעל, צריך לפחות תשובה שנייה. המשתמש מקבל בתשובה שאלת המשך והצעות לתשובות, והוא יכול להשיב על שאלת ההמשך הזו על ידי הקלדת התשובה או על ידי לחיצה על אחת מההצעות (אפשרות של בחירה מרובה).

האפשרות של שאלה אמריקאית פועלת מאחורי הקלעים כמו היבט (מסנן של סוג אירוע), שמצמצם את השאילתה באמצעות סינון. ברקע, כשמשתמש לוחץ על תשובה אמריקאית, מסנן מוחל על השאילתה. החלת מסנן באמצעות אפשרויות בחירה מרובות בשיחה זהה להחלת אותו מסנן באמצעות היבטים או משבצות דינמיים.

שירות שמופעל על ידי סינון מוצרים בשיחה

שירות השאלות הגנרטיביות (service GenerativeQuestionService{...}) משמש לניהול שאלות שנוצרו על ידי מודלים גדולים של שפה (LLM). אובייקט האב שלו הוא הקטלוג, שממנו הוא מאחזר מידע כדי להחזיר שאלות לגבי קטלוג נתון. השירות משמש לניהול המצב הכללי של השאלות הגנרטיביות, לביצוע שינויים בשאלה אחת או בקבוצת שאלות ולהפעלה או השבתה של שאלות. כדי ליצור אינטראקציה עם ה-Service API, צריך לעמוד בדרישות הנתונים, ולפני שניתן לנהל את השאלות, צריך לאתחל אותן.

השירות יוצר אינטראקציה עם קובצי ההגדרות ברמת התכונה וברמת השאלה באמצעות שני סטים של פונקציות לטיפול באירועים:

• GenerativeQuestionsFeatureConfig handlers (feature-level):

  1. עדכון מאפשר לשנות את מספר המוצרים המינימלי ולהפעיל שדות.
  2. ‫Get מחזירה אובייקט.

• GenerativeQuestion Config handlers (question-level):

  1. ‫List מחזירה את כל השאלות בקטלוג נתון.
  2. עדכון: מאפשר לנהל שאלות ספציפיות.
  3. עדכון מספר שאלות בבת אחת מאפשר לנהל קבוצות של שאלות.

השירות מחזיר שאלה שמתאימה מבחינה סמנטית על סמך השאילתה הראשונית.

שאלת המשך נוצרת על ידי מודל LLM ואפשר לשנות אותה. השאלות מוצגות על סמך הסבירות שהלקוחות ישתמשו בהן, על ידי קריאה של היסטוריית אירועי החיפוש. אם אין היסטוריית אירועי חיפוש, המערכת תשתמש ביומני החיפוש של המסחר האלקטרוני.

נוצרות שאלות שונות על סמך השאילתה הקודמת. אין משקלים קבועים. ה-AI שמפעיל את השאלות שנוצרות על ידי LLM לומד מהשאילתות ומשנה את המשקל של כל שאילתה. לדוגמה, אם השאילתה היא 'חולצה', המשקל של הקטגוריה יהיה גבוה מאוד, אבל אם השאילתה היא 'חולצה אדומה במידה XL', המשקל של הקטגוריה, המידה והצבע יהיה גבוה.

הגדרת חוויית הצפייה

כדי להגדיר את חוויית השימוש, משלבים את API ההגדרה של סינון שיחות עם Search API.

‫API ההגדרות ConversationalFilteringSpec של התכונה מבוסס על Conversational API. אפשר לקרוא לשני ממשקי ה-API במקביל או בסדר הבא:

1. Conversational API
2. Search API

• ‫ConversationalFilteringSpec: השדה האופציונלי הזה נוסף ל-ConversationalSearchRequest, אבל חובה למלא אותו אם רוצים להשתמש בסינון מוצרים באמצעות ממשק שיחה. השדה משתמש מחדש בשדות SearchRequest, בשאילתה ובמסנן. הוא כולל גם שדה להפעלת שאלה למעקב שמוצגת למשתמש אחרי שאילתה ראשונית, וגם conversation_id כדי לשמור על מצב השיחה בין הלקוח לשרת.
• ‫ConversationalFilteringResult: קובץ פרוטו מכיל מידע נוסף שצריך להחזיר עבור זרימת ה-CRS השיחתית ב-ConversationalSearchResponse. הם כוללים conversation_id,‏ refined_query,‏ additional_filters,‏ follow_up_question ו-suggested_answers.

תהליך השימוש ב-API לשיחה

המשתמש מתחיל חיפוש עם שאילתה ראשונית ומגדיר את הדגל mode לערך CONVERSATIONAL_FILTER_ONLY. המשתמש בוחר תשובה, שנשלחת חזרה ל-API באמצעות השדה user_answer.

ב-Conversational API, השדה additional_filter מופיע בתשובה. המשתמש צריך להחיל את המסננים האלה על בקשת ההמשך ל-Search API. תוצאות החיפוש מבוססות על הקלט של המשתמש, ומספקות שאלה חדשה להמשך, שמעודדת שאילתה להמשך וממשיכה את השיחה בכמה תורות עד שהמשתמש מוצא את מה שהוא מחפש באתר הקמעונאי.

הערה: ממשקי סינון מוצרים באמצעות שיחה מתקשרים עם שני ממשקי API, כולל חיפוש ושיחה. ה-Search API נועד לאחזור תוצאות החיפוש, וה-Conversational API נועד לאחזור התשובה בשיחה. ה-API לשיחות לא מחזיר תוצאות חיפוש.

אם סינון מוצרים בממשק שיחה מופעל באתר, מסלול המשתמש והאינטראקציה הבאה עם AI Commerce Search ייראו כך:

• שלב 1. השאילתה הראשונה מגיעה מהמשתמש גם לחיפוש וגם ל-Conversational API. ‫Search API מחזיר רק תוצאות חיפוש. ה-API של ממשק השיחה מחזיר את התשובות המוצעות ואת שאלות ההמשך. קוראים ל-Search API לאותה שאילתה או ל-page_category ומאחזרים את תוצאות החיפוש. הבקשה לשיחה המשך נשלחת לחיפוש בממשק שיחה. קוראים ל-Conversational API עם מצב הסינון הנכון של השיחה.

• שלב 2. תגובה ראשונית לחיפוש עם תוצאות חיפוש בלבד. ה-API של שיחות משפר את השאילתה על ידי החזרת התשובות המוצעות ושאלות ההמשך. משתמש הקצה בוחר באפשרות 'בחירה מרובה':

  • מסנן התשובות שנבחר נשלח אל Conversational API.
  • ממשקי ה-API של השיחה והחיפוש פועלים עם המסנן שהוחל.

שאילתת משתמש ראשונית

השאילתה הראשונה היא כשהמשתמש מתחיל שיחה ב-AI Commerce Search ומחפש את dress בתיבת החיפוש.

• פעולת משתמש: משתמש הקצה מחפש שמלה.
• ההטמעה שלכם: מבצעים שתי קריאות ל-API.
• בקשת API בממשק שיחה:
  • query: "dress"
  • conversational_search_spec:
    • ‫mode: "CONVERSATIONAL_FILTER_ONLY" זהו פרמטר המפתח.
• בקשה ל-Search API:
  • query: dress
• תשובה מ-API בממשק שיחה:
  • conversation_id: "c15..." מאחסנים את המשתנה.
  • ‫followup_question: נוצרת השאלה What is the color?‎ (מה הצבע?).
  • suggested_answers: [ {name: "colors", value: "yellow"}, {name: "colors", value: "blue"}, ... ]
• פעולה: הצגת followup_question ו-suggested_answers למשתמש.

הערה: יש שני נקודות קצה שונות של API. צריך להשתמש ב-Search API כדי לאחזר תוצאות חיפוש, וב-Conversational API כדי לאחזר את ממשק הצ'אט עם AI. ‫Conversational API לא מחזיר תוצאות חיפוש.

שליחת בקשה אל Search API

שולחים בקשה אל Search API על ידי יצירת בקשת החיפוש הבאה והגדרת dress בתור השאילתה (או כל שאילתה אחרת):

בקשת Search API

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

אין שינוי בבקשת ה-API לחיפוש במסגרת סינון מוצרים בשיחה.

שליחת בקשה ל-Conversational API

כדי לשלוח בקשה ל-Conversational API, מבצעים את הפעולות הבאות:

• יוצרים בקשה לחיפוש בממשק שיחה על ידי הגדרת dress בתור השאילתה (או השאילתה בפועל).

• כדי לקבל תשובה בצורת שיחה, מגדירים את mode ל-CONVERSATIONAL_FILTER_ONLY. אם הערך הוא DISABLED, לא מסופקת שאלת המשך.

• מאכלסים את SearchParams בבקשה לחיפוש בממשק שיחה. פרמטרי החיפוש צריכים להיות זהים לקריאה ל-Search API.

בקשת API לשיחה

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

תגובה מ-Conversational API

התגובה שלכם מ-Conversational API תיראה כך:

בקשת API לשיחה

{
  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"
      }
    }
   }
  }
}

מה צריך לעשות עם התשובה:

• conversation_id: אפשר לשמור את המזהה הזה באחסון של סשן הדפדפן ולהשתמש בו כדי להמשיך את החיפוש בממשק שיחה עם השרת. יכול להיות שלקונה יהיו כמה כרטיסיות פתוחות עם יותר משיחה אחת, ולכן נעשה שימוש ב-conversation_id כדי לעקוב אחרי השיחות.
• ‫refined_query: מזהה את השאילתה הנוכחית. צריך להשתמש בתגובה הזו כדי להפעיל את Search API ולאחזר את תוצאות המוצרים.
• ‫followup_question: מזהה את השאלה שתוצג למשתמש.
• ‫suggested_answers: רשימה מסודרת של התשובות האפשריות שיוצגו למשתמשים. אם רוצים להציג פחות תשובות, אפשר להציג רק את N התוצאות הראשונות. הרשימה ממוינת לפי הסדר שבו התוצאות צריכות להופיע.

אחרי זה, השיחה מופעלת בשאילתה הראשונית.

בקשת API לשיחה

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

חיפוש תשובות לשאלות אמריקאיות

• פעולת משתמש: קליקים על צהוב.
• ההטמעה שלכם: מבצעים שתי קריאות חדשות ל-API.
• בקשת API בממשק שיחה:
  • query: dress
  • ‫conversation_id: "c15..." שימוש במזהה המאוחסן.
  • user_answer: { selected_answer: { product_attribute_value: { name: "colors", value: "yellow" } } }
• בקשה ל-Search API:
  • query: שמלה.
• תשובה מ-API בממשק שיחה:
  • additional_filter: { product_attribute_value: { name: "colors", value: "yellow" } }
  • followup_question: באיזה אירוע מדובר?
• פעולה: משתמשים ב-additional_filter כדי לעדכן את ממשק האינטרנט, למשל מסמנים את תיבת המסנן הצהובה ומציגים את השאלה החדשה.

תגובה מ-Conversational API

{
  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 הוא שדה שקשור ל-ConversationalFilteringResult הוא פרוטו שמכיל מידע נוסף שמוחזר מהזרימה של השיחה. השדה conversational_filtering_result ב-ConversationalSearchResponse מספק נתונים משלימים שחשובים לעיבוד של ממשק המשתמש. השדה conversational_filtering_result משתמש בהודעות מקוננות, כמו SuggestedAnswer ו-AdditionalFilter, כדי לבנות את הנתונים שמוחזרים בצורה ברורה ומובנת. המבנה ההיררכי הזה מבטיח שהמידע שמועבר בין הלקוח לשרת מוגדר היטב וניתן לפירוש.
• התשובות המוצעות ממוינות לפי ערכי הפנים בקטלוג שהמשתמשים הכי הרבה פעמים השתמשו בהם באירועים כמסננים לכל השאילתות. המיון מתבצע לפי השדה engagement_rate בשאלת ההמשך שנוצרה על ידי שירות ConversationalSearch. בשדה הזה מתועד שיעור ההתעניינות ההיסטורי שמוצג במסנן מתוך אירועי החיפוש של הקמעונאי שנשלחים לשרת.
• כל שאר השדות לא משתנים כשמשתמשים בשיחה.

מה עושים עם התוצאה הראשונית של החיפוש בממשק שיחה

• בצד הלקוח, מפתחים צריכים לאחסן את conversation_id באחסון הסשן בדפדפן, כדי שאפשר יהיה להשתמש בו כדי להמשיך את חיפוש בממשק שיחה עם השרת.
• הנתון הזה משמש למעקב אחרי השיחה המתמשכת, כי יכול להיות שלקונה יהיו כמה כרטיסיות פתוחות עם כמה שיחות פעילות.

‫refined_query אומר לקמעונאי מה השאילתה הנוכחית.

• כדאי להשתמש בערך הזה אם הקמעונאי רוצה להציג למשתמש את השאילתה הנוכחית.

followup_question מציין לקמעונאי איזו שאלה להציג למשתמש

suggested_answers.

• זו רשימה מסודרת של תשובות לשאלות אמריקאיות שיוצגו למשתמשים.
• אם רוצים להציג פחות מהרשימה המלאה, פשוט מציינים את מספר התוצאות הראשונות שרוצים להציג
• הרשימה הזו ממוינת, ולכן היא צריכה להופיע בסדר הנכון. במילים אחרות, התוצאה הראשונה שמוצגת היא הראשונה ברשימה.

סינון מוצרים בחיפוש קולי בשפה טבעית מציע את האפשרויות הבאות כדי להמשיך את השיחה ולצמצם את החיפוש מהר יותר:

כשתוצאות החיפוש מוצגות למשתמש, הוא יכול לבחור באחת מהאפשרויות.

בדוגמת הקוד הזו אפשר לראות שהמשתמש בחר בתשובה צהוב לשאלה האמריקאית,ונשלחת בקשה חדשה לשיחה עם Search API על ידי שליחת השאילתה שוב עם מסנן המשתמש הנכון.

בקשת Search API

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

כדי לשלוח בקשה ל-Conversational API:

1. משחזרים את conversation_id מאחסון הסשן.
2. מגדירים את mode להיות CONVERSATIONAL_FILTER_ONLY.
3. מגדירים את user_answer בהתאם לבחירת המשתמש.

בקשת API לשיחה

{
  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"
        }
      }
    }
  }
}

התגובה מ-Conversational API תיראה כך:

תגובה מ-Conversational API

{
  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"
      }
    }
  }
 }
}

מה צריך לעשות עם התשובה:

• התשובה של Google זהה בעצם לתשובה לשאילתה הראשונה, חוץ מהשדה additional_filter שאפשר להשתמש בו כדי לסמן את תיבת הסינון של color = yellow, וצריך להוסיף אותו לכל מסנן אחר שהמשתמש בחר.
• הפרמטר additional_filter צריך להתווסף גם לאירוע של שדה המסנן שנשלח אל Google עבור שאילתת ההמשך הזו ובקשת החיפוש של ההמשך. צריך להחיל אותו על בקשת החיפוש כדי לאחזר מוצרים לחיפוש, וגם על בקשת החיפוש בממשק שיחה כדי לאחזר את המשך השיחה.
• צריך לשלוח את refined_query ל-Search API כדי לאחזר מוצרים רלוונטיים יותר.

הטמעה של מסנני מוצרים

בקטע הזה מוסבר למשתמשים איך להטמיע סינון מוצרים שיבוצע באמצעות שיחה ברמת ה-API. מצב ההתחלה (ניטרלי) הוא דף נחיתה, כנראה עם סרגל חיפוש, המלצות או קמפיינים שיווקיים, בהתאם לאפליקציית AI Commerce Search שלכם. לא בוצעו קריאות ל-Search API או ל-Conversation API.

מצב התחלתי

זהו דף הנחיתה של ממשק המשתמש, של ההמלצות או של הקמפיינים. עדיין לא בוצעו קריאות ל-API של חיפוש Google עם ממשק שיחה.

המשתמש מזין שאילתה

מזינים שאילתה, למשל שפתון,כדי להפעיל קריאות מקבילות ל-API של החיפוש ול-API של הצ'אט.

חיפוש ושיחה מציגים את השאלה הראשונה

יופיעו התשובות של ה-API, כולל שאלה ראשונית וקבוצה של תשובות אפשריות. התשובות מממשקי ה-API של ממשק הצ'אט עם AI ושל החיפוש לשאילתת המשתמש הראשונית הן אסינכרוניות.

משתמש בוחר תשובה או מסנן שמוצגים

המשתמש בוחר תשובה או מסנן שמוצגים.

הבחירה של המשתמש מפעילה קריאה שנייה לשני ממשקי ה-API עם היבט הסינון או התשובה של המשתמש.

ממשקי API מציגים שאלות המשך

ממשקי ה-API של החיפוש ושל השיחה מגיבים באופן אסינכרוני כדי להציג עוד שאלה ואפשרויות תשובה.

המשתמש רואה את השאלה הבאה ואת אפשרויות התשובה לשאלה הבאה.

מקרי קצה

יש עוד כמה תרחישים אפשריים שמכוסים על ידי ההטמעה.

המשתמש מזין שאילתה חדשה

אם המשתמש מזין מסנן שיחה לשאילתה, כמו שפתון,ממשק האינטרנט כבר יאוכלס בתגובה הראשונית של ה-API. אבל אם המשתמש מזין שאילתה חדשה, כמו קרם הגנה, מתחילה שיחה חדשה. במקרה כזה, הטמעת ה-API חוזרת לשאילתה חדשה, אבל עם שדה conversation_id ריק. השאילתה החדשה יוצרת תשובה חדשה, ובתגובה לכך, ממשק האינטרנט מתעדכן עם תשובה חדשה.

משתמש מבטל את הבחירה במסנן פנים או בשאלה שענה עליה קודם

אם המשתמש נמצא בממשק שכבר אוכלס בתשובה משאילתה קודמת, אבל הוא מבטל את הבחירה במסנן הפנים או בתשובה שנבחרו, יתחיל סשן שיחה חדש עם searchParam מסננים. הסיבה לכך היא שהמשתמש יוצא מתהליך השיחה הנוכחי.