Dalam produk Vertex AI Search untuk commerce, Anda mendapatkan kemampuan rekomendasi dan kemampuan penelusuran dan penjelajahan. Anda dapat mengupload dan mengelola informasi katalog produk dan log peristiwa pengguna untuk aplikasi e-commerce Anda. Anda bisa mendapatkan dan menyesuaikan hasil berdasarkan informasi ini, dan data ini terus digunakan untuk melatih dan memperbarui model, sehingga meningkatkan kualitas rekomendasi dan hasil penelusuran Anda.
Untuk mengetahui informasi selengkapnya tentang proses penerapan Vertex AI Search untuk commerce bagi aplikasi Anda, lihat Menerapkan Vertex AI Search untuk commerce.
Rekomendasi
Vertex AI Search untuk Commerce memungkinkan Anda membangun sistem rekomendasi produk yang dipersonalisasi dan berkualitas tinggi tanpa memerlukan tingkat keahlian yang tinggi dalam machine learning, desain sistem, atau operasi. Dengan memanfaatkan produk retail dan perilaku pengguna di situs Anda, Anda dapat menggunakan rekomendasi untuk membuat model rekomendasi khusus untuk kasus penggunaan Anda, seperti "Sering Dibeli Bersama" dan "Direkomendasikan untuk Anda".
Vertex AI Search untuk e-commerce menggunakan peristiwa pengguna dan katalog produk Anda untuk melatih model machine learning rekomendasi Anda, yang memberikan rekomendasi berdasarkan data ini.
Saat men-deploy model rekomendasi ke aplikasi, Anda dapat meminta rekomendasi untuk produk lain dalam katalog dan menampilkannya kepada pengguna.
Kemampuan rekomendasi mencakup:
Model kustom. Setiap model dilatih secara khusus untuk data Anda, berdasarkan model machine learning berbasis urutan yang menggunakan transformer.
Hasil yang dipersonalisasi. Gunakan algoritma personalisasi tanpa keahlian machine learning. Rekomendasi didasarkan pada perilaku dan aktivitas pengguna seperti penayangan, klik, dan pembelian di toko serta aktivitas online, sehingga setiap hasil prediksi dipersonalisasi.
Prediksi real-time. Setiap rekomendasi yang ditayangkan mempertimbangkan aktivitas pengguna sebelumnya seperti peristiwa klik, penayangan, dan pembelian, sehingga rekomendasi diberikan secara real time.
Pelatihan dan penyesuaian model otomatis. Pelatihan ulang model harian memastikan semua model dapat secara akurat merekam perilaku pengguna setiap hari.
Tujuan pengoptimalan. Sasaran seperti rasio konversi, rasio klik-tayang, dan pengoptimalan pendapatan membantu Anda mengoptimalkan sasaran bisnis secara tepat.
Rekomendasi omnichannel. Dengan model API, Anda dapat melampaui rekomendasi situs untuk mempersonalisasi seluruh perjalanan pembeli hingga rekomendasi di aplikasi seluler, rekomendasi email yang dipersonalisasi, kios di toko, atau aplikasi pusat panggilan.
Telusuri
Vertex AI Search untuk commerce memungkinkan Anda memberikan hasil penelusuran produk berkualitas tinggi yang dapat disesuaikan dengan kebutuhan bisnis retail Anda. Gunakan kueri Google dan pemahaman kontekstual untuk meningkatkan penemuan produk di seluruh situs dan aplikasi seluler Anda.
Kemampuan penelusuran meliputi:
Hierarki produk: Anda dapat menyertakan koleksi dan varian dalam katalog produk yang dapat ditelusuri.
Perluasan kueri: Meningkatkan hasil relevan yang ditampilkan untuk istilah kueri yang biasanya menghasilkan lebih sedikit hasil, seperti kueri yang menggunakan kata kunci yang sangat spesifik.
Penentuan nilai minimum relevansi: Sesuaikan cara Vertex AI Search untuk commerce menyeimbangkan presisi hasil (relevansi hasil penelusuran yang ditampilkan) dan recall (menampilkan lebih banyak hasil untuk kueri tersebut).
Penomoran halaman: Mengontrol penomoran halaman hasil penelusuran Anda untuk mengurangi waktu pencarian dan ukuran respons.
Memfilter: Gunakan sintaksis ekspresi untuk memberikan pemfilteran yang menyaring hasil penelusuran situs Anda.
Pengurutan: Tetapkan urutan hasil penelusuran menurut beberapa kolom dalam urutan prioritas.
Pengelompokan: Buat pengelompokan untuk memberikan opsi yang lebih relevan kepada pengguna Anda berdasarkan atribut yang Anda berikan. Bucket harus disediakan untuk atribut numerik dalam permintaan penelusuran agar ditampilkan dalam respons penelusuran.
Pengelompokan dinamis: Membuat kunci pengelompokan secara otomatis berdasarkan kueri penelusuran dan menggabungkan (dan mengurutkan ulang) secara otomatis dengan kunci pengelompokan yang diberikan dalam permintaan penelusuran. Fitur ini didasarkan pada daftar yang diizinkan. Hubungi dukungan untuk mendapatkan bantuan dalam mengaktifkan fitur ini.
Meningkatkan dan menyembunyikan: Kontrol peringkat hasil penelusuran dengan memprioritaskan atau menurunkan prioritas beberapa jenis hasil.
Penjelajahan: Dapatkan hasil yang diurutkan untuk memaksimalkan pendapatan saat pengguna menjelajahi produk menggunakan navigasi situs. Penelusuran penjelajahan dapat digabungkan dengan pemfilteran, pengurutan, aspek, aspek dinamis, peningkatan, dan penyembunyian.
Hasil yang dipersonalisasi. Menyajikan hasil penelusuran teks dan penelusuran jelajah yang dipersonalisasi untuk setiap pengguna akhir, berdasarkan perilaku setiap pengguna di situs Anda, termasuk histori penayangan, klik, penambahan ke keranjang, dan pembelian produk setiap pengguna.
Menggunakan Vertex AI Search untuk commerce
Untuk membuat model machine learning untuk rekomendasi atau penelusuran, Anda harus memberikan dua set informasi:
Katalog produk: Informasi tentang produk yang direkomendasikan kepada pelanggan. Hal ini mencakup judul produk, deskripsi, ketersediaan stok, dan harga.
Peristiwa pengguna: Perilaku pengguna akhir di situs Anda. Hal ini mencakup peristiwa seperti saat pengguna melihat atau membeli item tertentu, atau saat situs Anda menampilkan daftar produk kepada pengguna.
Dengan banyak opsi integrasi, Anda dapat menyerap data menggunakan alat yang mungkin sudah Anda gunakan, seperti BigQuery, Cloud Storage, Tag Manager, dan Google Analytics.