e コマース アプリケーションに Vertex AI Search for Commerce を実装できます。
レコメンデーションまたは検索を使用する場合、ユーザー イベントとカタログデータを取り込み、サイトで予測や検索結果を提供します。
レコメンデーションと検索の両方で同じデータが使用されるため、両方を使用する場合でも、同じデータを 2 回取り込む必要はありません。
統合にかかる平均的な時間は数週間程度です。検索の場合、実際の期間は取り込むデータの品質と量に大きく依存します。
コマース統合の概要
4 つのフェーズで移行する
検索エンジンの移行は、移行のあらゆる側面に対処してリスクを最小限に抑え、投資を最大限に活用するための構造化された 4 段階のアプローチです。
以下の手順に沿って、マーチャンダイジング チームと販売者の期待値を管理します。
- 販売者チームに情報を伝える: 今後の変更点と、AI ファーストのアプローチに移行する理由を積極的に伝えます。
- 新しいパラダイムについてチームに説明する: システムがユーザーの行動と意図の検出に基づいており、よりパーソナライズされた商品ランキングにつながることを説明します。検索結果の表示が異なる。
- ビジネスルールの明確なガイドラインを設定する: ビジネスルールは、契約上の義務や明確な収益拡大戦略など、データに裏付けられた特定のビジネス上の理由がある場合にのみ適用できることを強調します。目標は、AI に仕事を任せることです。
- 新しいルールの A/B テスト: 移行後に新しいルールが提案された場合、その有効性を検証する最もデータドリブンな方法は、別の A/B テストを実施することです。1 つのグループにはルールを適用し、もう 1 つのグループにはルールを適用しません。ルールを本番環境に昇格させるかどうかをデータで判断します。
この 4 段階のアプローチを忠実に実行することで、現在の検索システムの複雑さと実行速度に応じて、通常 2 ～ 3 か月で A/B テストへの移行を完了できます。この手法は、多くのお客様の導入事例で設計され、実証されています。
オンボーディングのベスト プラクティス
Vertex AI Search for Commerce にオンボーディングする際、高品質な検索結果とパフォーマンスの主な要因は取り込まれたデータです。Vertex AI Search for Commerce のパフォーマンス（関連性、ランキング、収益の最適化）は、カタログ、商品情報、ユーザー イベントなど、アップロードされたデータに非常に影響を受けます。
Vertex AI Search for commerce には、データまたはデータスキーマの問題や潜在的な欠陥が検出されるように、複数のダッシュボードとデータ品質チェックが用意されています。データの欠陥が最初から見過ごされている場合、モデルは正確にトレーニングされず、最初の A/B テストで期待どおりの結果が得られません。根本原因は、Vertex AI Search for commerce 自体ではなく、カタログまたはユーザーデータであることがほとんどです。
次のリンクをクリックすると、Vertex AI Search for Commerce の各コンポーネントを統合するためのベスト プラクティスのセクションに移動します。
利用規約
プロダクトの使用は、Google Cloud の利用規約または関連するオフライン バリエーションに準拠しています。Google Cloud のプライバシーに関するお知らせでは、Vertex AI Search for Commerce が Google Cloud やその他の Google Cloud サービスの使用に関連する個人情報を収集、処理する方法について説明しています。
品質保証のため、顧客データを含むログの検索クエリと検索結果の小規模なサンプルセットが、検索のサードパーティ復処理者として公開されているサードパーティのベンダーに、人間による評価のために送信されます。 公的に収集されたデータセットである Google 検索ログからの検索クエリと検索結果を使用した追加のテストは、品質保証のために、人間による評価を目的としてさまざまなサードパーティ ベンダーに送信されます。Google 検索のログは顧客データとして分類されません。