יצירת מודלים של המלצות

בדף הזה מוסבר איך ליצור מודל חדש של המלצות.

הערה: לא צריך להגדיר או ליצור מודלים באופן ידני לחיפוש.

אם כבר יש לכם מודל המלצות מהסוג הנכון ואתם רוצים לקבל ממנו תחזיות ממיקום אחר באתר, אתם יכולים ליצור בשבילו הגדרת הצגה חדשה במקום ליצור מודל חדש. מידע נוסף

מבוא

אם רוצים להשתמש בסוג חדש של המלצות כדי לקבל תחזיות, צריך ליצור מודל המלצות חדש ולספק לו מספיק נתוני אירועים של משתמשים כדי לאמן אותו. יוצרים הגדרות של מודל חדש להצגת מודעות, וכשהאימון של המודל מסתיים, מבקשים חיזויים מההגדרות האלה.

במאמר הטמעה של AI Commerce Search מוסבר על התהליך של עבודה עם AI Commerce Search.

יצירת מודל המלצות

כדי להוסיף מודל המלצות חדש, משתמשים במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience או במתודת models.Create API.

בכל פרויקט יכולים להיות עד 20 מודלים, ומתוכם עד 10 יכולים להיות פעילים (לא מושהים) בכל רגע נתון. מידע נוסף על השהיית מודל

אפשר להפעיל עד חמש פעולות של מודלים בדקה. פעולות מודל מוגבלות כוללות יצירה, מחיקה, השהיה והפעלה מחדש.

לפני שיוצרים מודל חדש:

• בודקים את סוגי המודלים של ההמלצות ואת המטרות העסקיות של המודלים שזמינים ובוחרים מתוכם. ההגדרות האלה קובעות את סוג ההמלצות שהמודל הזה צריך להיות מאומן לספק.
• מחליטים באיזו תדירות מכווננים את המודל. פרטים על עלויות ההתאמה והאימון מופיעים במאמר בנושא תמחור.
• חשוב לוודא שהעליתם מספיק נתונים כדי לעמוד בדרישות ליצירת מודל חדש. חלק מהדרישות תלויות בסוג המודל שבוחרים.

• אם אתם מתכננים ליצור מודל אופטימיזציה ברמת הדף:

  • בודקים שכבר יש לכם הגדרות להצגת המלצות שמצורפים אליהן מודלים מאומנים. צריך לספק מבחר של הגדרות להצגת המלצות, שהתכונה 'אופטימיזציה ברמת הדף' יכולה לבחור מתוכן כשמבצעים אופטימיזציה להמלצות בדף.

  • מגדירים תיעוד של אירועים מסוג detail-page-view ושל אירועים שתואמים לסוג הדף שבו תטמיעו את מודל האופטימיזציה ברמת הדף (לדוגמה, אם מטמיעים את המודל בדף הבית, צריך לוודא שהגדרתם תיעוד של אירועים מסוג home-page-view). כדי לשפר את ההמלצות בהתאמה אישית, מומלץ גם להפעיל את ההגדרה 'תיעוד אירועים' לאירועים מסוג purchase וadd-to-cart.

  • אם בוחרים ביעד העסקי 'שיעור המרה (CVR)', צריך להגדיר מעקב אחר אירועים מסוג add-to-cart.

  • אחרי שיוצרים את מודל האופטימיזציה ברמת הדף, חשוב להמשיך לשלוח שאילתות למודל כדי ליצור חשיפות של המלצות. החשיפות האלה משמשות לאימון המודל של אופטימיזציה ברמת הדף ולשיפור ההמלצות שהוא מספק.

כדי ליצור מודל חדש:

מסוף Google Cloud

1. עוברים לדף Models (מודלים) במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience.
   
   כניסה לדף Models

2. לוחצים על יצירת מודל.

3. מזינים שם למודל.

   השם צריך להיות באורך של עד 1, 024 תווים, ויכול להכיל רק תווים אלפאנומריים, קווים תחתונים, מקפים ורווחים.

4. בוחרים את סוג ההמלצה.

5. אם בחרתם בסוג המודל Page-Level Optimization:

   1. בוחרים את סוג הדף שעליו יתבצעו אופטימיזציה באמצעות המודל 'אופטימיזציה ברמת הדף'.

   2. בוחרים עד כמה להגביל את הצגת ההגדרות הדומות להצגת מודעות בחלוניות שונות:

      • סוג מודל ייחודי: אי אפשר להציג בכמה חלוניות הגדרות שונות של מודל מאותו סוג.

      • מודל ייחודי: לא מאפשרים להציג בכמה חלוניות הגדרות שונות של אותו מודל.

      • הגדרת הצגה ייחודית: אל תאפשרו להגדרת הצגה זהה להופיע בכמה חלוניות.

      • ללא הגבלה: אפשר להציג כל הגדרת הצגה בכל מספר של לוחות.

   3. לכל חלונית המלצות שמתכננים להציג באמצעות המודל הזה:

      1. מזינים מזהה חלונית.

      2. בוחרים אילו הגדרות של הצגת מודעות המודל של אופטימיזציה ברמת הדף יכול לקחת בחשבון כאפשרויות לחלונית הזו.

         לדוגמה, בדף הוספה לעגלת קניות יכול להיות שתרצו להציג לוח המלצות עם ההמלצות 'מוצרים שנרכשים יחד לעיתים קרובות' או 'מוצרים נוספים שאולי יעניינו אותך'. במקרה כזה, בוחרים הגדרת הצגה שמשתמשת במודל 'מוצרים שנרכשים יחד בתדירות גבוהה' והגדרה אחרת שמשתמשת במודל 'מוצרים נוספים שאולי יעניינו אותך' כדי להציג אותן בחלונית הזו. כשמבצעים קריאה לחיזוי למודל האופטימיזציה ברמת הדף, המודל בוחר איזה סוג של המלצות להציג בחלונית הזו על סמך היסטוריית האירועים של משתמש הקצה.

      3. בוחרים הגדרת ברירת מחדל להצגת מודעות.

         אם מתרחשת הפסקה זמנית בשירות של שרת Google, מודל האופטימיזציה ברמת הדף עדיין יכול להציג תוצאות מהגדרת ברירת המחדל להצגת מודעות.

   4. אם אתם צריכים ליצור עוד לוחות, לוחצים על הוספת לוח ומזינים את הפרטים של הלוח החדש.

6. בוחרים את היעד העסקי, אם הוא זמין לסוג המודל שבחרתם.

7. אם בחרתם בסוג המודל 'בדרך כלל, אנשים קונים את המוצר עם', בוחרים באפשרות סוג מוצרי ההקשר:

   • מוצרים מרובים בהקשר: אפשר להשתמש בפריט אחד או בכמה פריטים כהקשר להמלצות מהמודל הזה.
   • מוצר בהקשר יחיד: שימוש בפריט אחד כהקשר להמלצות מהמודל הזה.

8. בודקים את הרשימה האם הדרישות לגבי הנתונים מתקיימות? כדי לוודא שהעליתם מספיק נתונים לסוג המודל שבחרתם.

   אם דרישת נתונים שלא עומדת בתנאים מונעת את יצירת המודל, מופיע סמל X לצד הדרישה, והלחצן יצירה בחלק התחתון של החלונית יצירת מודל המלצות מושבת.

   אם אתם צריכים להעלות עוד נתונים, כדאי לעיין בדרישות הנתונים שמופיעות ברשימה כדי לוודא אם צריך לעמוד בחלק מהדרישות או בכולן עבור המודל הזה, ואז לייבא את אירועי המשתמש או המוצרים שנדרשים ליצירת המודל.

   הוראות לייבוא מופיעות במאמרים ייבוא אירועים היסטוריים של משתמשים וייבוא מידע על קטלוג.

9. בוחרים את התדירות של כוונון המודל. פרטים על עלויות ההתאמה זמינים במאמר בנושא תמחור.

   • כל שלושה חודשים: המודל עובר כוונון אוטומטי כל שלושה חודשים.
   • התאמה ידנית בלבד: המודל מותאם רק כשמבצעים התאמה ידנית.

10. (תכונה בתוכנית Public Preview) בוחרים אם ליצור תגים באופן אוטומטי לצורך סינון.

    • יצירת תגים באופן אוטומטי: הפעלת האפשרות הזו מאפשרת לסנן את תוצאות ההמלצות מהמודל הזה. הפעלת האפשרות הזו עלולה להאריך את זמן האימון. פרטים על עלויות האימון מופיעים במאמר בנושא תמחור.
    • אל תיצור תגים: אם האפשרות הזו מושבתת, לא תוכלו לקבל המלצות מסוננות מהמודל הזה.

11. לוחצים על יצירה כדי ליצור את מודל ההמלצות החדש.

    אם העליתם מספיק נתוני אירועים של משתמשים מהסוג הנדרש, יתחיל האימון הראשוני של המודל והתאמה שלו. האימון וההתאמה הראשוניים של המודל נמשכים יומיים עד חמישה ימים, אבל יכולים להימשך יותר זמן אם מדובר במערכי נתונים גדולים.

    אפשר ליצור הגדרות להצגת מודעות למודל החדש לפני שהאימון מסתיים, אבל המודל יציג רק תחזיות של 'הרצה יבשה' עד שהאימון והכוונון הראשוניים יסתיימו והמודל יהפוך לפעיל.

curl

שולחים בקשת Models.create אל v2 API עם מופע של Model בגוף הבקשה. מידע נוסף זמין בהפניית ה-API של Models.create.

פרטים על כל השדות של Models מופיעים בModels הפניית ה-API.

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
            "name": "FULL_MODEL_NAME",
            "displayName": "DISPLAY_NAME",
            "trainingState": "TRAINING_STATE",
            "type": "MODEL_TYPE",
            "optimizationObjective": "OPTIMIZATION_OBJECTIVE",
            "periodicTuningState": "TUNING_STATE",
            "filteringOption": "FILTERING_STATE",
            "modelTypeConfig" {
              "contextProductsType": "CONTEXT_PRODUCTS_TYPE"
            }
          }' \
  "https://retail.googleapis.com/v2beta/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/models"

אם העליתם מספיק נתוני אירועים של משתמשים מהסוג הנדרש, יתחיל האימון הראשוני של המודל והתאמה שלו. האימון וההתאמה הראשוניים של המודל נמשכים יומיים עד חמישה ימים, אבל יכולים להימשך יותר זמן אם מדובר במערכי נתונים גדולים.

אפשר ליצור הגדרות להצגת מודעות עבור המודל החדש לפני שהאימון מסתיים, אבל המודל יציג רק תחזיות של 'הרצה יבשה' עד שהאימון והכוונון הראשוניים יסתיימו והמודל יהפוך לפעיל.

דרישות ליצירת מודל חדש להמלצות

בפעם הראשונה שמשתמשים בסוג מסוים של המלצה באתר, המערכת מאמנת מודל חדש של למידת מכונה. כדי לאמן את המודל ולבצע בו שיפורים, צריך מספיק נתוני אימון וגם זמן. כדי להתחיל להשתמש בסוג חדש של המלצות, צריך לבצע את השלבים הבאים:

1. ייבוא הקטלוג אל AI Commerce Search, אם עדיין לא עשיתם זאת, והטמעת תהליכים שיעזרו לכם לשמור על הקטלוג המועלה מעודכן.
2. אם עדיין לא התחלתם לתעד אירועים של משתמשים ב-AI Commerce Search, חשוב לעשות זאת בהקדם האפשרי ולפעול לפי השיטות המומלצות לתיעוד נתוני אירועים של משתמשים.
3. מזהים את סוג ההמלצה ואת יעד האופטימיזציה שבהם רוצים להשתמש.
4. מגדירים את הדרישה לנתוני אירועים שקשורים למשתמשים עבור סוג ההמלצה והיעד שנבחרו.
5. מייבאים נתוני אירועים היסטוריים של משתמשים כדי לעמוד בדרישות המינימליות של נתוני האירועים, או מחכים עד שאיסוף נתוני האירועים של המשתמשים יעמוד בדרישות המינימליות.

6. יוצרים את המודל ואת הגדרות ההפעלה.

   בשלב הזה, AI Commerce Search מתחיל לאמן ולכוונן את המודל. האימון וההתאמה הראשוניים של המודל נמשכים יומיים עד חמישה ימים, אבל יכולים להימשך יותר זמן אם מדובר במערכי נתונים גדולים.

7. כדי לוודא שהמודל פועל כמו שצריך, אפשר להשתמש בתצוגה מקדימה של התחזית.

8. יוצרים ניסוי A/B.

דרישות מינימליות לגבי נתונים לפי סוג המודל

סוג אירועי המשתמשים שאתם מייבאים וכמות הנתונים שאתם צריכים תלויים בסוג ההמלצה (המודל) וביעד האופטימיזציה. כשמגיעים לדרישת הנתונים המינימלית, אפשר להתחיל לאמן את המודל.

חלון איסוף הנתונים מייצג את התקופה של אירועי המשתמשים. ייבוא של נתונים היסטוריים נוספים לא משפיע על איכות המודל.

חשוב להשתמש באירועים של משתמשים אמיתיים ובנתוני קטלוג אמיתיים. אי אפשר לבנות מודלים באיכות טובה על נתונים סינתטיים.

סוג המודל	יעד האופטימיזציה	סוגי אירועים נתמכים של משתמשים	דרישת נתונים מינימלית	חלון איסוף הנתונים
מומלץ בשבילך	שיעור קליקים	detail-page-view home-page-view	‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים וגם 7 ימים של אירועים מסוג home-page-view ב-90 הימים האחרונים ‫10,000 אירועים (home-page-view) ב-90 הימים האחרונים	3 חודשים
מומלץ בשבילך	שיעור המרה	add-to-cart detail-page-view home-page-view	‫7 ימים של אירועי add-to-cart ב-90 הימים האחרונים וגם 10 מקרים בממוצע של אירועי add-to-cart לכל פריט בקטלוג (בחלון של 90 ימים) או 60 ימים של אירועי add-to-cart ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע add-to-cart ב-90 הימים האחרונים ‫10,000 אירועים (add-to-cart) ב-90 הימים האחרונים וגם ‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view ) ב-90 הימים האחרונים וגם 7 ימים של אירועים מסוג home-page-view ב-90 הימים האחרונים ‫10,000 אירועים (home-page-view) ב-90 הימים האחרונים	3 חודשים
מומלץ בשבילך	הכנסה לכל סשן	add-to-cart detail-page-view home-page-view	‫7 ימים של אירועי add-to-cart ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי add-to-cart או 60 ימים של אירועי add-to-cart ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע add-to-cart ב-90 הימים האחרונים ‫10,000 אירועים ( add-to-cart) ב-90 הימים האחרונים וגם 7 ימים של אירועים מסוג home-page-view ב-90 הימים האחרונים ‫10,000 אירועים ( home-page-view ) ב-90 הימים האחרונים	3 חודשים
עוד אפליקציות שאולי יעניינו אותך	שיעור קליקים	detail-page-view	‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים	3 חודשים
עוד אפליקציות שאולי יעניינו אותך	שיעור המרה	add-to-cart detail-page-view	‫7 ימים של אירועי add-to-cart ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי add-to-cart או 60 ימים של אירועי add-to-cart ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע add-to-cart ב-90 הימים האחרונים ‫10,000 אירועים (add-to-cart) ב-90 הימים האחרונים וגם ‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים	3 חודשים
עוד אפליקציות שאולי יעניינו אותך	הכנסה לכל סשן	add-to-cart detail-page-view	‫7 ימים של אירועי add-to-cart ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי add-to-cart או 60 ימים של אירועי add-to-cart ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע add-to-cart ב-90 הימים האחרונים ‫10,000 אירועים (add-to-cart) ב-90 הימים האחרונים וגם ‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים	3 חודשים
נקנה ביחד לעתים קרובות	הכנסה לכל סשן	purchase-complete	10 מקרים בממוצע לכל פריט בקטלוג (עם חלון של שנה אחת של אירועי purchase-complete) או 90 ימים של אירועי purchase-complete בשנה האחרונה ‫100 פריטים ייחודיים בקטלוג לאירוע purchase-complete בשנה האחרונה ‫1,000 אירועים (purchase-complete) בשנה האחרונה	3 חודשים כדי לשמור על איכות נתונים טובה, מומלץ להעלות אירועים לפחות פעם ביום. במהלך ייבוא של אירועים היסטוריים, חשוב לוודא שהתפלגות הנתונים מוטה לכיוון חותמת הזמן העדכנית ביותר. מספר האירועים ביום האחרון של חותמת הזמן צריך להיות שווה למספר האירועים היומי הממוצע או גדול ממנו.
במבצע	שיעור קליקים	detail-page-view home-page-view	‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים וגם 7 ימים של אירועים מסוג home-page-view ב-90 הימים האחרונים ‫10,000 אירועים (home-page-view) ב-90 הימים האחרונים	3 חודשים
במבצע	שיעור המרה	add-to-cart detail-page-view home-page-view	‫7 ימים של אירועי add-to-cart ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי add-to-cart או 60 ימים של אירועי add-to-cart ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע add-to-cart ב-90 הימים האחרונים ‫10,000 אירועים (add-to-cart) ב-90 הימים האחרונים וגם ‫7 ימים של אירועי detail-page-view ב-90 הימים האחרונים וגם 10 מקרים בממוצע לכל פריט בקטלוג (בחלון של 90 ימים) של אירועי detail-page-view או 60 ימים של אירועי detail-page-view ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע detail-page-view ב-90 הימים האחרונים ‫10,000 אירועים (detail-page-view) ב-90 הימים האחרונים וגם 7 ימים של אירועים מסוג home-page-view ב-90 הימים האחרונים ‫10,000 אירועים (home-page-view) ב-90 הימים האחרונים	3 חודשים
פריטים דומים	לא רלוונטי	אין צורך.	לפחות 100 מק"טים של מוצרים צריכים להיות זמינים בסניף כלשהו	לא רלוונטי
אופטימיזציה ברמת הדף	הכול	detail-page-view add-to-cart purchase-complete home-page-view	אופטימיזציה ברמת הדף מאפשרת לבחור בין כמה מודלים אפשריים כדי לבצע אופטימיזציה של חלוניות ההמלצות. כדאי לעיין בדרישות הנתונים של המודלים שבוחרים כאפשרויות לאופטימיזציה ברמת הדף.	לא רלוונטי
קנייה חוזרת	לא רלוונטי	purchase-complete	10 מקרים בממוצע לכל פריט בקטלוג (עם חלון של 90 ימים של אירועי purchase-complete) או 60 ימים של אירועי purchase-complete ב-90 הימים האחרונים ‫100 פריטים ייחודיים בקטלוג לאירוע purchase-complete ב-90 הימים האחרונים ‫1,000 אירועים (purchase-complete) ב-90 הימים האחרונים לפחות 100 מק"טים של מוצרים צריכים להיות זמינים בסניף כלשהו	לא רלוונטי כדי לשמור על איכות נתונים טובה, מומלץ להעלות אירועים לפחות פעם ביום. במהלך ייבוא של אירועים היסטוריים, חשוב לוודא שהתפלגות הנתונים מוטה לכיוון חותמת הזמן העדכנית ביותר. מספר האירועים ביום האחרון של חותמת הזמן צריך להיות שווה למספר האירועים היומי הממוצע או גדול ממנו.

המאמרים הבאים

• יוצרים קובץ הגדרות להצגת המודל.
• איך משהים וממשיכים את האימון של המודל
• אחרי שהמודל מסיים את האימון, מתחילים לבקש המלצות.