Anda dapat mengimplementasikan Penelusuran Commerce AI untuk aplikasi e-commerce Anda.
Saat menggunakan rekomendasi atau penelusuran, Anda akan memasukkan data peristiwa pengguna dan katalog untuk menayangkan prediksi atau hasil penelusuran di situs Anda.
Data yang sama digunakan untuk rekomendasi dan penelusuran. Jadi, jika Anda menggunakan keduanya, Anda tidak perlu memasukkan data yang sama dua kali.
Waktu integrasi rata-rata adalah beberapa minggu. Perhatikan bahwa untuk penelusuran, durasi sebenarnya sangat bergantung pada kualitas dan kuantitas data yang akan dimasukkan.
Ringkasan integrasi Commerce
Bermigrasi dalam empat fase
Migrasi mesin penelusuran Anda adalah pendekatan terstruktur empat fase yang membantu memastikan setiap aspek migrasi ditangani untuk meminimalkan risiko dan memaksimalkan investasi Anda.
Kelola ekspektasi tim merchandising dan penjual Anda dengan melakukan hal berikut:
- Memberi tahu tim penjual: Secara proaktif, komunikasikan perubahan yang akan datang dan alasan perusahaan beralih ke pendekatan yang mengutamakan AI.
- Mengedukasi tim tentang paradigma baru: Jelaskan bahwa sistem ini didasarkan pada perilaku pengguna dan deteksi niat, yang menghasilkan peringkat produk yang lebih dipersonalisasi. Hasil penelusuran terlihat berbeda.
- Menetapkan panduan yang jelas untuk aturan bisnis: Tekankan bahwa aturan bisnis hanya dapat diterapkan untuk alasan bisnis tertentu yang didukung data, seperti kewajiban kontrak atau strategi yang jelas untuk meningkatkan pendapatan. Tujuannya adalah membiarkan AI melakukan tugasnya.
- Melakukan pengujian A/B untuk aturan baru: Jika aturan baru diusulkan setelah migrasi, cara yang paling didukung data untuk memvalidasi efektivitasnya adalah dengan menjalankan pengujian A/B lain, satu grup dengan aturan, satu grup tanpa aturan. Biarkan data menentukan apakah aturan tersebut dipromosikan ke produksi.
Dengan mengikuti pendekatan empat fase ini secara cermat, migrasi umum ke pengujian A/B dapat dicapai dalam waktu sekitar dua hingga tiga bulan, bergantung pada kompleksitas sistem penelusuran saat ini dan kecepatan eksekusi. Metodologi ini telah dirancang dan terbukti di berbagai adopsi pelanggan.
Praktik terbaik orientasi
Saat melakukan orientasi ke Penelusuran Commerce AI, pendorong utama untuk hasil dan performa penelusuran berkualitas adalah data yang dimasukkan. Performa Penelusuran Commerce AI (relevansi, peringkat, dan pengoptimalan pendapatan) sangat sensitif terhadap data yang diupload, termasuk katalog, info produk, dan peristiwa pengguna.
Penelusuran Commerce AI memiliki beberapa dasbor dan pemeriksaan kualitas data untuk memastikan bahwa masalah atau potensi kekurangan dalam data atau skema data ditandai. Jika kekurangan data diabaikan sejak awal, model tidak akan dilatih secara akurat dan pengujian A/B awal tidak menghasilkan hasil yang diharapkan. Penyebab utamanya sering kali adalah katalog atau data pengguna, bukan Penelusuran Commerce AI itu sendiri.
Klik link ini untuk membuka bagian praktik terbaik untuk mengintegrasikan setiap komponen Penelusuran Commerce AI berikut:
- Praktik terbaik katalog produk
- Praktik terbaik peristiwa pengguna
- Praktik terbaik integrasi dan konfigurasi
- Praktik terbaik eksperimen A/B
Persyaratan Layanan
Penggunaan produk tunduk pada Persyaratan dan Ketentuan Google Cloud atau varian offline yang relevan. Pemberitahuan Privasi Google Cloud menjelaskan cara Penelusuran Commerce AI mengumpulkan dan memproses informasi pribadi Anda terkait dengan penggunaan dan layanan lainnya. Google Cloud Google Cloud
Untuk jaminan kualitas, kumpulan sampel kecil kueri penelusuran dan hasil penelusuran dari log, yang mencakup data pelanggan, dikirim untuk penilaian manusia kepada vendor pihak ketiga yang diungkapkan sebagai Subprosesor Pihak Ketiga untuk penelusuran. Pengujian tambahan menggunakan kueri penelusuran dan hasil penelusuran dari log Penelusuran Google yang merupakan kumpulan data yang dikumpulkan secara publik dikirim untuk penilaian manusia kepada vendor pihak ketiga yang berbeda untuk jaminan kualitas. Log Penelusuran Google tidak dikategorikan sebagai data pelanggan.