その他の課題がある場合や、該当する問題が見つからない場合は、バグの報告または機能のリクエストをお送りください。また、cloud-recommendations-users Google グループまたは Stack Overflow ディスカッションにご参加ください。
全般
以下は、一般的なよくある質問です。
Vertex AI Search for Commerce のクライアント ライブラリまたは追加のサンプルコードは用意されていますか？
はい。各ライブラリのセットアップやリファレンスに関する情報については、クライアント ライブラリ ガイドをご覧ください。
未処理の REST 呼び出しの代わりに Google API Discovery Service を使用することもできます。
レコメンデーション モデルはすべてパーソナライズされていますか？
「あなたへのおすすめ」モデルと「関連商品のおすすめ」モデルと「もう一度購入」モデルは、ユーザーの履歴に基づいてカスタマイズされたレコメンデーションを表示します。「よく一緒に購入されている商品」と「類似アイテム」のモデルはカスタマイズされません。
レコメンデーション モデルについてをご覧ください。
カスタマイズされたレコメンデーションをすぐに受け取れますか？それとも、改善までしばらく待つ必要がありますか？
レコメンデーションの精度は、ユーザー履歴の収集が増えるにつれて向上します。「あなたへのおすすめ」モデルは人気のある商品、「関連商品のおすすめ」モデルは、主に他ユーザーのビューを基に類似商品を表示します。どちらのモデルでもユーザーの行動はすぐに考慮されるため、リアルタイム イベントを送信することが重要です。レコメンデーション モデルについてをご覧ください。
カスタマイズを有効にするには、ユーザー イベントをリアルタイムまたはほぼリアルタイムで送信する必要があります。ユーザー イベントが日次でのみ、または 1 日の間にバッチで送信されると、リアルタイム イベントが送信されても、パーソナライズされたモデルのパフォーマンスは期待できません。
モデルで Google ユーザー属性データを使用していますか？
モデルは、指定したカタログとユーザー イベントデータのみを使用します。ユーザー属性データを含める場合は、カスタム属性として役立つ他のテキストや数値情報を含めることができます。このデータは、再調整後にモデルで使用されます。
メールアドレスやユーザー名などの個人を特定できる情報（PII）を含めないでください。値をハッシュする、グループ ID を使用するなど、ユーザー属性データを匿名化することをおすすめします。
個々のユーザーの履歴ではなく、ユーザー グループのイベント履歴に基づいてレコメンデーションを作成できますか？
レコメンデーションは単一の訪問者 ID またはユーザー ID に基づいています。まず個別のリクエストを行い、その結果を結びつけて、グループの履歴に関するレコメンデーションのみを基本とします。ユーザーに共通のメタデータ属性がある場合、ユーザー ID としてグループ ID を使用してグループレベルのレコメンデーションを提供できます。
商品のイメージ URL は送信できましたがモデルは商品画像を考慮していますか？
はい。商品画像は商品カタログ データの一部として送信できます。Vertex AI Search for Commerce は、商品 URL とその背後にある ID（URI）を使用して、商品説明を拡充します。
Product オブジェクトには、画像オブジェクトのリストである images フィールドが含まれています。各画像オブジェクトには、URI、高さ、幅を含めることができます。商品あたり最大 300 枚の画像を登録できます。商品の画像は省略可能ですが、提供することを強くおすすめします。（予測プレビュー）では、Search for commerce コンソールでモデルの予測結果をプレビューする際に、イメージ URL を使用して画像を表示することもできます。
会社は小売の e コマースサイトではありません。x、y、z の予測に推奨事項を使用できますか？
推奨事項は、コンテンツのおすすめ、動画ストリーミング、ゲームなどのユースケースに利用されています。ただし、Google のコンテンツとエクスペリエンスは小売 e コマースのユースケースを念頭に置いて設計されているため、他のユースケースには適さないことがあります。
サイトのどのページにもレコメンデーションを表示できますか？
はい。ただし、各モデルは特定のユースケース向けに設計されており、特定のページで最適に動作します。レコメンデーション モデルについてをご覧ください。
「よく一緒に購入されている商品」や「関連商品のおすすめ」には商品アイテム ID が必要です。そのため、商品 ID やカート内の商品などを利用して、商品アイテム ID をレコメンデーションに使用してください。通常は一緒に購入すると、カートに追加ページまたは購入手続きページで最も効果があります。また、類似商品は、商品の詳細ページで最も効果的です。「あなたへのおすすめ」は、入力として訪問者 ID のみが必要ですが、ホームページ サービス提供構成として設計されているため、任意のページに配置できます。「再購入」は、任意のページに配置できるように設計されています。
メール ニュースレターのレコメンデーションに推奨事項を使用できますか？
はい。これを行うには、訪問者 ID またはユーザー ID を使用して API を呼び出し、その結果をメール テンプレートに組み込みます。メールの開封確認時にアイテムを動的に読み込むには、予測リクエストを送信するために Google Cloud 関数などの中間エンドポイントを使用する必要があります。この API は、注文された商品 ID とメタデータのリストのみを提供するため、画像の結果をレンダリングする独自のコードも記述する必要があります。
ウェブ以外のユースケース（モバイルアプリ、キオスク）でも Vertex AI Search for Commerce を使用できますか？
はい。アプリの結果を取得するには、エンドポイント（Google Google Cloud Function など）を設定します。リアルタイム イベントを送信するために同様のメカニズムも必要です。
3 か月以上のイベントデータがありません。Vertex AI Search for Commerce は引き続き使用できますか？後ほどデータをさらに追加することはできますか？
「似ている商品アイテム」モデルでは、ユーザー イベント データまたはモデルのチューニングを使用しません。イベント データがなくても、カタログ データがある限り、「似ている商品アイテム」モデルを作成してトレーニングできます。
リアルタイム イベントのトラフィックを十分に記録できる場合は、最近のデータを他のモデルのトレーニングに使用できます。後日使用できるデータがある場合、初期モデル トレーニング後にアップロードできます。新しくバックフィルされたデータは、毎日の再トレーニング中にモデルに組み込まれます。ただし、データが、最初のトレーニングで使用されたイベントと大きく異なる場合は、モデルの再調整が必要になる場合があります。
ほとんどのモデルは、すべてのモデルについて 3 か月以上の期間のプロダクト ページビュー、ホームページ ビュー、「カートに追加」イベントがあると最適に機能します。理想的に機能するのは、「よく一緒に購入される商品」モデルの 1 ～ 2 年間の購入履歴がある場合です。
「関連商品のおすすめ」モデルと「あなたへのおすすめ」モデルのトレーニングを開始するには、1 ～ 2 週間のページビューの詳細だけで十分です。一方、「よく一緒に購入される」や「もう一度購入」については、ページビュー数に比べて 1 日あたりの購入数がより少ないのが普通であるため、もっと多くのページビューの詳細が通常必要です。データが多いほどモデルの品質を顕著に改善できます。最低限のデータ量では最適な結果が得られない可能性があります。たとえば、1 年間の購入額を使用することで、モデルは季節性やトレンドをより適切に活用できます。
商品と一緒にカテゴリを提案できますか？
推奨事項は商品のレコメンデーションのみを返しますが、結果の一部として返される各商品のカテゴリを取得できます。
SQL データベースや他のシステム（BigQuery など）からデータをアップロードするための統合機能はありますか？
はい。イベントについては、BigQuery から読み取るサンプルコードが用意されています。BigQuery 用の Google アナリティクス サンプル データセットをご覧ください。
Vertex AI Search for Commerce では Cookie が使用されますか？
いいえ、Cookie は使用されません。ただし、Vertex AI Search for Commerce に送信されるすべてのイベントには、訪問者 ID を指定する必要があります。多くの場合、Cookie のセッション ID が使用されます。
専用の Google Cloud プロジェクトが必要ですか？
新しい専用プロジェクトを作成するか、既存のプロジェクトで Vertex AI Search for Commerce を有効にできます。
Cloud Shell の使用時に認証情報が機能しないのはなぜですか？
Vertex AI Search for Commerce の認証の設定手順を完了していることを確認します。ご使用の環境で利用できるようにしたサービス アカウントを使用する必要があります。そうしないと、「アプリケーションは、サポートされていない Google Cloud SDK または Google Cloud Shell のエンドユーザー認証情報を使用して認証されています」のようなエラーが発生することがあります。
サービス アカウントの詳細については、 Google Cloud ドキュメントの認証のセクションをご覧ください。
Vertex AI Search for Commerce を類似のソリューションと比較するにはどうすればよいですか？
A/B テストを実施すると、Vertex AI Search for Commerce の結果を他の商品の結果と比較できます。
特徴 x、y、z はすばらしいことだと思います。追加可能ですか？
ご意見をお聞かせください。機能リクエストは、お客様のアカウント担当の Google チーム、Google サポート、Issue Trackerから提出できます。
引き続き推奨事項の API を使用できますか？
レコメンデーションは Recommendations Engine API から Vertex AI Search for Commerce に移行しました。ベータ版の Recommendations Engine API を使用していた場合は、推奨事項を一般提供の Vertex AI Search for Commerce（サービス エンドポイント https://retail.googleapis.com）に移行することをおすすめします。
以前の API（サービス エンドポイント https://recommendationengine.googleapis.com）とそのドキュメントは引き続き利用できますが、更新されることはありません。
カタログと商品
カタログと商品に関するよくある質問は次のとおりです。
新しい商品でコールド スタートは推奨事項でどのように処理されますか？
購入履歴がない商品の場合、類似する商品に基づいてレコメンデーションが表示されます。そのような場合は、カタログで良好な商品名、カテゴリ、説明を定義しておくことが特に重要です。
コールド スタート ユーザー（履歴のない訪問者）の場合、モデルは最も人気のある一般的な商品から始まり、ユーザー イベントが発生するにつれてリアルタイムでさらにカスタマイズされたものになります。
カタログとアイテムについてと商品のリファレンス ページをご覧ください。
Merchant Center カタログをレコメンデーションに使用できますか？
はい。Merchant Center Data Transfer Service を使用して Merchant Center カタログを BigQuery にエクスポートできます。その後、BigQuery から直接カタログを読み取ることができます。Merchant Center からカタログデータをインポートするをご覧ください。
他の方法でカタログをインポートするにはどうすればよいですか？
- Merchant Center: Merchant Center を使用してインポートします。検索を使用する場合、カタログが自動的に同期されるように、コンソールを使用して Merchant Center をリンクさせることができます。
- BigQuery: テーブルまたはビューから直接インポートします。
- Cloud Storage: 1 行に 1 つの JSON カタログ アイテムを含んだテキスト ファイルを使用してインポートします。
- インライン インポート: 1 行に 1 つの JSON カタログ アイテムを含んだテキスト ファイルを使用して、API 呼び出しとともにインポートします。
- 商品アイテムを作成する:
Products作成メソッドを使用します。
カタログを更新を維持するにはどうすればよいですか？カタログはどのくらいの頻度で更新する必要がありますか？
カタログを最新の状態に保つをご覧ください。
カタログは毎日更新することをおすすめします。Cloud Storage または BigQuery からの完全な更新、または増分更新（新しいアイテムと変更されたアイテムのみ）を実行できます。
可能であれば、価格と在庫状況をリアルタイムで更新します。これは、検索で新しいアイテムをすばやく検索可能にする方法に影響します。
Pub/Sub、メッセージ キュー、イベントなどを使用してカタログの変更について通知を受け取る方法がある場合は、インポートまたは作成の API メソッドを使用してリアルタイムでカタログを更新できます。
たとえば、Cloud Scheduler を使用して、毎日の BigQuery インポート呼び出しを行うことができます。
カタログの最小サイズと最大サイズはありますか？
最小サイズはありませんが、とても小さいカタログのサイズ（100 アイテム未満）だと、レコメンデーションする商品が非常に少ないため、レコメンデーションから得られるメリットはあまりありません。
カタログの最大アイテム数は 4,000 万です。
デフォルトの割り当てと上限のドキュメントと、割り当ての変更をリクエストする方法に関するドキュメントをご覧ください。
会社が複数の国でウェブサイトを運営しています。すべてのデータで 1 つのカタログを使用するべきですか？
通常は、すべてのアイテムを含むカタログを 1 つだけ用意することをおすすめします。イベントはすべて 1 つの通貨を使用して送信する必要があります。プロジェクト内で複数のカタログを使用することはできませんが、エンティティを使用している場合は、特定の国の検索、レコメンデーション、予測入力の動作を指定できます。
ウェブサイト間でカタログが大幅に異なる場合は、ウェブサイトごとに別々のプロジェクトを用意することをおすすめします。また、国ごとに言語が異なる場合は、言語ごとに個別のプロジェクトを用意することをおすすめします。
メインのウェブサイトに比べてトラフィックが少ない類似したウェブサイトがある場合、すべてのウェブサイトで高品質のモデルを生成するのに十分なイベントがないのであれば、1 つのカタログを使用することをおすすめします。
1 つのカタログを使用するには、カタログの商品アイテム ID を統一する必要があります。つまり、同じ商品は、カタログ内での商品の重複を避けるため、すべてのウェブサイトで同じ商品アイテム ID を持つ必要があります。
推奨事項のみを使用する場合、エンティティを使用する代わりに、フィルタを使用して特定のウェブサイトをフィルタリングすることもできます。フィルタの更新には 8 時間程度かかることがあるため、国別の在庫状況（在庫なし）の要件がある場合は、通常、予測後に結果を除外するビジネスルールで処理する必要があります。これは、v1 の filter_tag フィルタリングと v2 の属性ベースのフィルタリングに適用されます。
Vertex AI Search for Commerce は、カタログごとに複数の通貨をサポートしていますか？
いいえ、カタログごとに 1 つの通貨タイプのみがサポートされています。イベントは単一の通貨を使用してアップロードする必要があります。
Search for commerce コンソールを使用して収益指標を取得する予定がある場合は、事前にすべてのイベントで単一の通貨を使用するか、すべて同じ通貨に換算します。
複数のサイトで、カタログや類似のアイテムを共有しています。推奨事項でクロスサイト レコメンデーションを提供できますか？
サイト間で大きな重複がある場合のみ、通常は 1 つのカタログを使用することをおすすめします。同じ商品を多数または完全に共有する必要があります。さらに、マルチリージョンのサイトと同様に、エンティティかフィルタタグを使用して、特定の予測呼び出しでサイト固有の項目のみを返すことができます。
サイトで多数、または 1 つもカタログ アイテムを共有していない場合は、複数のカタログを使用する必要があります。複数のカタログを使用する場合は、カタログごとに個別の Google Cloud プロジェクトが必要です。
メタデータを増やすとモデルが改善されますか？モデルでは、フィールド x、y、z が考慮されますか？
必須フィールドについては、カタログ アイテムの必須情報をご覧ください。
その他のメタデータ フィールドは省略可能です（例: 画像、itemAttributes）。それらは予測のプレビュー、結果の分析、トレーニング、チューニングに使用できます。色、サイズ、素材などの有用な属性を含めることをおすすめします。これらのフィールドは、returnProduct:true を指定することで予測結果の一部として返すことができます。そのため、結果のレンダリングに便利です。画像とアイテム属性は、Search for commerce コンソールの予測プレビューに使用されます。
モデルのトレーニングの入力として使用されるカタログ アイテムの属性はどれですか？
ユーザー行動と商品属性の組み合わせが使用されます。使用される主なフィールドは、ID、タイトル、カテゴリ階層、価格、URL です。Product.attributes[] に役立つ他のカスタム Key-Value 属性を含めることができます。
イメージ URL は便利な機能です。このメタデータを予測結果の一部として返すには、returnProduct:true を指定します。これにより、この情報を取得するための追加呼び出しを保存することができます。イメージの URL を指定すると、Search for commerce コンソールでモデルの予測結果をプレビューするときに予測プレビューでも画像を表示できます。
商品でサポートされている言語は何ですか？
- レコメンデーション機能: ほとんどの言語をサポートしています。このモデルは、テキストの言語を自動的に検出します。自動検出できるすべての言語の一覧については、Compact Language Detector の GitHub README をご覧ください。
- 検索機能: こちらに記載した世界中の言語に対応しています。言語はカタログをアップロードするときに設定します。カタログは 1 つの言語のみで作成し、クエリも同じ言語で送信する必要があります。カタログに複数の言語が含まれていると、モデルのパフォーマンスが低下します。
注: 検索に複数の言語カタログがすでにある場合、類義語を追加すると、結果が向上します。類義語については、OnewaySynonymsAction と TwowaySynonymsAction をご覧ください。
カタログにプライマリ / バリアントまたは親 / 子 の SKU があります。これらはサポート対象ですか？
はい。これは、Merchant Center の item_group_id に似ています。レコメンデーションを返す方法（親レベルまたは子レベル）と、イベントが親レベルまたは子レベルのどちらにあるかを決定する必要があります。
商品レベルについて詳しくは、商品レベルをご覧ください。
アイテムやイベントを送信する前に、正しい商品レベルを決定、設定します。商品レベルは変更できますが、アイテムの再結合とモデルの再調整が必要になります。
使用できなくなった商品はカタログから削除できますか？
アイテムが最新でない場合は、アイテムを削除するのではなく、ステータスを OUT_OF_STOCK に設定して、そのアイテムを参照する過去のユーザー イベントが無効にならないようにすることをおすすめします。
ユーザー イベント
ユーザー イベントに関するよくある質問は次のとおりです。
収集する必要があるユーザー イベントにはどのようなものがありますか？
ユーザー イベント タイプの一覧、およびユーザー イベントの要件とおすすめの方法については、ユーザー イベントについてをご覧ください。
モデル作成時のデータ品質の問題をトラブルシューティングするにはどうすればよいですか？
Search for commerce コンソールの [データ品質] ページに移動して、取り込まれたカタログとユーザー イベントに関するデータ品質指標を確認します。
Google アナリティクス 360 を統合できますか？
Google アナリティクス 360（GA360）の履歴データを使用できます。Merchant Center のデータと同様に、アナリティクス 360 のデータを BigQuery にエクスポートすると、Vertex AI Search for Commerce は BigQuery から直接イベントを読み取ることができます。
リアルタイム イベントの場合は、イベントが GA360 で遅延されるため、Google タグ マネージャーとトラッキング ピクセルを統合することをおすすめします。
Google アナリティクス 360 からユーザー イベントをインポートしたいと考えています。必要なすべてのユーザー イベントが提供されますか？
Google アナリティクス 360 は、検索イベントを除く、Vertex AI Search for Commerce で使用されるすべてのユーザー イベントをネイティブにサポートします。検索ユーザー イベントをアナリティクス 360 からインポートすることもできますが、Vertex AI Search for Commerce は、検索クエリ、および商品のインプレッション（ある場合）から検索ユーザー イベントを作成します。
Recommendations AI にイベントをフィードするにはどうすればよいですか？
通常、ユーザーは Cloud Storage または API インポートを使用して履歴イベントをインポートし、JavaScript Pixel タグまたは GTM タグを使用してリアルタイム イベントをストリーミングします。
モデルに必要なものとしてリストされたユーザー イベントタイプをすべて送信できない場合はどうすればよいですか？各モデルに必要な最小イベントタイプは何ですか？
各モデルと最適化目標の要件は多少異なります。ユーザー イベント データの要件をご覧ください。
一般的に、モデルのパフォーマンスはカタログ アイテムあたりのイベント数が多いほど高くなります。トラフィックが多いサイトの場合は、少ない量の過去のデータで始めることが可能ですが、通常は少なくとも数週間分のデータが必要になります。
収益または数量に値のないカート追加イベントと購入完了イベントがあります。何を送信すればよいですか？
数量の値がない場合は、モデルの結果に影響を与えずにデフォルト値 1 を渡すことができます。アイテムには、常に displayPrice を設定する必要があります。originalPrice と cost は省略可能です。
私のデータでは限られた種類のイベントしかカバーしていません。Vertex AI Search for Commerce は引き続き使用できますか？
各モデルタイプの最小データ要件については、ユーザー イベントデータの要件をご覧ください。
検索結果
検索結果に関するよくある質問をご紹介します。
検索結果はカスタマイズされていますか？
はい。検索では、カスタマイズされた結果を提供できます。検索結果は訪問者 ID に基づいてカスタマイズされます。詳細については、カスタマイズをご覧ください。
検索リクエストの一部として、ユーザーが買い物をする店舗などのコンテキストを含めるにはどうすればよいですか？
店舗 ID による在庫状況と納品オプションは、商品カタログの属性です。属性は、検索リクエストでパラメータとして送信できます。結果は、リクエスト内の店舗 ID に基づいてフィルタリングまたはランク付けできます。
検索結果で商品を非表示にできますか？
はい。filter パラメータを使用すると、タグに基づいて結果をフィルタできます。
在庫状況や価格など、複数の基準でランク付けすることは可能ですか？
はい、boostSpec により複雑なランキング ルールを指定できます。
複数のファセットを使用して結果を得るために、いくつかの属性をグループ化することは可能ですか？たとえば、商品の原産地が同じ国内の都市をグループ化する場合などです。
商品の属性は階層ではありません。ただし、複数のカスタム属性を使用して商品属性を階層にすることはできます（例: 国と都市に別々の属性を使用する）。
提案はどのような仕組みですか？
提案は、ユーザークエリ、書き換えられたクエリ、プロダクト名の組み合わせです。高品質なオートコンプリートの提案を生成するには、十分な数の検索イベントをカタログとともに取り込む必要があります。
検索で大文字と小文字は区別されますか？
テキスト クエリは、言語分析により通常は大文字と小文字が区別されません。ただし、フィルタ式と並べ替え順序では大文字と小文字が厳密に区別されます。
ハイフンを含む部品番号を検索可能にするにはどうすればよいですか？
標準の言語分析では、特殊文字が削除されることがあります。これらの値を、exact-searchable フラグが有効になっているカスタム属性にマッピングします。取り込み前に文字列を n グラムに分割することも検討してください。
カタログが別の言語で作成されている場合、検索エンジンはユーザーのクエリを翻訳しますか？
いいえ。カタログの言語と検索クエリの言語は一致している必要があります。ユーザーが複数の言語で検索することが想定される場合は、類義語制御を実装して、ユーザーのクエリをカタログの基本言語にマッピングする必要があります。
検索結果がカテゴリで正しくフィルタされないのはなぜですか？
カテゴリ名に「>」が含まれていないか確認します。この文字は階層の区切り文字（Clothing > Mens など）として厳密に予約されています。カテゴリ名にデフォルトで含まれている場合は、フィルタが機能しなくなるため、置き換える必要があります。
予測結果
予測結果に関するよくある質問を以下に示します。
返すことができる予測数に上限はありますか？
デフォルトでは、予測リクエストはレスポンスに 20 アイテムを返します。これは、pageSize の値を送信して増減できます。
100 件を超えるアイテムを返品する必要がある場合は、Google サポートにお問い合わせください。ただし、100 個以上の項目を返す場合は、レスポンスのレイテンシが長くなる可能性があります。
モデルが特定の商品のレコメンデーションを作成した理由を表示できますか？
いいえ。
予測結果をダウンロードしてキャッシュに保存できますか？
予測結果はサイト上のユーザー アクティビティに応じてリアルタイムで改善されるため、キャッシュ保存された予測の使用は推奨されません。モデルは毎日トレーニングして、カタログに対する変更を取り込み、新しいトレンドに反応します。
Google 側で検索結果と閲覧結果のキャッシュを使用すると、お客様の顧客データ プライバシー規約に違反することになります。これにより、キャッシュ検出メカニズムがトリガーされ、カスタマイズが自動的に削除されます。
より広範には、特定のクエリの検索結果をキャッシュに保存せず、検索リクエストごとに新しいクエリを送信する限り、画像と商品の詳細をキャッシュに保存できます。
ビジネスルールに基づいて返されるレコメンデーションを再ランク付けする必要があります。これはサポートされていますか？
はい。ただし、ビジネスルールに基づいて返されたレコメンデーションを再ランク付けすることは可能ですが、レコメンデーション結果の順序変更やフィルタリングを行うと、モデルの全体的な効果が低下する可能性があるのでご注意ください。価格の再ランキングは、「関連商品のおすすめ」モデルと「あなたへのおすすめ」モデルの組み込みのカスタマイズとして使用できます。料金の再ランキングをご覧ください。
作成して使用できるフィルタタグの数に上限はありますか？
ユニークタグの数にハードリミットはありません。しかし、システムは 1 つのアイテムにつき多くのフィルタタグを処理するようには設計されていません。可能であれば、フィルタタグをカタログ アイテムごとに最大 10 個に制限することをおすすめします。カタログ全体の合計タグ数の上限は 100,000,000 です。割り当てと上限をご覧ください。
最適化案を多様化できますか？
はい。レコメンデーションの多様化は、サービス提供構成の一部として、または予測リクエストのパラメータで指定できます。
推奨対して料金で優先付けすることはできますか？
はい。料金の再ランキングでは、おすすめの確率が同様のおすすめ商品が、料金の高い順に並べられます。
会話機能
ここでは、Vertex AI Search for Commerce の会話機能、商品フィルタリング、コマースに関するよくある質問について説明します。
会話セッションはどのように維持されますか？また、コンテキストを更新するにはどうすればよいですか？
会話セッションは、会話型コマース エージェントのレスポンスで返される会話 ID を使用して維持されます。この会話 ID は、同じ会話内の後続のすべてのリクエストで渡す必要があります。会話を更新するか、新しい会話を開始するには、会話 ID なしで新しい API リクエストを開始します。
ストリーミング API は実装とユーザー エクスペリエンスにどのような影響を与えますか？
ストリーミングの性質上、クエリタイプをすぐに受け取ることができます。これにより、会話テキスト レスポンスがあるクエリと、SIMPLE_PRODUCT_SEARCH のように会話テキスト レスポンスがないクエリを区別できます。SIMPLE_PRODUCT_SEARCH の場合、コア Search API への呼び出しをすぐにトリガーできます。
ConversationalSearchRequest の searchParams がコアの検索 API 呼び出しを反映することが重要なのはなぜですか？
フィルタ、並べ替え順序、ブースト ルールなど、searchParams の一貫性を維持したい。一貫性を維持することで、API から提供される会話型の回答や絞り込み後のクエリが、ユーザーに表示される実際の検索結果と一致するようになります。
基本的な商品検索が検出された場合、会話は終了しますか？他の会話モードに戻ることはできますか？
会話は終了しません。会話 ID は有効なままです。小売業者は、チャット ウィンドウを永続的に表示し、ユーザーが会話を継続できるように UX を設計できます。「元に戻す」機能は、この特定の UX 実装の選択によって異なります。
会話コンテキストのために Conversational API が保存するデータと、その保存期間を教えてください。
会話の流れを維持するため、会話 API はユーザーのクエリ、会話テキスト レスポンス、フォローアップの質問を保存します。このコンテキスト情報は 7 日間保持されます。
会話型 API は、会話型プロダクト フィルタリングと同様に、もっと聞くの質問に対する回答候補を提供しないのはなぜですか？
フォローアップの質問に対する回答の候補の提供はサポートされていませんが、この機能はロードマップに記載されています。今後の情報にご注目ください。
Conversational API はパフォーマンスとコンテキストにキャッシュ保存をどのように使用しますか？
Conversational API は、特定の顧客とプロジェクトのクエリタイプと絞り込み検索クエリを最大 10 日間キャッシュに保存します。つまり、同じクエリが繰り返された場合、システムはインテントと提案された絞り込みをすばやく取得できます。
ML モデル
モデルに関するよくある質問は次のとおりです。
カタログとイベントをアップロードしましたが、Prediction API を呼び出すときに、次のレスポンスがまだ返されます。「レコメンデーション モデルの準備ができていません。
統合目的で予測リクエストで「dryRun」を true に設定すると、カタログの任意のカタログ アイテムが返されます（本番環境トラフィックには使用しないでください）。
これは通常、モデルのトレーニングが完了していないことを示します。モデルを作成してから 10 日以上経過してもこのレスポンスが引き続き返される場合は、サポートまでお問い合わせください。
モデルのトレーニングにはどのくらいの時間がかかりますか？
最初のモデルのトレーニングと調整には 2～5 日かかりますが、大規模なデータセットの場合はさらに時間がかかることがあります。 それ以降は、モデルを無効にしない限り、モデルは毎日自動的に再トレーニングされます。モデルのトレーニングを一時停止して再開するをご覧ください。
モデルをダウンロードまたはエクスポートできますか？
×
既存のプロジェクトで作成したモデルを新しいプロジェクトで使用できますか？
いいえ。新しいプロジェクトでモデルを作成して再トレーニングする必要があります。
カテゴリページにモデルを使いたいのですが、可能でしょうか？
はい。あなたへのおすすめ機能はカテゴリページに役立ちます。
カテゴリページはホームページに似ていますが、そのカテゴリのアイテムのみを表示する点が異なります。これを実現するには、フィルタタグを持つ標準の「あなたへのおすすめ」モデルを使用します。たとえば、カスタマイズしたフィルタタグ（カテゴリページに対応）をカタログのアイテムに追加できます。予測リクエストを送信するときは、ユーザー イベント オブジェクトを category-page-viewとして設定し、特定のカテゴリページのタグを filter フィールドに指定します。リクエストされたフィルタタグに一致するレコメンデーションの結果のみが返されます。このユースケースでは、多様化を無効にする必要があります。多様化はカテゴリベースのフィルタタグと競合するためです。
モデルのカスタマイズを無効にできますか？
デフォルトでは、予測結果は関連商品のおすすめ、あなたへのおすすめ、再購入のレコメンデーション モデルタイプ用にカスタマイズされます。
パーソナライズを無効にすることはおすすめしません。パーソナライズされていない結果が必要な場合は、予測リクエストでランダムな一意の訪問者 ID を使用できます。
e コマース コンソールを検索する
ここでは、Search for commerce コンソールの使用に関するよくある質問を紹介します。
いくつかのイベントを削除しましたが、ダッシュボードにはこれらのイベントタイプの数がまだ表示されています。
これは予期されたエラーです。コマース検索ダッシュボードには、特定の期間に取り込まれたイベントの数が表示されます。現在のカウントやイベント数は表示されません。
通常、ユーザー イベントは記録後、所定の保存場所にそのままにしておく必要があります。イベントを完全に削除することはおすすめしません。 イベントを完全に削除する必要がある場合は、ユーザー イベントを削除するのドキュメントをご覧ください。
カタログやユーザー イベントでエラーが発生しているかどうかを確認するにはどうすればよいですか？
ほとんどの API 呼び出しでは、構文に問題がある場合にエラーが返されます。[Search for commerce] ダッシュボードには、結合されていないイベントの割合が表示されます。これは、有用な指標でもあります。Cloud Monitoring と Cloud Logging を使用して、イベントのステータスをモニタリングできます。
レコメンデーションのサービス提供構成が無効になっているのはなぜですか？どうすれば有効にできますか？
レコメンデーションのサービス提供構成を使用するには、まずカタログとユーザー イベントデータを送信して、対応するモデルをトレーニングする必要があります。モデルのトレーニングが終了すると、ダッシュボードにモデルがクエリできる状態であることが示されます。
Google 検索のコマース機能では、収益指標はどの通貨でレポートされますか？
Search for Commerce は、アップロードしたデータで使用されている通貨の指標をレポートします。Vertex AI Search for Commerce は、カタログごとに複数の通貨を使用することはサポートしておらず、通貨を変換しません。