שאלות נפוצות

נתקלתם בבעיות אחרות או שהבעיה שלכם לא מופיעה כאן? דיווח על באג או בקשה להוספת תכונה והצטרפות לקבוצת Google‏ cloud-recommendations-users או לדיונים ב-Stack Overflow.

כללי

אלה שאלות נפוצות כלליות.

יש לכם ספריות לקוח ל-AI Commerce Search או קוד לדוגמה נוסף?

כן. במדריך לספריות לקוח אפשר למצוא מידע על הגדרות ועל הפניות לכל ספרייה.

אפשר גם להשתמש בGoogle API Discovery Service במקום בקריאות גולמיות ל-REST.

האם כל המודלים של ההמלצות מותאמים אישית?

המודלים 'מומלץ בשבילך', 'אולי יעניין אותך' ו'רכישה חוזרת' מספקים המלצות מותאמות אישית כשמספקים להם את היסטוריית המשתמש. המודלים 'נקנה ביחד לעתים קרובות' ו'פריטים דומים' לא מותאמים אישית.

מידע נוסף על מודלים של המלצות

האם אקבל המלצות בהתאמה אישית באופן מיידי, או שאצטרך לחכות עד שההמלצות ישתפרו עם הזמן?

ככל שתאספו יותר היסטוריית משתמשים, ההמלצות ישתפרו. המודל 'מומלץ בשבילך' מציג מוצרים פופולריים, והמודל 'מוצרים נוספים שעשויים לעניין אותך' מציג מוצרים דומים על סמך צפיות של משתמשים אחרים. שני המודלים האלה מתחילים להתחשב בהתנהגות המשתמשים באופן מיידי, ולכן חשוב לשלוח אירועים בזמן אמת. מידע נוסף על מודלים של המלצות

כדי שההתאמה האישית תהיה יעילה, צריך לשלוח את אירועי המשתמשים בזמן אמת או קרוב מאוד לזמן אמת. אם אירועי משתמש נשלחים רק מדי יום, או בקבוצות במהלך היום, יכול להיות שהביצועים של המודלים המותאמים אישית לא יהיו טובים כמו שהם יכולים להיות אם האירועים היו נשלחים בזמן אמת.

האם אתם משתמשים בנתונים דמוגרפיים של משתמשי Google במודלים שלכם?

המודלים משתמשים רק בנתוני הקטלוג ובנתוני האירועים של המשתמשים שאתם מספקים. אם רוצים לכלול נתונים דמוגרפיים, אפשר לכלול מידע טקסטואלי או מספרי אחר שעשוי להיות שימושי כמאפיינים מותאמים אישית. המודל יתחיל להשתמש בנתונים האלה אחרי שהוא יעבור כוונון מחדש.

אל תכללו פרטים אישיים מזהים (PII) כמו כתובות אימייל או שמות משתמש. מומלץ לבצע אנונימיזציה של נתונים דמוגרפיים, למשל באמצעות גיבוב של הערכים או שימוש במזהי קבוצות.

האם אפשר להמליץ על סמך היסטוריית האירועים של קבוצת משתמשים ולא על סמך ההיסטוריה של משתמש יחיד?

ההמלצות מבוססות על מזהה מבקר יחיד או מזהה משתמש יחיד. תצטרכו לשלוח בקשות נפרדות ואז לשלב את התוצאות כדי להמליץ על סמך ההיסטוריה של הקבוצה. אם למשתמשים יש מאפייני מטא-נתונים משותפים, אפשר להשתמש במזהי קבוצות כמזהי משתמשים כדי לספק המלצות ברמת הקבוצה.

שמתי לב שאפשר לשלוח כתובות URL של תמונות של מוצרים. האם המודלים מתייחסים לתמונות המוצרים?

כן, אפשר לשלוח תמונות מוצרים כחלק מנתוני קטלוג המוצרים. התכונה 'AI Commerce Search' משתמשת בכתובות URL של מוצרים ובמזהים שמאחוריהן (URI) כדי לשפר את תיאורי המוצרים.

אובייקט Product מכיל שדה images, שהוא רשימה של אובייקטים מסוג image. כל אובייקט של תמונה יכול לכלול URI, גובה ורוחב. אפשר להוסיף עד 300 תמונות לכל מוצר. הוספת תמונות של מוצרים היא אופציונלית, אבל מומלצת מאוד. ‫(Prediction preview) משתמש גם בכתובות URL של תמונות כדי להציג את התמונות כשמציגים תצוגה מקדימה של תוצאות התחזית של מודל ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.

החברה שלי לא מפעילה אתר מסחר אלקטרוני קמעונאי. האם עדיין אפשר להשתמש בהמלצות כדי לחזות את x,y,z?

לקוחות השתמשו בהמלצות להמלצות על תוכן, להזרמת סרטונים ולמשחקים, וגם לתרחישי שימוש אחרים. עם זאת, התוכן והחוויה שלנו מיועדים לתרחיש השימוש של מסחר אלקטרוני קמעונאי, ועדיין לא מתאימים לתרחישי שימוש אחרים.

האם אפשר להציג המלצות בכל דף באתר?

כן, אבל כל אחד מהמודלים מיועד לתרחישי שימוש ספציפיים, ויכול להיות שהם יפעלו בצורה הכי טובה בדפים מסוימים. מידע נוסף על מודלים של המלצות

ההמלצות 'פריטים שנרכשו יחד לעיתים קרובות' ו'פריטים נוספים שאולי יעניינו אותך' דורשות מזהי פריטים, ולכן צריך להשתמש בהן להמלצות באמצעות מזהה מוצר או פריטים בעגלת קניות, למשל. התכונה 'פריטים שנרכשים לעיתים קרובות ביחד' מתאימה בדרך כלל לדפים של הוספה לעגלת הקניות או לדפי תשלום, ואילו התכונות 'פריטים נוספים שאולי יעניינו אותך' ו'פריטים דומים' מתאימות לדפי פרטי מוצר. המודול 'המלצות בשבילך' יכול להופיע בכל דף, כי הוא דורש רק מזהה מבקר כקלט, אבל הוא מיועד להגדרת דף הבית. התכונה 'קנייה חוזרת' מיועדת להצבה בכל דף.

האם אפשר להשתמש בהמלצות להמלצות בניוזלטרים באימייל?

כן. כדי לעשות זאת, שולחים קריאה ל-API עם מזהה מבקר או מזהה משתמש, ואז משלבים את התוצאות בתבנית אימייל. אם רוצים שהפריטים ייטענו באופן דינמי בזמן קריאת האימייל, צריך להשתמש בנקודת קצה מתווכת, כמו Google Cloud Function, כדי לשלוח את בקשת החיזוי. ה-API מספק רק רשימה של מזהי מוצרים ומטא-נתונים מסודרים, ולכן תצטרכו לכתוב קוד משלכם כדי להציג את תוצאות התמונות.

האם אפשר להשתמש ב-AI Commerce Search בתרחישי שימוש אחרים שאינם באינטרנט (אפליקציות לנייד, עמדות מידע)?

כן. אפשר להגדיר נקודת קצה (לדוגמה, Google Google Cloud Function) כדי לקבל תוצאות עבור האפליקציה. צריך גם מנגנון דומה לשליחת אירועים בזמן אמת.

אין לי נתוני אירועים מ-3 חודשים ומעלה. האם עדיין אוכל להשתמש ב-AI Commerce Search? האם אפשר להוסיף עוד נתונים בשלב מאוחר יותר?

המודל 'פריטים דומים' לא משתמש בנתוני אירועים של משתמשים או בהתאמת מודלים. אם אין לכם נתוני אירועים, עדיין תוכלו ליצור ולאמן מודל של פריטים דומים, בתנאי שיש לכם נתוני קטלוג.

אם אתם יכולים לתעד תנועה מספקת לאירועים בזמן אמת, אפשר להשתמש בנתונים עדכניים כדי לאמן מודלים אחרים. אם יהיו לכם נתונים נוספים בהמשך, תוכלו להעלות אותם אחרי האימון הראשוני של המודל. הנתונים החדשים שנוספו למאגר משולבים במודלים במהלך האימון מחדש שמתבצע מדי יום. עם זאת, אם הנתונים שונים באופן משמעותי מהאירועים ששימשו לאימון הראשוני, יכול להיות שיהיה צורך לכוונן מחדש את המודלים.

רוב המודלים פועלים בצורה הכי טובה עם נתונים של שלושה חודשים לפחות של צפיות בדפי מוצרים, צפיות בדף הבית ואירועי הוספה לעגלת הקניות עבור כל המודלים, ורצוי עם נתונים של שנה עד שנתיים של היסטוריית רכישות עבור המודל 'מוצרים שנרכשים יחד'.

יכול להיות ששבוע או שבועיים של צפיות בדפי פרטים יספיקו כדי להתחיל לאמן את המודלים של התכונות 'פריטים נוספים שאולי יעניינו אותך' ו'מומלץ בשבילך', אבל בדרך כלל נדרש יותר זמן כדי לאמן את המודלים של התכונות 'פריטים שנרכשים יחד' ו'רכישה חוזרת', כי בדרך כלל יש פחות רכישות ביום מאשר צפיות בדפים. ככל שיש יותר נתונים, איכות המודל משתפרת באופן משמעותי. יכול להיות שהכמות המינימלית לא תניב תוצאות אופטימליות. לדוגמה, נתונים של רכישות שבוצעו במהלך שנה מאפשרים למודלים לנצל טוב יותר את העונתיות והמגמות.

האם אפשר להמליץ על קטגוריות לצד מוצרים?

ההמלצות מחזירות רק המלצות על מוצרים, אבל אפשר לקבל את הקטגוריות של כל מוצר שמוחזר כחלק מהתוצאות.

האם יש לכם שילובים להעלאת נתונים ממסדי נתונים של SQL או ממערכות אחרות, כמו BigQuery?

כן. לגבי אירועים, יש קוד לדוגמה שקורא מ-BigQuery. מערך נתונים לדוגמה של Google Analytics לשימוש ב-BigQuery

האם AI Commerce Search משתמש בקובצי Cookie?

לא, הוא לא משתמש בקובצי Cookie. עם זאת, בכל האירועים שנשלחים ל-AI Commerce Search צריך לציין מזהה מבקר, שלרוב הוא מזהה סשן מקובץ Cookie.

האם צריך פרויקט Google Cloud ייעודי?

אפשר ליצור פרויקט חדש ייעודי או להפעיל את התכונה 'AI Commerce Search' בפרויקט קיים.

למה פרטי הכניסה שלי לא עובדים כשאני משתמש ב-Cloud Shell?

מוודאים שהשלמתם את שלבי ההגדרה של האימות ל-AI Commerce Search. צריך להשתמש בחשבון שירות שהגדרתם כזמין בסביבה שלכם. אחרת, יכול להיות שתקבלו שגיאה כמו זו: האפליקציה שלך אומתה באמצעות פרטי כניסה של משתמש קצה מ-Google Cloud SDK או Google Cloud Shell שלא נתמכים.

מידע נוסף על חשבונות שירות זמין בקטע בנושא אימות במסמכי העזרה של Google Cloud .

איך אפשר להשוות בין AI Commerce Search לבין פתרונות דומים?

אתם יכולים לערוך בדיקות A/B כדי להשוות בין התוצאות של AI Commerce Search לבין התוצאות של מוצרים אחרים.

לדעתי,התכונות x,‏ y ו-z יהיו מצוינות. Can you add this?

נשמח לשמוע מכם. אפשר לשלוח בקשות לתכונות דרך צוות ניהול החשבון, דרך התמיכה של Google או דרך כלי המעקב אחר בעיות.

האם עדיין אפשר להשתמש ב-API הישן להמלצות?

העברנו את התכונה 'המלצות' מ-Recommendations Engine API אל AI Commerce Search. אם השתמשתם ב-Recommendations Engine API כשהוא היה בגרסת בטא, מומלץ להעביר את ההמלצות שלכם ל-AI Commerce Search (נקודת קצה של השירות https://retail.googleapis.com), שהיא זמינה לכולם.

ה-API הקודם (נקודת הקצה של השירות https://recommendationengine.googleapis.com) והתיעוד שלו עדיין זמינים, אבל הם לא מתעדכנים יותר.

קטלוגים ומוצרים

אלה שאלות נפוצות לגבי קטלוגים ומוצרים.

איך המערכת מטפלת בהפעלות במצב התחלתי (cold start) של מוצרים חדשים?

לגבי מוצרים שאין להם היסטוריית רכישות, אנחנו נותנים המלצות על סמך מוצרים דומים. במקרים כאלה, חשוב במיוחד להגדיר בקטלוג שמות מוצרים, קטגוריות ותיאורים טובים.

למשתמשים חדשים (מבקרים ללא היסטוריה), המודלים מתחילים עם המוצרים הכלליים הפופולריים ביותר, ונעשים מותאמים אישית יותר בזמן אמת ככל שמתקבלים יותר אירועים של משתמשים.

מידע על קטלוגים ומוצרים ודף העיון במוצרים

האם אפשר להשתמש בקטלוג של Merchant Center להמלצות?

כן, אפשר לייצא קטלוג של Merchant Center ל-BigQuery באמצעות שירות העברת הנתונים של Merchant Center. אחרי זה נוכל לקרוא את הקטלוג ישירות מ-BigQuery. איך מייבאים נתוני קטלוג מ-Merchant Center

איך עוד אפשר לייבא את הקטלוג?

  • ‫Merchant Center: ייבוא באמצעות Merchant Center. אם אתם משתמשים בחיפוש, אתם יכולים להשתמש במסוף כדי לקשר את Merchant Center כך שהקטלוג שלו יסונכרן באופן אוטומטי.
  • ‫BigQuery: ייבוא ישירות מטבלה או מתצוגה.
  • ‫Cloud Storage: ייבוא באמצעות קובצי טקסט עם פריט קטלוג JSON אחד בכל שורה.
  • ייבוא מוטבע: ייבוא באמצעות קריאה ל-API, באמצעות קובצי טקסט עם פריט קטלוג אחד בפורמט JSON בכל שורה.
  • יצירת פריטי מוצר: משתמשים בשיטת היצירה Products.

איך אפשר לעדכן את הקטלוג? כל כמה זמן צריך לעדכן את הקטלוג?

מידע נוסף מופיע במאמר שמירה על קטלוג עדכני.

מומלץ לעדכן את הקטלוג מדי יום. אפשר לבצע עדכון מלא מ-Cloud Storage או מ-BigQuery, או עדכון מצטבר (כלומר, רק פריטים חדשים ופריטים ששונו).

אם אפשר, כדאי לעדכן את המחיר והזמינות בזמן אמת. ההגדרה הזו משפיעה על המהירות שבה אפשר לחפש פריטים חדשים באמצעות החיפוש.

אם יש לכם דרך לקבל הודעה על שינויים בקטלוג (למשל באמצעות Pub/Sub, תור הודעות, אירועים וכו'), אתם יכולים לעדכן את הקטלוג בזמן אמת באמצעות שיטות ה-API‏ import או create.

לדוגמה, אפשר להשתמש ב-Cloud Scheduler כדי לבצע קריאה לייבוא ל-BigQuery מדי יום.

האם יש גודל מינימלי ומקסימלי לקטלוג?

אין גודל מינימלי, אבל אם הקטלוג קטן מאוד (פחות מ-100 פריטים), יכול להיות שלא תראו הרבה יתרונות מההמלצות כי יש מעט מאוד מוצרים שונים להמליץ עליהם.

המספר המקסימלי של פריטים בקטלוג הוא 40 מיליון.

מידע נוסף על מכסות ומגבלות שמוגדרות כברירת מחדל ועל בקשות לשינוי המכסות זמין במסמכי התיעוד.

החברה שלי מפעילה אתרים בכמה מדינות. כדאי להשתמש בקטלוג אחד לכל הנתונים?

בדרך כלל הכי טוב להשתמש בקטלוג אחד עם כל הפריטים. חובה לשלוח את כל האירועים באותו מטבע. אי אפשר להשתמש בכמה קטלוגים באותו פרויקט, אבל אם משתמשים בישויות, אפשר לציין את אופן הפעולה של החיפוש, ההמלצות וההשלמה האוטומטית במדינה מסוימת.

אם הקטלוגים שונים מאוד בין האתרים, מומלץ ליצור פרויקט נפרד לכל אתר. בנוסף, אם השפות במדינות שונות, מומלץ ליצור פרויקטים נפרדים, אחד לכל שפה.

אם יש אתרים דומים עם תנועה נמוכה בהשוואה לאתר הראשי, יכול להיות שעדיף להשתמש בקטלוג יחיד אם אין מספיק אירועים כדי ליצור מודלים באיכות גבוהה לכל אתר בנפרד.

כדי להשתמש בקטלוג יחיד, מזהי הפריטים בקטלוג צריכים להיות עקביים. כלומר, לאותו מוצר צריך להיות מזהה פריט יחיד בכל האתרים, כדי שלא יהיו כפילויות של מוצרים בקטלוג.

אם רוצים לקבל המלצות רק לגבי אתר ספציפי, אפשר להשתמש במסננים במקום בישויות. עם זאת, יכול להיות שיחלפו עד 8 שעות עד שהמסננים יתעדכנו. לכן, אם יש דרישות זמינות (חסר במלאי) ספציפיות למדינה, בדרך כלל צריך לטפל בהן באמצעות כלל עסקי שמסנן את התוצאות אחרי התגובה של החיזוי. ההנחיה הזו רלוונטית לסינון בגרסה 1 filter_tag ולסינון לפי מאפיינים בגרסה 2.

האם AI Commerce Search תומך במספר מטבעות לכל קטלוג?

לא, יש תמיכה רק בסוג מטבע אחד לכל קטלוג. צריך להעלות את האירועים במטבע אחד.

אם אתם מתכננים להשתמש במסוף AI Commerce Search in Gemini Enterprise for Customer Experience כדי לקבל את מדדי ההכנסות, ודאו שכל האירועים משתמשים במטבע אחד או המירו את כולם לאותו מטבע לפני ההעלאה.

יש לי כמה אתרים עם קטלוג משותף או פריטים דומים. האם ההמלצות יכולות להיות לגבי אתרים שונים?

בדרך כלל מומלץ להשתמש בקטלוג יחיד כזה רק אם יש חפיפה משמעותית בין האתרים, כלומר אם יש להם הרבה מוצרים משותפים או את כל המוצרים משותפים. לאחר מכן, כמו באתרים עם מספר אזורים, אפשר להשתמש בישויות או בתגי סינון כדי להחזיר רק פריטים ספציפיים לאתר עבור קריאת חיזוי מסוימת.

אם אין הרבה פריטים משותפים בקטלוגים של האתרים, או אם אין פריטים משותפים בכלל, צריך להשתמש בכמה קטלוגים. אם משתמשים בכמה קטלוגים, צריך ליצור פרויקט נפרד לכל קטלוג. Google Cloud

האם הוספה של עוד מטא-נתונים משפרת את המודל? האם המודל מתייחס לשדות x,y,z?

בקטע מידע חובה על פריטים בקטלוג מפורטים שדות החובה.

שדות מטא-נתונים אחרים הם אופציונליים (לדוגמה, images ו-itemAttributes). יכול להיות שהם ישמשו לתצוגה מקדימה של תחזיות, לניתוח תוצאות, לאימון ולכוונון. מומלץ לכלול מאפיינים שימושיים כמו צבע, מידה, חומר וכו'. אפשר להחזיר את השדות האלה כחלק מתוצאות החיזוי על ידי ציון returnProduct:true, ולכן הם יכולים להיות שימושיים לעיבוד התוצאות. התמונות ומאפייני הפריטים משמשים לתצוגה מקדימה של תחזיות ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.

אילו מאפיינים של פריט בקטלוג משמשים כקלט לאימון המודל?

ההמלצות מבוססות על שילוב של התנהגות המשתמש ומאפייני המוצר. השדות העיקריים שבהם נעשה שימוש הם מזהה, שם, היררכיית קטגוריות, מחיר וכתובת URL. אפשר לכלול מאפיינים מותאמים אישית אחרים של מפתח/ערך שעשויים להיות שימושיים ב-Product.attributes[].

כתובות URL של תמונות הן יותר תכונת נוחות. אפשר להחזיר את המטא-נתונים האלה כחלק מתוצאות החיזוי על ידי ציון returnProduct:true, וכך לחסוך קריאה נוספת לאחזור המידע הזה. כתובות URL של תמונות מאפשרות גם לתצוגה מקדימה של תחזיות להציג את התמונות כשמציגים בתצוגה מקדימה את תוצאות התחזית של מודל ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.

באילו שפות אפשר להשתמש במוצרים שלי?

  • התכונה 'המלצות': תומכת ברוב השפות. המודל מזהה באופן אוטומטי את שפת הטקסט. רשימה של כל השפות שאפשר לזהות באופן אוטומטי מופיעה בקובץ ה-README של Compact Language Detector ב-GitHub.
  • תכונת החיפוש: תומכת בשפות האלה. אתם מגדירים את השפה כשאתם מעלים את הקטלוג. הקטלוג צריך להיות בשפה אחת בלבד, והשאילתות צריכות להישלח באותה שפה. שימוש בשפות רבות בקטלוג פוגע בביצועי המודל.
הערה: אם כבר יש לכם קטלוג בשילוב שפות לחיפוש, אתם יכולים לשפר את התוצאות על ידי הוספת מילים נרדפות. מידע על מילים נרדפות זמין במאמרים OnewaySynonymsAction ו-TwowaySynonymsAction.

בקטלוג שלי יש מק"טים ראשיים/מק"טים של וריאציות או מק"טים של הורה/מק"טים של צאצא. האם הם נתמכים?

כן. האפשרות הזו דומה לitem_group_id ב-Merchant Center. צריך להחליט איך רוצים לקבל את ההמלצות (ברמת ההורה או הילד) ואם האירועים הם ברמת ההורה או הילד.

מידע נוסף על רמות מוצר זמין במאמר בנושא רמות מוצר.

חשוב לקבוע ולהגדיר את רמת המוצר הנכונה לפני ששולחים פריטים או אירועים. אפשר לשנות את רמת המוצר, אבל צריך לצרף מחדש את הפריטים ולכוונן מחדש את המודלים.

האם אפשר למחוק מוצרים מהקטלוג כשהם כבר לא זמינים?

אם פריט מסוים כבר לא רלוונטי, מומלץ להגדיר את הסטטוס שלו כOUT_OF_STOCK במקום למחוק אותו, כדי שאירועים קודמים של משתמשים שמפנים אליו לא יבוטלו.

אירועי משתמשים

אלה שאלות נפוצות לגבי אירועים שקשורים למשתמשים.

אילו אירועים שקשורים למשתמשים צריך לאסוף?

במאמר מידע על אירועים שקשורים למשתמשים מפורטים סוגי האירועים שקשורים למשתמשים, הדרישות והשיטות המומלצות.

איך פותרים בעיות באיכות הנתונים בתהליך יצירת המודל?

במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience, עוברים לדף איכות הנתונים כדי לראות מדדים של איכות הנתונים לגבי הקטלוג והאירועים של המשתמשים שהועלו.

האם אפשר לבצע שילוב עם Google Analytics 360?

אפשר להשתמש בנתונים היסטוריים מ-Google Analytics 360‏ (GA360). בדומה לנתונים מ-Merchant Center, אפשר לייצא נתונים מ-GA360 ל-BigQuery, ואז AI Commerce Search יכול לקרוא את האירועים ישירות מ-BigQuery.

לאירועים בזמן אמת, מומלץ לשלב פיקסלים למעקב עם Google Tag Manager, כי יש עיכוב בהעברת אירועים מ-GA360.

אני רוצה לייבא אירועים של משתמשים מ-Google Analytics 360. האם הוא מספק את כל אירועי המשתמשים שנדרשים?

מערכת Google Analytics 360 תומכת באופן מובנה בכל אירועי המשתמשים שמשמשים את AI Commerce Search, למעט אירועי חיפוש. עדיין אפשר לייבא אירועים של משתמשים שביצעו חיפוש מ-Analytics 360, אבל חשוב לזכור ש-AI Commerce Search יוצרת את האירוע של משתמשים שביצעו חיפוש מתוך שאילתות חיפוש, ואם יש כאלה, גם מתוך חשיפות של מוצרים.

איך מעבירים אירועים ל-Recommendations AI?

בדרך כלל, משתמשים מייבאים אירועים היסטוריים באמצעות Cloud Storage או ייבוא דרך API, ואז מעבירים אירועים בזמן אמת באמצעות JavaScript Pixel או תג GTM.

מה קורה אם אין לי אפשרות לשלוח את כל סוגי אירועי המשתמש שמופיעים כנדרשים למודל? מהם סוגי האירועים המינימליים שנדרשים לכל מודל?

לכל מודל ויעד אופטימיזציה יש דרישות שונות. דרישות לגבי נתוני אירועים של משתמשים

בדרך כלל, הביצועים של המודל טובים יותר כשיש יותר אירועים לכל פריט בקטלוג. אתרים עם נפח תנועה גדול יכולים להתחיל עם נפח קטן יותר של נתונים היסטוריים, אבל עדיין נדרשים נתונים של כמה שבועות לפחות.

יש לי אירועים מסוג add_to_cart ו-purchase_complete שלא מוגדר להם ערך של הכנסה או כמות. מה צריך לשלוח?

אם אין לכם ערך לכמות, אתם יכולים להעביר ערך ברירת מחדל של 1 בלי להשפיע על תוצאות המודל. תמיד צריך להגדיר את מאפיין המחיר המוצג [displayPrice] של הפריטים. המאפיינים מחיר מקורי [originalPrice] ועלות [cost] הם אופציונליים.

במאמר דרישות לגבי נתוני אירוע של משתמשים מפורטות דרישות המינימום לגבי כל סוג של מודל.

תוצאות חיפוש

אלה שאלות נפוצות לגבי תוצאות חיפוש.

האם תוצאות החיפוש מותאמות אישית?

כן. החיפוש יכול לספק תוצאות בהתאמה אישית. תוצאות החיפוש מותאמות אישית על סמך מזהי המבקרים. מידע נוסף זמין במאמר בנושא התאמה אישית.

איך אפשר לכלול בהגדרות של בקשת החיפוש פרטים כמו החנות שבה המשתמש קונה?

זמינות ואפשרויות משלוח על סמך מזהה חנות הם מאפיינים של קטלוג המוצרים. אפשר לשלוח מאפיינים כפרמטר בבקשת החיפוש. אפשר לסנן את התוצאות או לדרג אותן גבוה יותר על סמך מזהה החנות בבקשה.

האם אפשר להסתיר מוצרים מתוצאות החיפוש?

כן. הפרמטר filter יכול לסנן תוצאות על סמך התגים שלהן.

האם אפשר לדרג לפי כמה קריטריונים, כמו זמינות ומחיר?

כן, boostSpec מאפשר כללי דירוג מורכבים.

האם אפשר לקבץ חלק מהמאפיינים כדי להציג תוצאות עם כמה היבטים? לדוגמה, קיבוץ ערים באותה מדינה לצורך הגדרת מקור הייצור.

מאפייני המוצר לא היררכיים. עם זאת, אפשר להשתמש בכמה מאפיינים מותאמים אישית כדי לעשות את זה (למשל, מאפיינים נפרדים למדינה ולעיר).

איך ההצעות פועלות?

ההצעות הן שילוב של שאילתות משתמשים, שאילתות שנכתבו מחדש, שמות מוצרים וכו'. כדי ליצור הצעות להשלמה אוטומטית באיכות גבוהה, צריך להזין מספר מספיק של אירועי חיפוש יחד עם הקטלוג.

האם החיפוש תלוי אותיות רישיות?

בדרך כלל, שאילתות טקסט הן לא תלויות-רישיות בגלל ניתוח לשוני. עם זאת, ביטויי סינון וסדר מיון הם תלויי אותיות רישיות.

איך אפשר לחפש מספרי חלקים עם מקפים?

ניתוח לשוני רגיל עשוי להסיר תווים מיוחדים. ממפים את הערכים האלה למאפיין מותאם אישית עם הדגל exact-searchable מופעל. כדאי גם לפצל את המחרוזת ל-n-grams לפני ההטמעה.

האם מנוע החיפוש יתרגם את השאילתה של המשתמש אם הקטלוג שלי הוא בשפה אחרת?

לא. השפה של הקטלוג והשפה של שאילתת החיפוש צריכות להיות זהות. אם אתם מצפים שהמשתמשים יחפשו בכמה שפות, כדאי להטמיע אמצעי בקרה למילים נרדפות כדי למפות את השאילתות שלהם לשפת הבסיס של הקטלוג.

למה החיפושים שלי מסוננים בצורה שגויה לפי קטגוריה?

בודקים אם מופיע התו > בשמות הקטגוריות. התו הזה שמור אך ורק להפרדה בין רמות בהיררכיה (למשל Clothing > Mens). אם הוא מופיע בשם הקטגוריה כברירת מחדל, הוא יגרום לשבירת המסנן וצריך להחליף אותו.

תוצאות התחזית

אלה שאלות נפוצות לגבי תוצאות התחזיות.

האם יש הגבלה על מספר התחזיות שאפשר להחזיר?

כברירת מחדל, בקשת חיזוי מחזירה 20 פריטים בתגובה. אפשר להגדיל או להקטין את הערך הזה באמצעות שליחת ערך לפרמטר pageSize.

אם אתם רוצים להחזיר יותר מ-100 פריטים, אתם צריכים לפנות לתמיכה של Google. שימו לב: החזרת יותר מ-100 פריטים עלולה להגדיל את זמן האחזור של התגובה.

האם אפשר לראות את הסיבות לכך שמודל הציע מוצר ספציפי?

לא.

האם אפשר להוריד ולשמור במטמון את תוצאות התחזיות?

תוצאות התחזיות משתפרות בזמן אמת בתגובה לפעילות המשתמשים באתר, ולכן לא מומלץ להשתמש בתחזיות ששמורות במטמון. המערכת מאמנת מחדש את המודלים מדי יום כדי לשלב שינויים בקטלוג ולהגיב למגמות חדשות.

מבחינתנו, שימוש בתוצאות חיפוש וגלישה שנשמרו במטמון מהווה הפרה של התנאים בנושא פרטיות נתוני לקוחות. הפעולה הזו מפעילה מנגנון לזיהוי מטמון, שמסיר אוטומטית את ההתאמה האישית.

באופן כללי יותר, אתם יכולים לשמור במטמון תמונות ופרטי מוצרים, כל עוד אתם לא שומרים במטמון את תוצאות החיפוש של שאילתה מסוימת ושולחים שאילתה חדשה לכל בקשת חיפוש.

אני רוצה לדרג מחדש את ההמלצות שמוחזרות על סמך כלל עסקי. האם זה נתמך?

כן. אבל חשוב לדעת שאם תסדרו מחדש את התוצאות המומלצות או תסננו אותן, יכול להיות שהיעילות הכוללת של המודל תפחת. התכונה 'דירוג מחדש של מחירים' זמינה כהתאמה אישית מובנית למודלים 'עוד מלונות שאולי יעניינו אותך' ו'מומלצים בשבילך'. מידע נוסף על דירוג מחדש של מחירים

יש הגבלות על מספר תגי המסננים שאפשר ליצור ולהשתמש בהם?

אין מגבלות קשיחות על מספר התגים הייחודיים. עם זאת, המערכת לא מיועדת לטפל בהרבה תגי סינון לכל פריט. אם אפשר, מומלץ להגביל את תגי הסינון ל-10 לכל פריט בקטלוג. המגבלה הכוללת של תגים בכל הקטלוג היא 100,000,000. מידע נוסף זמין במאמר בנושא מכסות ומגבלות.

האם אפשר לגוון את ההמלצות?

כן. אפשר לציין גיוון המלצות כחלק מהגדרת ההצגה או בפרמטרים של בקשת החיזוי.

האם אפשר לתת עדיפות להמלצות לפי מחיר?

כן. דירוג מחדש לפי מחיר גורם לכך שהמוצרים המומלצים עם הסתברות המלצה דומה מסודרים לפי מחיר, כשהפריטים עם המחיר הגבוה ביותר מוצגים ראשונים.

תכונות של שיחות

אלה שאלות נפוצות לגבי התכונות של חיפוש מסחרי מבוסס-AI, סינון מוצרים ומסחר.

איך נשמר סשן שיחה, ואיך מרעננים את ההקשר?

הסשן של ממשק השיחה נשמר באמצעות מזהה השיחה שמוחזר בתגובה לחיפוש בממשק שיחה. חובה להעביר את מזהה השיחה הזה בכל הבקשות הבאות באותה שיחה. כדי לרענן או להתחיל שיחה חדשה, שולחים בקשת API חדשה ללא מזהה שיחה.

איך ה-API של הסטרימינג משפיע על ההטמעה ועל חוויית המשתמש?

הנתונים מועברים בסטרימינג, כך שאפשר לקבל באופן מיידי סוגי שאילתות. כך תוכלו להבחין בין שאילתות שמקבלות תשובה טקסטואלית בסגנון שיחה לבין שאילתות שלא מקבלות תשובה כזו, כמו SIMPLE_PRODUCT_SEARCH. ב-SIMPLE_PRODUCT_SEARCH, אפשר להפעיל מיד קריאה ל-Search API הליבה.

למה חשוב ש-searchParams ב-ConversationalSearchRequest ישקף את הקריאות שלי ל-API של חיפוש הליבה?

אתם רוצים לשמור על עקביות בsearchParams, כמו מסננים, סדר מיון וכללי קידום. שמירה על עקביות עוזרת לוודא שכל התשובות השיחתיות או השאילתות המדויקות שמוצגות על ידי ה-API תואמות לתוצאות המוצר בפועל שמוצגות למשתמש.

אם מזוהה חיפוש מוצר בסיסי, האם השיחה מסתיימת? האם המשתמש יכול לחזור למצבי שיחה אחרים?

השיחה לא מסתיימת. מזהה השיחה נשאר בתוקף. קמעונאים יכולים לעצב את חוויית המשתמש כך שחלון הצ'אט יישאר פתוח והמשתמשים יוכלו להמשיך את השיחה. האפשרות 'חזרה לגרסה הקודמת' תלויה בבחירה הספציפית של הטמעת חוויית המשתמש.

אילו נתונים מאוחסנים ב-Conversational API לצורך הקשר של השיחה, ולכמה זמן?

כדי לשמור על רצף השיחה, Conversational API שומר את השאילתה של המשתמש, את התשובה הטקסטואלית של השיחה ואת שאלת ההמשך. המידע ההקשרי הזה נשמר למשך שבעה ימים.

למה ה-API לשיחות לא מספק הצעות לתשובות לשאלות המשך, כמו הסינון של מוצרים בשיחה?

בשלב הזה אין תמיכה בהצעת תשובות לשאלות המשך, אבל אנחנו מתכננים להוסיף את האפשרות הזו בעתיד. כדאי להמשיך להתעדכן!

איך Conversational API משתמש בשמירה במטמון לשיפור הביצועים וההקשר?

ממשק Conversational API שומר במטמון את סוגי השאילתות ואת שאילתות החיפוש המדויקות של לקוח ופרויקט מסוימים למשך עד 10 ימים. המשמעות היא שאם אותה שאילתה חוזרת על עצמה, המערכת יכולה לאחזר במהירות את הכוונה ואת ההצעות לשיפורים.

מודלים של למידת מכונה

אלה שאלות נפוצות לגבי מודלים.

העליתי את הקטלוג והאירועים שלי, אבל אני עדיין מקבל את התגובה הזו כשאני מתקשר אל predict API: מודל ההמלצות לא מוכן.

אפשר להגדיר את הערך של dryRun כ-true בבקשת התחזית למטרות שילוב, והמערכת תחזיר פריטים שרירותיים מהקטלוג (אין להשתמש באפשרות הזו לתנועת נתונים של ייצור)."

בדרך כלל זה אומר שהאימון של המודל לא הסתיים. אם עברו יותר מ-10 ימים מאז שיצרת את המודל ואתה ממשיך לקבל את התגובה הזו, עליך לפנות לתמיכה.

כמה זמן נדרש לאימון מודל?

האימון וההתאמה הראשוניים של המודל נמשכים יומיים עד חמישה ימים, אבל יכולים להימשך יותר זמן אם מדובר במערכי נתונים גדולים. לאחר מכן, המודלים עוברים אימון מחדש באופן אוטומטי מדי יום, אלא אם משביתים את האפשרות הזו. מידע נוסף זמין במאמר השהיה וחידוש של אימון מודל.

האם אפשר להוריד או לייצא את המודל?

לא.

האם אפשר להשתמש במודלים שיצרתי בפרויקט קיים בפרויקט חדש?

לא. צריך ליצור את המודלים מחדש ולאמן אותם מחדש בפרויקט החדש.

אני רוצה להשתמש במודל לדפי הקטגוריות שלי. אפשר לעשות את זה?

כן. האפשרות 'מומלץ בשבילך' שימושית בדפי קטגוריות. דף קטגוריה דומה לדף הבית, רק שבו מוצגים רק פריטים מהקטגוריה הזו. אפשר לעשות את זה באמצעות מודל רגיל של 'מומלץ בשבילך' עם תגי סינון. לדוגמה, אתם יכולים להוסיף לפריטים בקטלוג תגי מסנן מותאמים אישית (שמתאימים לכל דף קטגוריה). כששולחים את בקשת החיזוי, מגדירים את אובייקט אירוע המשתמש כ-category-page-view ומציינים את התג של דף קטגוריה ספציפי בשדה filter. יוחזרו רק תוצאות של המלצות שתואמות לתג המסנן המבוקש. בתרחיש השימוש הזה צריך להשבית את האפשרות 'גיוון', כי היא עלולה להתנגש עם תגי סינון שמבוססים על קטגוריות.

האם אפשר להשבית את ההתאמה האישית של המודלים שלי?

כברירת מחדל, תוצאות החיזוי מותאמות אישית לסוגי המודלים של ההמלצות אולי יעניין אותך, מומלץ בשבילך וכדאי לקנות שוב.

לא מומלץ להשבית את ההתאמה האישית. אם אתם צריכים תוצאות לא מותאמות אישית, אתם יכולים להשתמש במזהה מבקר ייחודי רנדומלי בבקשת חיזוי.

‫AI Commerce Search במסוף Gemini Enterprise for Customer Experience

אלה שאלות נפוצות על השימוש ב-AI Commerce Search במסוף Gemini Enterprise for Customer Experience.

ביצעתי ניקוי של מספר אירועים, אבל בלוח הבקרה עדיין מוצגים הנתונים של סוגי האירועים האלה.

זה תקין. לוח הבקרה של AI Commerce Search ב-Gemini Enterprise for Customer Experience מציג את מספר האירועים שהמערכת קלטה במהלך תקופת זמן מסוימת, ולא את המספר הנוכחי או את מספר האירועים.

באופן כללי, מומלץ להשאיר את אירועי המשתמשים במקומם אחרי שהם נרשמו. לא מומלץ למחוק אירועים. אם אתם צריכים למחוק אירועים, תוכלו לעיין במסמכי התיעוד בנושא הסרת אירועים שקשורים למשתמשים.

איך אפשר לדעת אם יש שגיאות בקטלוג או באירועים של המשתמשים?

רוב הקריאות ל-API מחזירות שגיאה אם יש בעיה בתחביר. בלוח הבקרה של AI Commerce Search ב-Gemini Enterprise for Customer Experience, אפשר לראות את אחוז האירועים שלא הצטרפו, שגם הוא מדד שימושי. אפשר להשתמש ב-Cloud Monitoring וב-Cloud Logging כדי לעקוב אחרי סטטוס האירועים.

למה הגדרות ההצגה של ההמלצות שלי מופיעות כלא פעילות? איך מפעילים אותם?

כדי להשתמש בהגדרות של הצגת המלצות, קודם צריך לשלוח נתוני קטלוג ונתוני אירועים שקשורים למשתמשים כדי לאמן את המודל המתאים. אחרי שמסיימים לאמן מודל, במרכז הבקרה מצוין שהמודל מוכן לשליחת שאילתות.

באיזה מטבע מדווחים מדדי ההכנסה ב-AI Commerce Search ב-Gemini Enterprise for Customer Experience?

ב-AI Commerce Search ב-Gemini Enterprise for Customer Experience, המדדים מדווחים במטבע שבו השתמשתם בנתונים שהעליתם. AI Commerce Search לא תומך בשימוש בכמה מטבעות לכל קטלוג, והוא לא ממיר מטבעות.