탐색 카테고리의 구조와 탐색 이벤트의 상응하는 패리티는 모델의 학습 및 최적화 능력에 직접적인 영향을 미칩니다.
세부사항과 트래픽 볼륨의 균형
이 작업을 수행하려면 다음이 필요합니다.
세부 카테고리 구조: 탐색 모델은 각 고유 카테고리 문자열과 연결된 클릭 및 구매 행동을 학습합니다 (사용자 이벤트를 통해). 전자제품 특가와 같은 카테고리 페이지에 상당한 트래픽이 발생하면 모델에 해당 카테고리의 순위를 최적화할 수 있는 풍부한 데이터 세트가 있습니다. 이를 통해 모델이 각 카테고리에 대한 사용자 행동 (클릭, 구매)을 정확하게 누적하고 해석하여 순위와 맞춤설정을 개선할 수 있습니다. 다양한 카테고리에서 신호를 희석시키는
products와 같은 일반적인 핸들은 사용하지 마세요.페이지 카테고리 심도 최적화: 트래픽량이 적은 지나치게 세분화된 카테고리는 모델 성능을 저하시킬 수 있습니다. 클릭, 장바구니 추가와 같은 사용자 상호작용 데이터가 충분하지 않으면 모델이 수익에 최적화된 순위를 효과적으로 제공할 수 없습니다. 자세한 카테고리 분류와 각 카테고리 페이지에서 의미 있는 모델 학습을 위해 충분한 트래픽을 생성하는 것 사이에서 균형을 유지하세요.
API 호출과 사용자 이벤트 간의 패리티 보장
모델 학습을 성공적으로 진행하기 위한 중요한 기술 요구사항은 탐색 API 호출의 pageCategory 문자열과 해당 탐색 사용자 이벤트 간의 정확한 일치를 유지하는 것입니다. 예를 들어 사용자가 전자제품 특가 카테고리를 탐색하는 경우 탐색 결과를 가져오는 API 호출과 생성된 사용자 이벤트는 > 구분자를 포함하여 동일한 카테고리 문자열을 사용해야 합니다.
학습 프로세스의 경우 모델이 API 요청을 사용자 이벤트와 결합해야 합니다. 불일치는 실적 측정에도 불일치를 초래합니다. 이 정렬은 데이터 품질 대시보드에서 모니터링됩니다. 기준을 충족하지 못하면 모델이 상위 등급에 도달하지 못할 수 있습니다.
권장사항 모니터링 및 문제 해결
추천을 가져오도록 웹사이트를 설정한 후 알림을 설정하는 것이 좋습니다. 예측 오류 알림 설정을 살펴보세요.
오류를 해결하려면 모니터링 및 문제 해결을 참조하세요.