Obtener recomendaciones

En esta página se describe cómo solicitar recomendaciones de productos para un usuario y un evento de usuario específicos.

Una vez que haya subido sus productos y registrado eventos de usuario, podrá solicitar recomendaciones de productos para usuarios específicos en función de los eventos de usuario registrados y de su actividad actual. Los nuevos productos y eventos de usuario pueden tardar hasta 48 horas en reflejarse en el modelo de recomendación.

Vertex AI Search for commerce devuelve una lista de identificadores de productos clasificados. Usted es responsable de mostrar los resultados en su sitio web con imágenes y texto.

No almacenes en caché los resultados personalizados de un usuario final y no devuelvas resultados personalizados a otro usuario final.

Antes de empezar

Debes crear un Google Cloud proyecto y configurar la autenticación siguiendo los pasos detallados en Antes de empezar.

Para poder solicitar predicciones de recomendaciones, necesitas lo siguiente:

• Una recomendación (modelo) entrenada y optimizada
• Una o varias configuraciones de publicación activas

Evaluar recomendaciones

Antes de actualizar el código de su sitio web para solicitar recomendaciones, puede usar la vista previa de los resultados de las predicciones para confirmar que su modelo y su configuración de servicio funcionan como espera.

Para obtener más información sobre las configuraciones de servicio, consulta Acerca de las configuraciones de servicio.

Puedes previsualizar los resultados de la configuración de publicación desde la página Evaluar o desde la página Detalles de una configuración de publicación en la consola. Para ello, haz clic en la pestaña Evaluar.

Para obtener una vista previa de las recomendaciones devueltas por tu configuración de publicación, sigue estos pasos:

1. Ve a la página Evaluar de la consola de búsqueda para comercio.
   
   Ve a la página Evaluar.

2. Haga clic en la pestaña Recomendaciones si aún no está seleccionada.

3. Selecciona la configuración de publicación que quieras previsualizar.

4. Opcional: Introduce un ID de visitante para previsualizar las recomendaciones de ese usuario.

5. Si se muestra la sección Artículos asociados, haga clic en Añadir artículo e introduzca un ID de producto para obtener recomendaciones asociadas a ese artículo. Puedes añadir varios elementos asociados.

   Solo se pueden añadir elementos si el tipo de modelo de la configuración de servicio seleccionada requiere productos como entrada para las recomendaciones. Los modelos Recomendado para ti no requieren que se introduzcan artículos asociados.

6. Haz clic en Vista previa de la predicción para ver los resultados de la predicción.

Para ver la página Detalles de la configuración de servicio que estás previsualizando, haz clic en Ver configuración de servicio en el campo Seleccionar configuración de servicio.

Recibir una recomendación

La API Recommendations tiene límites en el número de elementos devueltos. Sin embargo, hay soluciones alternativas para aumentar el número de elementos devueltos.

Maximizar el valor de la ficha de navegación

En esta sección se explica cómo sacar el máximo partido a tus fichas de navegación en Vertex AI Search for commerce gestionando las categorías de forma eficaz, asegurándote de que se usa el modelo de nivel de datos más alto y habilitando la personalización.

Gestión eficaz de categorías

• Usa nombres de categorías de páginas únicos y descriptivos para registrar con precisión el comportamiento de los usuarios y el aprendizaje del modelo.
• Estructura las categorías de forma general a específica para que los usuarios puedan ir refinando su experiencia de navegación.
• Evita las categorías demasiado específicas con una interacción de los usuarios limitada.

Asegurarse de que se usa el modelo de nivel más alto

Ir a la página Calidad de los datos

A continuación, para configurar el modelo de nivel más alto, haz lo siguiente:

1. Implemente el seguimiento de eventos de usuario para registrar las interacciones de los usuarios (clics, compras, adiciones al carrito) tanto en la búsqueda como en la navegación.

2. Monitoriza la ingestión de datos y la preparación de los modelos con el panel de control Calidad de los datos de Vertex AI Search for commerce.

   Nota: Asegúrate de que tu modelo de navegación alcance al menos el nivel 2 (preferiblemente el nivel 3) antes de realizar pruebas A/B o de implementar el modelo en producción. Un modelo de nivel 2 pasa rápidamente al nivel 3 si recibe suficiente tráfico de alta calidad, lo que le permite alcanzar el máximo rendimiento. Solo debes hacer comparaciones de rendimiento y pruebas A/B cuando el modelo alcance el nivel 3, ya que es el estado más optimizado.

Consulta Calidad de los datos para obtener más información sobre los niveles de datos de búsqueda y navegación.

Mejorar el rendimiento con la personalización

Como modelo de clasificación que aprende del comportamiento de los usuarios, una gran parte del rendimiento del modelo de navegación procede de sus funciones de personalización.

• Habilita la personalización al evaluar el rendimiento del modelo.
• Si inhabilita la personalización, se verá afectado el rendimiento y se minimizará el impacto potencial del modelo.
• La personalización debe estar activa antes de exponer los resultados de búsqueda al tráfico de producción real o a las pruebas A/B.

Aumentar los límites

• El límite de resultados de Vertex AI Search for commerce es 120.

• La API Recommendations admite la reordenación de hasta 2000 elementos.

• Aunque la latencia aumenta, es posible aumentar el tamaño de la página hasta 500 o 1000.

Soluciones

En las páginas de categorías, puedes personalizar y volver a clasificar los elementos mediante recomendaciones personales. Para evitar el límite de 120 resultados, haz varias llamadas simultáneas para el primer número de páginas determinado y, después, combina los resultados para que parezca una página grande.

Para restringir manualmente el conjunto de recomendaciones que se devuelven a los usuarios finales, puedes añadir criterios de filtro en las consultas PredictRequest.params.

Marque los atributos seleccionados como filtrables mediante la API y, a continuación, haga referencia a ellos directamente en sus solicitudes de predicción.

Para obtener información detallada sobre los costes de las predicciones, consulta la página Precios.

curl

Para recibir una recomendación, haz una solicitud POST al método REST predict y escribe el cuerpo para la solicitud adecuado:

• La cuenta de servicio que utilices debe tener el rol "Lector de Retail" o uno superior.

• Sustituye SERVING_CONFIG_ID por la configuración de servicio donde quieras usar las predicciones. Más información

• Si ha importado eventos de usuario de Google Analytics 360 mediante BigQuery, defina visitorId como el ID de cliente de Google Analytics. Consulte la documentación de Google Analytics para saber cómo obtener el ID de cliente.

• Si estás llevando a cabo un experimento A/B, asigna a experimentIds el ID de este grupo experimental. Más información

• Indica un objeto de evento de usuario para la acción del usuario que inició la solicitud de recomendación.

  Ese evento de usuario no se registra, sino que solo sirve para dar contexto a esta solicitud de recomendación. También debes registrar este evento de usuario de la misma forma que registras otros eventos de usuario.

• Si quieres, puedes proporcionar un filtro para acotar los posibles productos que se devuelvan. Más información

Nota: Si su recomendación aún no está activa o quiere probar su llamada al método, puede llamar a este método con la marca validateOnly definida como true. Esta llamada devuelve un resultado de marcador de posición y no conlleva ningún cargo. Puedes ver si tu recomendación está activa en la pestaña Panel de control.

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    --data '{
              "filter": "FILTER_STRING",
              "validateOnly": false,
              "userEvent": {
                  "eventType": "detail-page-view",
                  "visitorId": "VISITOR_ID",
                  "userInfo": {
                      "userId": "USER_ID",
                      "ipAddress": "IP_ADDRESS",
                      "userAgent": "USER_AGENT"
                  },
                  "experimentIds": "EXPERIMENT_GROUP",
                  "productDetails": [{
                      "product": {
                        "id": "PRODUCT_ID"
                     }
                  }]
              }
            }' \
https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/servingConfigs/SERVING_CONFIG_ID:predict

Deberías ver resultados similares a los siguientes:

{
  "results": [{"id": "sample-id-1"}, {"id": "sample-id-2"}],
  "attribution_token": "sample-atr-token"
}

Java

public static PredictResponse predictWithNextPageToken(UserEvent userEvent, int pageSize,
    String nextPageToken)
    throws IOException, InterruptedException {
  PredictionServiceClient predictionClient = getPredictionServiceClient();

  PredictRequest request = PredictRequest.newBuilder()
      .setPlacement(HOME_PAGE_PLACEMENT_NAME)
      .setUserEvent(userEvent)
      .setPageSize(pageSize)
      .setPageToken(nextPageToken)
      .setValidateOnly(true)
      .build();

  PredictResponse response = predictionClient.predict(request);

  predictionClient.shutdownNow();
  predictionClient.awaitTermination(2, TimeUnit.SECONDS);

  return response;
}

Reclasificación de precios

Si reclasificas los precios, los productos recomendados que tengan una probabilidad de recomendación similar se ordenarán por precio, y aparecerán en primer lugar los que tengan un precio más alto. La relevancia también se sigue usando para ordenar los artículos, por lo que habilitar la reordenación por precio no es lo mismo que ordenar por precio.

El cambio de orden de los precios se puede definir a nivel de configuración de servicio o por solicitud de predicción.

Cuando eliges un ajuste de cambio de orden de los precios al crear una configuración de publicación en la consola de Search for Commerce, ese ajuste se aplica a todas las recomendaciones publicadas por esa configuración, sin que tengas que hacer nada más.

Si necesita controlar la reclasificación de precios de una recomendación concreta, puede hacerlo mediante el campo PredictRequest.params. De esta forma, se anula cualquier ajuste de reordenación a nivel de configuración que se aplicaría a esta recomendación.

Diversidad de recomendaciones

La diversificación de recomendaciones influye en si los resultados que devuelve una única solicitud de predicción proceden de distintas categorías de tu catálogo de productos.

La diversificación de recomendaciones se puede definir a nivel de configuración de servicio o por solicitud de predicción.

Cuando eliges un ajuste de diversificación de recomendaciones al crear una configuración de servicio en la consola de Search for Commerce, ese ajuste se aplica de forma predeterminada a todas las predicciones que se sirven con esa configuración, sin que tengas que hacer nada más.

Si necesitas controlar la diversidad de una recomendación concreta, puedes hacerlo con el campo PredictRequest.params. De esta forma, se anula cualquier ajuste de diversificación a nivel de configuración que se aplicaría a esta recomendación. Consulta los valores aceptados.

Usar filtros de recomendaciones

Puedes filtrar las recomendaciones devueltas por recomendaciones mediante el campo filter del método predict. Para obtener más información, consulta Filtrar recomendaciones.

Llamadas de predicción con modelos de optimización a nivel de página

Para proporcionar recomendaciones mediante la optimización a nivel de página, se necesita un paso adicional de llamada de predicción.

Haz una llamada de predicción inicial con una configuración de servicio que contenga el modelo de optimización a nivel de página. La respuesta de predicción devuelve una lista ordenada de IDs de configuración de publicación que representan el modelo que se va a usar en cada panel.

A continuación, haz una llamada de predicción para cada panel con el ID de configuración de servicio que el modelo de optimización a nivel de página haya recomendado. La respuesta de predicción contiene el nombre del modelo (por ejemplo, "Recomendado para ti") y la lista de elementos recomendados que se deben mostrar en ese panel.

El cambio de orden de los precios, la diversidad de las recomendaciones y los filtros de recomendaciones no están disponibles en las configuraciones de servicio que usan el modelo de optimización a nivel de página.