Google utilise la technologie IA pour traduire le contenu dans votre langue préférée. Les traductions générées par IA peuvent contenir des erreurs.

Importer des informations de catalogue

Cette page explique comment importer les informations de votre catalogue et les tenir à jour.

Les procédures d'importation sur cette page s'appliquent à la fois aux recommandations et à la recherche. Une fois les données importées, les deux services peuvent les utiliser. Vous n'avez donc pas besoin d'importer les mêmes données deux fois si vous utilisez les deux services.

Vous pouvez importer vos données produit depuis BigQuery ou spécifier les données directement dans la requête. Chacune de ces procédures est une importation unique, à l'exception de l'association de Merchant Center. Programmez des importations régulières de votre catalogue (idéalement, une fois par jour) pour vérifier qu'il est à jour.

Consultez Maintenez votre catalogue à jour.

Vous pouvez également importer des produits individuels. Pour en savoir plus, consultez Importer un produit.

Avant de commencer

Avant de commencer à importer votre catalogue, vous devez :

configurer votre projet ;
Créez un compte de service.
Ajoutez le compte de service à votre environnement local.

Pour en savoir plus, consultez Prérequis de configuration.

Remarques concernant l'importation de catalogues

Cette section décrit les méthodes pouvant être utilisées pour l'importation par lot des données de catalogue, leurs différents cas d'utilisation et certaines de leurs limites.

BigQuery	Description	Importez des données depuis une table BigQuery précédemment chargée qui utilise le schéma de recherche AI Commerce. Vous pouvez effectuer cette opération à l'aide de la console Google Cloud ou de curl.
	Contexte d'utilisation	Si vous avez des catalogues de produits avec de nombreux attributs. L'importation BigQuery utilise le schéma AI Commerce Search, qui comporte plus d'attributs de produit que les autres options d'importation, y compris les attributs personnalisés de clé-valeur. Si vous disposez d'importants volumes de données. L'importation BigQuery n'a pas de limite de données. Si vous utilisez déjà BigQuery.
	Limites	Nécessite une étape supplémentaire pour créer une table BigQuery qui correspond au schéma de recherche AI Commerce Search.
Cloud Storage	Description	Importer des données au format JSON à partir de fichiers chargés dans un bucket Cloud Storage. Chaque fichier doit avoir une taille inférieure ou égale à 2 Go, et vous pouvez importer jusqu'à 100 fichiers à la fois. L'importation peut être effectuée à l'aide de la console Google Cloud ou de curl. Utilise le format de données JSON `Product`, qui autorise les attributs personnalisés.
	Contexte d'utilisation	Si vous devez charger une grande quantité de données en une seule étape.
	Limites	Non idéal pour les catalogues avec des mises à jour fréquentes de l'inventaire et des prix, car les modifications ne sont pas immédiatement prises en compte.
Importation intégrée	Description	Importer à l'aide d'un appel à la méthode `Product.import` Utilise l'objet `ProductInlineSource`, qui comporte moins d'attributs de catalogue de produits que le schéma AI Commerce Search, mais qui accepte les attributs personnalisés.
	Contexte d'utilisation	Si vous disposez de données de catalogue plates et non relationnelles, ou d'une fréquence élevée de mises à jour des quantités ou des prix.
	Limites	Vous ne pouvez pas importer plus de 100 éléments de catalogue à la fois. Cependant, il est possible d'effectuer de nombreuses étapes de chargement et aucune limite ne s'applique aux éléments.

Tutoriels

Cette section présente différentes méthodes d'importation de catalogues à l'aide de tutoriels vidéo et shell.

Tutoriel vidéo

Regardez cette vidéo pour découvrir comment importer un catalogue à l'aide de l'API AI Commerce Search.

Tutoriel : Importer un catalogue depuis BigQuery

Ce tutoriel explique comment utiliser une table BigQuery pour importer de grandes quantités de données de catalogue sans limite.

Pour obtenir des instructions détaillées sur cette tâche directement dans l'éditeur Cloud Shell, cliquez sur Visite guidée :

Visite guidée

Tutoriel : importer un catalogue depuis Cloud Storage

Ce tutoriel vous explique comment importer un grand nombre d'articles dans un catalogue.

Pour obtenir des instructions détaillées sur cette tâche directement dans l'éditeur Cloud Shell, cliquez sur Visite guidée :

Visite guidée

Tutoriel : importer des données de catalogue de façon intégrée

Ce tutoriel explique comment importer des produits dans un catalogue de façon intégrée.

Pour obtenir des instructions détaillées sur cette tâche directement dans l'éditeur Cloud Shell, cliquez sur Visite guidée :

Visite guidée

Bonnes pratiques concernant l'importation de catalogues

Des données de haute qualité sont nécessaires pour générer des résultats de haute qualité. Si des champs manquent dans vos données ou si elles contiennent des valeurs d'espace réservé au lieu de valeurs réelles, la qualité de vos prédictions et de vos résultats de recherche en pâtira.

Lorsque vous importez des données de catalogue, veillez à appliquer les bonnes pratiques suivantes :

Veillez à bien faire la distinction entre les produits principaux et les variantes. Avant d'importer des données, consultez Niveaux de produit.
- Modifier la configuration au niveau du produit après avoir déployé des efforts importants pour importer des données. Les articles principaux (et non les variantes) sont renvoyés en tant que résultats de recherche ou recommandations.
- Exemple : Si le groupe de SKU principal est T-shirt à col en V, le modèle de recommandation renvoie un t-shirt à col en V, et peut-être des t-shirts à col rond et à col dégagé. Toutefois, si les variantes ne sont pas utilisées et que chaque SKU est un produit principal, chaque combinaison de couleur ou de taille de la chemise à col en V est renvoyée en tant qu'article distinct dans le panneau de recommandations : Chemise à col en V marron, taille XL, Chemise à col en V marron, taille L,jusqu'à Chemise à col en V blanche, taille M, Chemise à col en V blanche, taille S.
- Les collections peuvent être reconnues ensemble à condition que les ID de variantes soient inclus avec les identifiants produit principaux dans collectionMemberIds[]. Cela permet de capturer une collection de produits (dans laquelle un utilisateur peut avoir acheté un ou plusieurs produits de l'ensemble) dans l'événement utilisateur, en attribuant l'ensemble de la collection à l'achat. Cela permet de proposer au même utilisateur d'autres produits d'une collection donnée dans une future requête associée.
- Exemple : Un utilisateur a déjà acheté une housse de couette. Les produits assortis d'une parure de lit, comme les taies d'oreiller, sont donc renvoyés.
Respectez les limites d'importation de produits.
- Pour les importations groupées depuis Cloud Storage, la taille de chaque fichier doit être inférieure ou égale à 2 Go. Vous pouvez inclure jusqu'à 100 fichiers à la fois dans une seule requête d'importation groupée.
- Pour l'importation intégrée, vous ne pouvez pas importer plus de 5000 produits à la fois.
Assurez-vous que les informations requises sur le catalogue sont incluses et correctes. N'utilisez pas de valeurs d'espace réservé.
Incluez autant d'informations de catalogue facultatives que possible.
Assurez-vous que tous vos événements utilisent une seule devise, en particulier si vous prévoyez d'utiliser la consoleGoogle Cloud pour obtenir des métriques sur les revenus. L'API AI Commerce Search n'est pas compatible avec l'utilisation de plusieurs devises par catalogue.
Maintenez votre catalogue à jour, idéalement tous les jours. La planification des importations périodiques du catalogue empêche la qualité du modèle de se dégrader au fil du temps. Vous pouvez planifier des importations automatiques et récurrentes lorsque vous importez votre catalogue à l'aide de la console AI Commerce Search dans Gemini Enterprise for Customer Experience. Vous pouvez également utiliser Google Cloud Scheduler pour automatiser les importations.
N'enregistrez pas les événements utilisateur pour les articles qui n'ont pas encore été importés.
Après avoir importé les informations du catalogue, consultez les informations sur les rapports d'erreurs et la journalisation pour votre projet. Si vous identifiez plusieurs erreurs, examinez-les et corrigez les problèmes de processus qui les ont entraînées.

Le pipeline d'ingestion de données AI Commerce Search comprend à la fois les données du catalogue de produits et les données d'événements utilisateur. Ce flux de données constitue la base d'un entraînement de modèle robuste et d'une évaluation continue grâce à des mécanismes de commentaires. L'ingestion de données précises et complètes n'est pas qu'une condition préalable. Il s'agit d'un processus continu essentiel pour maintenir l'adaptabilité des modèles sous-jacents. Cela influe directement sur la qualité et la pertinence des résultats de recherche, ce qui offre un retour sur investissement important.

Tenez compte de ces bonnes pratiques d'ingestion de données lorsque vous concevez votre solution de recherche pour le commerce.

Importation groupée, flux en temps réel ou les deux ?

AI Commerce Search propose deux méthodes principales pour ingérer des catalogues :

Importation par lots
Flux en temps réel

Cette double approche répond aux divers besoins architecturaux des différents backends client. Il n'est pas obligatoire de choisir une seule méthode. Vous pouvez utiliser un mode d'ingestion hybride, en combinant l'importation groupée et les mises à jour en flux continu en fonction de vos besoins spécifiques.

Les importations groupées sont idéales pour ajouter, supprimer ou modifier des milliers de produits à la fois. En revanche, le flux en temps réel est idéal lorsque des mises à jour continues sont nécessaires pour un volume de produits relativement faible. Le choix entre ces méthodes dépend de la nature de votre catalogue de produits, de la fréquence des mises à jour et de l'architecture globale de vos systèmes backend.

La fonctionnalité d'importation groupée est compatible avec trois sources de données distinctes :

BigQuery : BigQuery permet de modifier rapidement les données du catalogue, de spécifier les dates de partition lors de l'importation et de transformer efficacement les données à l'aide de requêtes SQL.
Google Cloud Storage : Cloud Storage nécessite le respect de formats spécifiques, tels que JSON, et de restrictions concernant les fichiers. Les utilisateurs sont responsables de la gestion des structures de bucket, du découpage des fichiers et d'autres aspects du processus d'importation. De plus, la modification directe du catalogue dans Cloud Storage peut être fastidieuse et, bien que potentiellement économique, elle manque de flexibilité par rapport aux autres méthodes.
Données intégrées : pour les catalogues volumineux, les importations intégrées ne sont peut-être pas l'option la plus évolutive en raison des limites de taille. Réservez-les aux mises à jour mineures ou aux tests expérimentaux.

Pour les scénarios impliquant un volume élevé de mises à jour du catalogue de produits (des milliers de modifications, d'ajouts ou de suppressions de produits) sur une courte période et à intervalles réguliers, une approche combinée d'importations groupées et de flux en temps réel peut être très efficace. Organisez les mises à jour dans BigQuery ou Cloud Storage, puis effectuez des importations incrémentielles par lots à intervalles réguliers (par exemple, toutes les heures ou toutes les deux heures). Cette méthode permet de gérer efficacement les mises à jour à grande échelle tout en minimisant les perturbations.

Pour les mises à jour plus petites et moins fréquentes, ou celles qui doivent être immédiatement reflétées dans le catalogue, utilisez l'API de streaming en temps réel. Dans l'approche hybride, le streaming en temps réel peut combler les lacunes entre les importations groupées, ce qui permet de s'assurer que votre catalogue reste à jour. Cette stratégie établit un équilibre entre les appels d'API REST individuels (pour corriger les produits) et les modifications groupées. Elle permet d'optimiser l'efficacité et la réactivité dans la gestion de votre catalogue AI Commerce Search.

Stratégies d'embranchement pour la gestion du catalogue

Maintenez un catalogue unifié dans une seule branche au lieu d'avoir des catalogues disparates dans plusieurs branches. Cette pratique simplifie les mises à jour du catalogue et réduit le risque d'incohérences lors du changement de branche.

Les stratégies de branching courantes suivantes sont efficaces pour la gestion des catalogues.

Mises à jour d'une seule branche

Désignez une branche active comme branche par défaut et mettez-la à jour en continu à mesure que le catalogue change. Pour les mises à jour groupées, utilisez la fonctionnalité d'importation pendant les périodes de faible trafic afin de minimiser les perturbations. Utilisez les API de streaming pour les mises à jour incrémentales plus petites ou regroupez-les en blocs plus importants pour les importations régulières.

Changement de branche

Vous avez le choix entre plusieurs options pour gérer les différentes branches :

Utilisez des branches pour la préparation et la validation :
- Certains ingénieurs de sites e-commerce optent pour une approche de changement de branche, où le catalogue est mis à jour dans une branche non active, puis devient la branche par défaut (active) lorsqu'il est prêt pour la production. Cela permet de préparer le catalogue du lendemain à l'avance. Vous pouvez effectuer des modifications à l'aide de l'importation groupée ou du streaming vers la branche non en direct, ce qui garantit une transition fluide pendant les périodes de faible trafic.
- Le choix entre ces stratégies dépend de vos besoins spécifiques, de la fréquence des mises à jour et de la configuration de votre infrastructure. Toutefois, quelle que soit la stratégie choisie, il est essentiel de conserver un catalogue unifié dans une seule branche pour obtenir des performances optimales et des résultats de recherche cohérents dans AI Commerce Search.
Utilisez des branches pour les sauvegardes :
- Une seule branche active se concentre sur l'ingestion et le traitement continus des mises à jour de produits pour maintenir l'index AI Commerce Search à jour en temps quasi réel.
- Une autre branche se concentre sur la création d'un instantané quotidien des données transformées dans AI Commerce Search. Elle sert de mécanisme de secours fiable en cas de données corrompues ou de problèmes avec la branche 0.
- Une troisième branche se concentre sur la création d'un instantané hebdomadaire de la date transformée. Ainsi, le client peut disposer d'une sauvegarde datant d'un jour et d'une sauvegarde datant d'une semaine dans différentes branches.

Supprimer définitivement des branches de catalogue

Si vous importez de nouvelles données de catalogue dans une branche existante, il est important que la branche du catalogue soit vide pour garantir l'intégrité des données importées dans la branche. Lorsque la branche est vide, vous pouvez importer de nouvelles données de catalogue et l'associer à un compte marchand.

Si vous diffusez du trafic de prédiction ou du trafic issu du Réseau de Recherche en direct et que vous prévoyez de supprimer votre branche par défaut, pensez d'abord à spécifier une autre branche comme branche par défaut avant de la supprimer. Étant donné que la branche par défaut affichera des résultats vides après avoir été purgée, la purge d'une branche par défaut active peut entraîner une panne.

Pour supprimer définitivement des données d'une branche de catalogue, procédez comme suit :

Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

Accéder à la page "Données"
Sélectionnez une branche de catalogue dans le champ Nom de la branche.
Dans le menu à trois points à côté du champ Nom de la branche, sélectionnez Purger la branche.

Un message s'affiche pour vous avertir que vous êtes sur le point de supprimer toutes les données de la branche, ainsi que tous les attributs créés pour celle-ci.

Remarque : Vous ne pouvez pas annuler la suppression des données d'une branche de catalogue.
Saisissez la branche, puis cliquez sur Confirmer pour supprimer définitivement les données du catalogue de la branche.

Une opération de longue durée est lancée pour supprimer les données de la branche du catalogue. Une fois l'opération de suppression définitive terminée, son état s'affiche dans la liste Catalogue de produits de la fenêtre État de l'activité.

Remarque : La liste des données de catalogue de la filiale ne s'actualise pas automatiquement une fois la purge terminée. Vous devez actualiser la page pour afficher la liste mise à jour de la branche.

Mises à jour de l'inventaire dans AI Commerce Search

Cette section explique comment optimiser les performances de la recherche AI Commerce Search en mettant régulièrement à jour votre inventaire.

Flux en temps réel

Pour les données dynamiques telles que les informations sur l'inventaire (prix, disponibilité) et les détails au niveau du magasin, y compris l'état de la commande et les prix spécifiques au magasin, le streaming en temps réel est la seule option disponible dans AI Commerce Search.
Cette distinction est due à la nature haute fréquence des fluctuations d'inventaire par rapport aux données relativement statiques du catalogue de produits. La disponibilité des produits peut changer plusieurs fois par jour, tandis que les descriptions ou les attributs restent relativement constants.
La fréquence des mises à jour au niveau du magasin augmente avec le nombre de magasins.

Mises à jour asynchrones

Pour s'adapter à ce rythme de changement rapide, AI Commerce Search utilise des mises à jour d'inventaire asynchrones à l'aide d'API qui renvoient un Job ID.
La mise à jour n'est pas considérée comme terminée tant que l'état du job n'a pas été interrogé et confirmé, ce qui peut entraîner un léger retard de quelques secondes à quelques minutes.

Mises à jour hors service

Une fonctionnalité notable de ce système est la possibilité de mettre à jour les informations sur l'inventaire avant que le produit correspondant ne soit ingéré dans le catalogue. Cela permet de résoudre le problème courant où les pipelines de données d'inventaire et de produits fonctionnent indépendamment chez les marchands, ce qui entraîne parfois la disponibilité des informations sur l'inventaire avant la mise à jour du catalogue de produits. Lorsque vous mettez à jour l'inventaire, utilisez l'option allowMissing pour gérer les mises à jour de l'inventaire par rapport au produit qui ne sont pas dans l'ordre.
En permettant aux mises à jour de l'inventaire de précéder l'ingestion du catalogue, AI Commerce Search s'adapte à ces différences de pipeline, ce qui garantit la disponibilité de données d'inventaire précises, même pour les nouveaux produits.
Toutefois, les informations d'inventaire d'un produit sont conservées pendant 24 heures et seront supprimées si aucun produit correspondant n'est ingéré pendant cette période. Ce mécanisme garantit la cohérence des données et empêche les informations obsolètes sur l'inventaire de persister dans le système.

Pré-vérifications du catalogue de produits pour des tests A/B robustes dans AI Commerce Search

Cette section explique comment exécuter des vérifications préalables sur les données du catalogue de produits.

Assurer la parité des mises à jour du catalogue

Pour préparer un test A/B dans AI Commerce Search, il est essentiel de maintenir une parité stricte entre l'ancien catalogue (contrôle) et le catalogue AI Commerce Search (test). Tout déséquilibre entre les deux peut avoir un impact négatif sur le test A/B, ce qui peut fausser les observations et invalider les résultats. Par exemple, des incohérences dans la disponibilité ou le prix des produits, ou même des écarts mineurs au niveau des attributs, peuvent introduire des biais involontaires dans les données de test.
Pour atténuer ce risque, il est impératif de concevoir un processus de mise à jour parallèle pour les catalogues de contrôle et de test, en évitant les mises à jour séquentielles dans la mesure du possible. L'objectif est de maximiser la durée pendant laquelle les deux catalogues sont synchronisés. Les mises à jour en série, en revanche, peuvent entraîner des retards sur l'une ou l'autre des voies. Ces délais peuvent entraîner des incohérences temporaires dans les catalogues, où un produit peut être en stock dans un catalogue, mais pas dans l'autre. Il est également possible qu'un produit récemment ajouté apparaisse dans un catalogue avant l'autre. Ces disparités peuvent avoir une influence considérable sur le comportement des utilisateurs, les clics et les achats, ce qui conduit à une comparaison injuste et à des résultats de tests A/B inexacts.
En privilégiant les mises à jour parallèles et en s'efforçant d'assurer une parité cohérente des catalogues, les marchands peuvent garantir des conditions équitables pour les tests A/B dans AI Commerce Search. Cette approche permet d'analyser les résultats des tests de manière impartiale et équitable, ce qui permet d'obtenir des insights plus fiables et de prendre des décisions éclairées.

Parité des données de catalogue

La profondeur et la précision de la compréhension des produits par un modèle de recherche e-commerce dépendent de la richesse et de la qualité des informations de son catalogue de produits sous-jacent. Plus les données produit du catalogue sont complètes, mieux le modèle est équipé pour comprendre et classer efficacement les produits.
Par conséquent, en préparation des tests A/B, il est impératif de s'assurer que les données produit importées dans l'ancien catalogue (contrôle) et dans le catalogue AI Commerce Search (test) sont identiques. Toute différence dans les informations sur les produits entre ces deux environnements peut fausser considérablement les résultats des tests A/B.
Par exemple, si l'ancien moteur de recherche bénéficie d'un catalogue plus riche ou plus étendu que AI Commerce Search, cela crée un avantage déloyal. Les informations manquantes dans le catalogue AI Commerce Search peuvent être essentielles pour comprendre et classer les produits. Elles peuvent entraîner des résultats de recherche inexacts et des comparaisons de performances trompeuses. Il peut être difficile de détecter de telles disparités avec des outils externes. Cela nécessite souvent une inspection manuelle minutieuse des deux catalogues.
En s'assurant que les deux catalogues contiennent les mêmes données produit avec le même niveau de détail, les marchands peuvent créer des conditions équitables pour les tests A/B dans la recherche AI Commerce. Cette approche favorise une comparaison équitable et impartiale des deux moteurs de recherche, ce qui permet d'évaluer précisément leurs performances et leurs capacités respectives.

Planification de la reprise après sinistre

Un plan de reprise après sinistre bien préparé garantit que vos fonctionnalités de recherche pour le commerce restent opérationnelles et réactives, ce qui minimise l'impact sur l'expérience client et la génération de revenus. Ce plan devrait permettre de restaurer rapidement le catalogue pour faire face à une éventuelle défaillance des pipelines d'ingestion du catalogue et des événements utilisateur, quelle que soit la cause sous-jacente.

L'utilisation de BigQuery pour la préparation des données offre un avantage distinct en matière de reprise après sinistre. Si le catalogue actuel ou les données d'événements utilisateur dans AI Commerce Search ne sont pas très différents du dernier instantané stocké dans BigQuery, l'appel de l'API d'importation peut lancer une restauration rapide. Cette approche minimise les temps d'arrêt et garantit que la fonctionnalité de recherche reste opérationnelle.

À l'inverse, si BigQuery n'est pas intégré à votre pipeline de données, des mécanismes alternatifs doivent être en place pour recharger rapidement le catalogue à partir d'un état stable connu. Ces mécanismes peuvent inclure des systèmes de sauvegarde, la réplication des données ou d'autres stratégies de basculement.

En intégrant ces considérations de reprise après sinistre à votre architecture AI Commerce Search, vous pouvez renforcer la robustesse du système et maintenir la continuité de l'activité, même en cas d'interruptions inattendues.

Planifier la haute disponibilité

Lorsque vous importez votre catalogue de produits dans AI Commerce Search, il est important de tenir compte de la façon dont les différents services Google Cloud gèrent la régionalité pour concevoir un pipeline d'ingestion de données résilient.

Pour créer un pipeline d'ingestion compatible avec la reprise après sinistre à l'aide de Dataflow, déployez vos jobs dans plusieurs régions en utilisant l'une des conceptions suivantes :

Actif/actif : les instances Dataflow de plusieurs régions traitent activement les données simultanément.
Actif/passif : une instance Dataflow dans une région est active, tandis que les instances dans d'autres régions restent en veille.

Voici comment implémenter ces conceptions avec Pub/Sub et Dataflow :

Services mondiaux : certains services, tels que Pub/Sub, fonctionnent à l'échelle mondiale. Google Cloud gère leur disponibilité en fonction de leurs contrats de niveau de service (SLA) spécifiques.
Services régionaux : d'autres services, comme Dataflow, que vous pouvez utiliser pour transformer et ingérer des données dans AI Commerce Search, sont régionaux. Vous êtes responsable de la configuration de ces composants pour la haute disponibilité et la reprise après sinistre.

Par exemple, lorsque vous utilisez BigQuery pour conserver des données, vous pouvez le configurer pour qu'il soit multirégional. La redondance et la disponibilité des données sont alors gérées automatiquement par Google Cloud. De même, lorsque vous utilisez Cloud Storage, vous pouvez le configurer pour qu'il soit multirégional.

Conception actif/actif

La conception active/active utilise les attributs de message et les filtres d'abonnement Pub/Sub pour s'assurer que chaque message est traité exactement une fois par un job Dataflow actif dans une région spécifique.

Ajoutez des attributs de message : lorsque vous publiez des messages dans la rubrique Pub/Sub, tels que des mises à jour de produits, incluez un attribut indiquant la région cible. Exemple :
- region : us-central1
- region : us-east1
Configurer les filtres d'abonnement : pour chaque pipeline Dataflow régional, configurez son abonnement Pub/Sub afin qu'il n'extrait que les messages correspondant à sa région à l'aide des filtres de messages. Par exemple, l'abonnement au job Dataflow us-central1 aurait un filtre tel que attributes.region = "us-central1".
Basculement : si une région devient indisponible, mettez à jour votre système de publication en amont pour taguer tous les nouveaux messages avec un attribut pour une région opérationnelle. Le traitement des messages est alors redirigé vers l'instance Dataflow de la région de basculement.

Plusieurs composants utilisés dans l'architecture peuvent être configurés pour être multirégionaux par défaut. Par exemple, lorsque vous utilisez BigQuery pour conserver des données, vous pouvez le configurer comme multirégional afin que Cloud Storage gère automatiquement la redondance et la disponibilité des données. De même, lorsque vous utilisez Cloud Storage, vous pouvez le configurer comme multirégional.

Conception actif/passif

Cette conception implique de n'avoir qu'un seul pipeline Dataflow régional qui extrait activement les messages de Pub/Sub à tout moment.

Assurez-vous qu'un seul abonnement est associé : vérifiez que seul l'abonnement Pub/Sub du job Dataflow de la région active est associé et extrait les messages. Les abonnements aux jobs Dataflow dans les régions passives doivent être créés, mais rester détachés.
Basculement : en cas de défaillance dans la région active, manuellement ou par programmation :
- Détachez l'abonnement Pub/Sub associé au job Dataflow de la région concernée.
- Associez l'abonnement Pub/Sub à un job Dataflow dans l'une des régions passives (en veille).

Cela transfère la charge de traitement des messages vers la région nouvellement activée.

Résilience et investigation

L'utilisation de BigQuery dans la conception de l'ingestion de données peut permettre de gérer la résilience et de créer des fonctionnalités pour l'analyse et le débogage. Lorsque des produits et un inventaire sont ingérés directement avec les API patch et addLocalInventory, aucune trace de la mise à jour des produits et de l'inventaire n'est laissée lorsque les données sont envoyées à AI Commerce Search. Votre utilisateur peut vouloir savoir pourquoi un produit ne s'affiche pas comme il s'y attend. Le fait de disposer d'une zone de préparation créée avec BigQuery et contenant un historique complet des données facilite ce type d'investigation et de débogage.

Architecture de référence

Dans cette architecture, l'ingestion de données comprend généralement des étapes de données brutes, organisées et de consommation, toutes basées sur BigQuery. Le système déplacerait les données entre les étapes à l'aide de Dataflow et orchestrerait l'automatisation de l'ensemble à l'aide de workflows cloud :

Le système prendrait les données brutes telles quelles et les horodaterait pour conserver l'historique. Ces données n'ont pas changé. Les clients les considéreront donc comme une source fiable.
Le système transformerait ensuite les données en une étape organisée et les marquerait à nouveau avec un code temporel. Les clients sauront ainsi quand la transformation a eu lieu et si un problème s'est produit.
Enfin, le système créerait des vues au stade de la consommation sur les données organisées en utilisant l'heure à laquelle le système a tagué les données précédemment. Ainsi, le client saura exactement quelles données transformées doivent être ingérées dans AI Commerce Search.

Les branches 0, 1 et 2 servent de branches de sauvegarde en direct, d'un jour et d'une semaine. Les données ingérées directement dans la branche 0 sont agrégées et indexées dans la branche 1 quotidiennement et dans la branche 2 chaque semaine. De cette façon, toute altération des données peut être annulée, ce qui améliore la continuité de l'activité et la résilience du système.

De plus, l'analyse et le débogage sont possibles, car l'intégralité de l'historique et de la provenance des données est conservée dans des ensembles de données BigQuery mondiaux.

Planifier les cas extrêmes avec l'ingestion de catalogue

Une fois les mécanismes de base pour l'ingestion de catalogue dans AI Commerce Search établis, une approche proactive consiste à évaluer leur résilience face à divers cas extrêmes. Bien que certains de ces scénarios ne soient pas immédiatement pertinents pour vos besoins commerciaux spécifiques, les prendre en compte dans la conception de votre backend peut vous permettre de vous préparer à l'avenir.

Cette étape préparatoire consiste à examiner la capacité de votre pipeline de données à gérer les scénarios inattendus ou extrêmes, en veillant à sa robustesse et à son adaptabilité aux exigences en constante évolution. En anticipant les problèmes potentiels et en les résolvant de manière proactive, vous pouvez atténuer les futures perturbations et maintenir le flux continu de données produit dans votre système AI Commerce Search.

Pour ce faire, la logique Dataflow doit être conçue de manière à :

Valide chaque élément des données brutes pour qu'il corresponde à un schéma approprié. Le contrat des données brutes doit être déterminé à l'avance et chaque élément de données doit toujours être mis en correspondance avec le contrat. En cas d'échec de la validation, l'élément de données brutes doit être horodaté et conservé dans les tables BigQuery brutes ayant échoué, avec les erreurs réelles destinées à l'analyse forensique.

Voici quelques exemples d'échec :
- Un attribut qui ne fait pas partie du contrat apparaît soudainement dans l'élément de données brutes.
- Un attribut obligatoire n'est pas présent dans l'élément de données brutes.
Valide chaque élément des données brutes pour la transformation au format AI Commerce Search. L'API AI Commerce Search exige certains champs obligatoires pour l'ingestion des produits. Chaque élément des données brutes doit maintenant être vérifié à nouveau pour voir s'il peut être transformé au format du schéma AI Commerce Search. En cas d'échec de la transformation, l'élément de données brutes doit être horodaté et conservé dans les tables BigQuery de données sélectionnées ayant échoué, avec les messages d'erreur réels qui peuvent aider à l'analyse.

Voici quelques exemples d'échec :
- Un attribut donné, comme le prix, ne peut pas être mis au format numérique, car l'élément de données brutes est au format alphanumérique.
- Le nom du produit est totalement absent.

Cet exemple montre un exemple de schéma de table BigQuery permettant de conserver tous les échecs à des fins de débogage :

Afficher un exemple de schéma de table BigQuery

[
    {
      "mode": "REQUIRED",
      "name": "ingestedTimestamp",
      "type": "TIMESTAMP"
    },
    {
      "mode": "REQUIRED",
      "name": "payloadString",
      "type": "STRING"
    },
    {
      "mode": "REQUIRED",
      "name": "payloadBytes",
      "type": "BYTES"
    },
    {
      "fields": [
        {
          "mode": "NULLABLE",
          "name": "key",
          "type": "STRING"
        },
        {
          "mode": "NULLABLE",
          "name": "value",
          "type": "STRING"
        }
      ],
      "mode": "REPEATED",
      "name": "attributes",
      "type": "RECORD"
    },
    {
      "mode": "NULLABLE",
      "name": "errorMessage",
      "type": "STRING"
    },
    {
      "mode": "NULLABLE",
      "name": "stacktrace",
      "type": "STRING"
    }
  ]

Tests de contrainte et évolutivité

Préparez-vous aux événements à fort volume et à la croissance grâce aux tests de charge et à l'évolutivité.

Événements à fort trafic

Les événements à fort trafic, comme les fêtes, représentent un défi de taille pour les pipelines d'ingestion de données. L'augmentation des mises à jour de l'inventaire, y compris des niveaux de stock et des prix, ainsi que les modifications potentielles des attributs des produits nécessitent une infrastructure robuste. Il est important de déterminer si votre système d'ingestion peut gérer cette charge accrue. Les tests de charge simulés, qui reproduisent les schémas de trafic de pointe, permettent d'identifier les goulots d'étranglement et d'assurer un fonctionnement fluide pendant ces périodes critiques.

Ventes flash

Les ventes flash présentent un défi unique en raison de leur courte durée et des fluctuations rapides de l'inventaire. Il est essentiel de s'assurer que l'inventaire est synchronisé en temps réel pour éviter les écarts entre les résultats de recherche et la disponibilité réelle. Si vous ne le faites pas, vous risquez de nuire à l'expérience client (par exemple, des produits populaires peuvent apparaître comme étant en stock alors qu'ils sont en fait épuisés, ou inversement). De plus, les changements de prix pendant les ventes flash peuvent avoir un impact significatif sur le classement des produits. Il est donc essentiel de mettre à jour les prix de manière précise et rapide dans l'index de recherche.

Élargissement du catalogue

La croissance de votre activité ou l'expansion de votre gamme de produits peuvent entraîner une augmentation spectaculaire (par exemple, x5 ou x10) du nombre de produits dans votre catalogue. Votre architecture d'ingestion doit être évolutive pour s'adapter à cette croissance de manière fluide. Cela peut nécessiter de revoir l'ensemble du pipeline ETL (extraction, transformation et chargement), en particulier si de nouvelles sources de données ou de nouveaux formats d'informations produit sont introduits.

En traitant de manière proactive ces scénarios potentiels, vous pouvez vous assurer que votre pipeline d'ingestion AI Commerce Search reste robuste, évolutif et réactif, même en cas de pics de trafic soudains, de ventes flash ou de croissance importante du catalogue. Cette approche proactive permet de garantir l'exactitude et la fiabilité de vos résultats de recherche, ce qui contribue à une expérience utilisateur positive et à la réussite de votre entreprise.

Les performances du pipeline d'ingestion de données doivent être évaluées et une référence doit être établie pour les métriques suivantes :

Combien de temps faut-il pour publier et ingérer l'ensemble des données de catalogue et d'inventaire ? Cela peut être nécessaire de manière ponctuelle pendant le Black Friday/Cyber Monday, lorsque les prix peuvent changer considérablement pour l'ensemble du catalogue.
Combien de temps faut-il pour qu'une modification apportée à un produit soit prise en compte ?
Quel est le taux maximal de mises à jour des produits et de l'inventaire que le système peut traiter ?

Goulots d'étranglement

Évaluez et vérifiez si les pipelines peuvent être mis à l'échelle de manière appropriée.
Déterminez si le plafond maximal du nombre d'instances est trop élevé ou trop bas.
Déterminez si le système est limité en débit par AI Commerce Search en vérifiant le code HTTP 429.
Vérifiez si certains quotas d'API doivent être augmentés pour réduire la limitation du débit.

Structure des données produit pour l'ingestion de catalogues

Cette section explique comment préparer vos données produit pour l'ingestion de catalogue.

Produits principaux

Les produits principaux servent de conteneurs pour regrouper les variantes de produits et d'entrées dans la grille de recherche. Ne spécifiez que les attributs communs à toutes les variantes pour les produits principaux. Exemples :

ID de produit principal
Identifiant produit (identique à l'identifiant produit principal)
Titre
Description

Pour en savoir plus, consultez À propos des attributs de produit.

Variantes de produits

Les variantes de produits héritent des attributs communs du produit principal, mais peuvent également spécifier des valeurs uniques.

Voici les attributs obligatoires :

Tous les attributs spécifiés pour les produits principaux (titre, description). Le prix, le titre et la description peuvent être différents de ceux du produit principal.
Attributs de variantes spécifiques (couleur, taille et autres variantes de produits pertinentes).

Pour en savoir plus, consultez À propos des attributs de produit.

Récupération des attributs

Le processus de récupération prend en compte tous les attributs pouvant être recherchés pour les produits principaux et les variantes.

Score de pertinence

Le score de pertinence est basé uniquement sur les champs de titre et de description. Pour bien les différencier, modifiez légèrement les titres des variantes par rapport à ceux des produits principaux (par exemple, Nom du produit + Couleur).

Correspondance des variantes dans les résultats de recherche

La correspondance des variantes (par exemple, robe bleue) filtre les résultats en fonction d'attributs de variantes prédéfinis tels que la couleur et la taille. Les résultats de recherche renvoient jusqu'à cinq variantes correspondantes pour chaque produit principal.

Synchroniser Merchant Center avec AI Commerce Search

Merchant Center est un outil qui vous permet de rendre les données de votre magasin et vos données produit disponibles pour les annonces Shopping et d'autres services Google.

Pour une synchronisation continue entre Merchant Center et AI Commerce Search, vous pouvez associer votre compte Merchant Center à AI Commerce Search.

Lorsque vous configurez une synchronisation Merchant Center pour AI Commerce Search, vous devez disposer du rôle IAM Administrateur dans Merchant Center. Bien qu'un rôle d'accès standard vous permette de lire les flux Merchant Center, un message d'erreur s'affiche lorsque vous essayez de synchroniser Merchant Center avec AI Commerce Search. Pour pouvoir synchroniser votre compte Merchant Center avec AI Commerce Search, vous devez donc mettre à niveau votre rôle.

Associer votre compte Merchant Center

La recherche e-commerce basée sur l'IA étant associée au compte Merchant Center, les modifications apportées à vos données produit dans le compte Merchant Center sont automatiquement mises à jour en quelques minutes dans la recherche e-commerce basée sur l'IA. Si vous ne souhaitez pas que les modifications apportées à Merchant Center soient synchronisées avec AI Commerce Search, vous pouvez dissocier votre compte Merchant Center.

Dissocier votre compte Merchant Center ne supprime pas les produits dans AI Commerce Search. Pour supprimer des produits importés, consultez Supprimer des informations produit.

Pour synchroniser votre compte Merchant Center, procédez comme suit :

Synchroniser votre compte Merchant Center

console Cloud

Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

Accéder à la page "Données"
Cliquez sur Importer pour ouvrir le panneau Importer des données.
Sélectionnez Catalogue de produits.
Sélectionnez Merchant Center Sync comme source de données.
Sélectionnez votre compte Merchant Center. Si vous ne voyez pas votre compte, vérifiez Accès utilisateur.
Facultatif : Sélectionnez Filtre des flux Merchant Center pour n'importer que les offres des flux sélectionnés.

Si vous ne spécifiez rien, les offres de tous les flux (y compris les futurs flux) sont importées.
Facultatif : Pour n'importer que les offres ciblées sur certains pays ou certaines langues, développez Afficher les options avancées, puis sélectionnez les pays de vente et les langues Merchant Center à filtrer.
Sélectionnez la branche dans laquelle vous allez importer votre catalogue.
Cliquez sur Import (Importer).

curl

Vérifiez que le compte de service dans votre environnement local a accès au compte Merchant Center et à AI Commerce Search. Pour vérifier quels comptes ont accès à votre compte Merchant Center, consultez la section Accès des utilisateurs à Merchant Center.
Utilisez la méthode MerchantCenterAccountLink.create pour établir l'association.
```
curl -X POST \
-H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
 --data '{
  "merchantCenterAccountId": MERCHANT_CENTER_ID,
  "branchId": "BRANCH_ID",
  "feedFilters": [
    {"dataSourceId": DATA_SOURCE_ID_1}
    {"dataSourceId": DATA_SOURCE_ID_2}
  ],
  "languageCode": "LANGUAGE_CODE",
  "feedLabel": "FEED_LABEL",
 }' \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/merchantCenterAccountLinks"
```
- MERCHANT_CENTER_ID : ID du compte Merchant Center.
- BRANCH_ID : ID de la branche à associer. Accepte les valeurs "0", "1" ou "2".
- LANGUAGE_CODE : (FACULTATIF) code de langue à deux lettres des produits que vous souhaitez importer. Comme indiqué dans Merchant Center, dans la colonne Language du produit. Si ce paramètre n'est pas défini, toutes les langues sont importées.
- FEED_LABEL : (FACULTATIF) Libellé du flux des produits que vous souhaitez importer. Vous pouvez voir le libellé du flux dans Merchant Center, dans la colonne Libellé du flux du produit. Si ce paramètre n'est pas défini, tous les libellés de flux sont importés.
- FEED_FILTERS : (FACULTATIF) Liste des flux principaux à partir desquels les produits seront importés. Si vous ne sélectionnez aucun flux, cela signifie que tous les flux du compte Merchant Center sont partagés. Vous trouverez les ID dans la ressource Content API datafeeds ou en accédant à Merchant Center, en sélectionnant un flux et en récupérant l'ID du flux à partir du paramètre afmDataSourceId dans l'URL du site. Par exemple, mc/products/sources/detail?a=MERCHANT_CENTER_ID&afmDataSourceId=DATA_SOURCE_ID.

Pour afficher votre compte Merchant Center associé, accédez à la page Données de la console AI Commerce Search dans Gemini Enterprise pour l'expérience client, puis cliquez sur le bouton Merchant Center en haut à droite de la page. Le panneau Comptes Merchant Center associés s'ouvre. Vous pouvez également ajouter d'autres comptes Merchant Center à partir de ce panneau.

Pour savoir comment afficher les produits importés, consultez Afficher des informations agrégées sur votre catalogue.

Lister les associations à votre compte Merchant Center

console Cloud

Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

Accéder à la page "Données"
Cliquez sur le bouton Merchant Center en haut à droite de la page pour ouvrir la liste de vos comptes Merchant Center associés.

curl

Utilisez la méthode MerchantCenterAccountLink.list pour lister la ressource "links".

curl -X GET \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/merchantCenterAccountLinks"

Dissocier votre compte Merchant Center

Si vous dissociez votre compte Merchant Center, les données de catalogue de ce compte ne seront plus synchronisées avec AI Commerce Search. Cette procédure ne supprime aucun produit déjà importé dans AI Commerce Search.

console Cloud

Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.

Accéder à la page "Données"
Cliquez sur le bouton Merchant Center en haut à droite de la page pour ouvrir la liste de vos comptes Merchant Center associés.
Cliquez sur Dissocier à côté du compte Merchant Center que vous dissociez, puis confirmez votre choix dans la boîte de dialogue qui s'affiche.

curl

Utilisez la méthode MerchantCenterAccountLink.delete pour supprimer la ressource MerchantCenterAccountLink.

curl -X DELETE \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 "https://retail.googleapis.com/v2alpha/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/merchantCenterAccountLinks/BRANCH_ID_MERCHANT_CENTER_ID"

Limites de l'association à Merchant Center

Un compte Merchant Center peut être associé à un nombre illimité de branches de catalogue, mais une branche de catalogue donnée ne peut être associée qu'à un seul compte Merchant Center.
Un compte Merchant Center ne peut pas être un multicompte (MC). Toutefois, vous pouvez associer des sous-comptes individuels.
La première importation après l'association de votre compte Merchant Center peut prendre plusieurs heures. La durée dépend du nombre d'offres dans le compte Merchant Center.
Toute modification de produit à l'aide de méthodes d'API est désactivée pour les branches associées à un compte Merchant Center. Toute modification des données de catalogue de produits dans ces branches doit être effectuée via Merchant Center. Ces modifications sont ensuite automatiquement synchronisées avec AI Commerce Search.
Le type de produit de collection n'est pas compatible avec les branches utilisant l'association à Merchant Center.
Pour garantir l'exactitude des données, votre compte Merchant Center ne peut être associé qu'à des branches de catalogue vides. Pour supprimer des produits d'une branche de catalogue, consultez Supprimer des informations sur les produits.

Importer des données de catalogue à partir de BigQuery

Pour importer des données de catalogue au bon format depuis BigQuery, utilisez le schéma AI Commerce Search pour créer une table BigQuery au bon format et charger la table vide avec vos données de catalogue. Ensuite, importez vos données dans AI Commerce Search.

Pour plus d'informations sur les tables BigQuery, consultez la page Présentation des tables. Pour obtenir de l'aide sur les requêtes BigQuery, consultez la page Présentation des requêtes de données dans BigQuery.

Pour obtenir des instructions détaillées sur cette tâche directement dans l'éditeur Cloud Shell, cliquez sur Visite guidée :

Visite guidée

Pour importer votre catalogue, procédez comme suit :

Si votre ensemble de données BigQuery se trouve dans un autre projet, configurez les autorisations requises pour qu'AI Commerce Search puisse y accéder. En savoir plus
Importez les données de votre catalogue dans AI Commerce Search.
console Cloud
1. Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
  
  Accéder à la page "Données"
2. Cliquez sur Importer pour ouvrir le panneau Importer des données.
3. Sélectionnez Catalogue de produits.
4. Sélectionnez BigQuery comme source de données.
5. Sélectionnez la branche dans laquelle vous allez importer votre catalogue.
6. Sélectionnez Schéma Retail pour les catalogues de produits. Il s'agit du schéma de produit pour AI Commerce Search.
7. Renseignez la table BigQuery dans laquelle se trouvent vos données.
8. Facultatif : Sous Afficher les options avancées, saisissez l'emplacement d'un bucket Cloud Storage dans votre projet comme emplacement temporaire pour vos données.
  
  Si aucune valeur n'est spécifiée, un emplacement par défaut est utilisé. Si vous le spécifiez, le bucket BigQuery et Cloud Storage doivent se trouver dans la même région.
9. Si la recherche n'est pas activée et que vous utilisez le schéma Merchant Center, sélectionnez le niveau produit.
  
  Vous devez sélectionner le niveau produit s'il s'agit de la première fois que vous importez votre catalogue ou si vous le réimportez après l'avoir supprimé. En savoir plus sur les niveaux de produit Modifier les niveaux de produit après avoir importé des données demande un effort considérable.
  
  Important : Vous ne pouvez pas activer la recherche pour les projets dont le catalogue de produits a été ingéré en tant que variantes.
10. Cliquez sur Importer.
curl
1. Si vous importez votre catalogue pour la première fois ou si vous le réimportez après sa suppression, définissez vos niveaux de produits à l'aide de la méthode Catalog.patch. Cette opération nécessite le rôle "Administrateur Retail".
  
  ingestionProductType : accepte les valeurs primary (par défaut) et variant.
  
  merchantCenterProductIdField : accepte les valeurs offerId et itemGroupId. Si vous n'utilisez pas Merchant Center, vous n'avez pas besoin de définir ce champ.
  
  curl -X PATCH \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" \ --data '{ "productLevelConfig": { "ingestionProductType": "PRODUCT_TYPE", "merchantCenterProductIdField": "PRODUCT_ID_FIELD" } }' \ "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog"
2. Créez un fichier de données pour les paramètres d'entrée de l'importation.
  
  Utilisez l'objet BigQuerySource pour pointer vers votre ensemble de données BigQuery.
  
  DATASET_ID : ID de l'ensemble de données BigQuery.
  
  TABLE_ID : ID de la table BigQuery contenant vos données.
  
  PROJECT_ID : ID du projet dans lequel se trouve la source BigQuery S'il n'est pas spécifié, l'ID du projet est hérité de la requête parente.
  
  STAGING_DIRECTORY : facultatif. Un répertoire Cloud Storage utilisé comme emplacement provisoire pour vos données avant leur importation dans BigQuery. Laissez ce champ vide pour créer automatiquement un répertoire temporaire (recommandé).
  
  ERROR_DIRECTORY : facultatif. Un répertoire Cloud Storage contenant des informations sur les erreurs d'importation. Laissez ce champ vide pour créer automatiquement un répertoire temporaire (recommandé).
  
  dataSchema : pour la propriété dataSchema, utilisez la valeur product (par défaut). Vous utiliserez le schéma AI Commerce Search.
  
  Nous vous recommandons de ne pas spécifier de répertoire de préproduction ni d'erreurs. Un bucket Cloud Storage avec de nouveaux répertoires de préproduction et d'erreurs pourra ainsi être créé automatiquement. Ces répertoires sont créés dans la même région que l'ensemble de données BigQuery et sont uniques à chaque importation (ce qui empêche plusieurs jobs d'importation de transférer des données vers le même répertoire et potentiellement de réimporter les mêmes données). Après trois jours, le bucket et les répertoires sont automatiquement supprimés afin de réduire les coûts de stockage.
  
  Un nom de bucket créé automatiquement inclut l'ID du projet, la région du bucket et le nom du schéma de données, séparés par des traits de soulignement (par exemple, 4321_us_catalog_retail). Les répertoires créés automatiquement sont appelés staging ou errors, et un numéro (par exemple, staging2345 ou errors5678) leur est ajouté.
  
  Si vous spécifiez des répertoires, le bucket Cloud Storage doit se trouver dans la même région que l'ensemble de données BigQuery. Dans le cas contraire, l'importation échoue. Fournissez les répertoires de préproduction et d'erreur au format gs://<bucket>/<folder>/ (ils doivent être différents).
  
  { "inputConfig":{ "bigQuerySource": { "projectId":"PROJECT_ID", "datasetId":"DATASET_ID", "tableId":"TABLE_ID", "dataSchema":"product"} } }
3. Importez les informations de votre catalogue en envoyant une requête POST à la méthode REST Products:import et en fournissant le nom du fichier de données (ici, input.json).
  
  curl -X POST \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" -d @./input.json \ "https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"
  
  Vous pouvez vérifier l'état de manière automatisée avec l'API. Vous devriez recevoir un objet de réponse ressemblant à ceci :
  
  { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456", "done": false }
  
  Le champ de nom est l'ID de l'objet d'opération. Pour demander l'état de cet objet, remplacez le champ de nom par la valeur renvoyée par la méthode import, jusqu'à ce que le champ done renvoie true :
  
  curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456"
  
  Une fois l'opération terminée, l'objet renvoyé a une valeur done de true et inclut un objet Status semblable à l'exemple suivant :
  
  { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456", "metadata": { "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata", "createTime": "2020-01-01T03:33:33.000001Z", "updateTime": "2020-01-01T03:34:33.000001Z", "successCount": "2", "failureCount": "1" }, "done": true, "response": { "@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse", }, "errorsConfig": { "gcsPrefix": "gs://error-bucket/error-directory" } }
  
  Vous pouvez inspecter les fichiers du répertoire d'erreurs dans Cloud Storage pour voir si des erreurs se sont produites lors de l'importation.

Configurer l'accès à votre ensemble de données BigQuery

Pour configurer l'accès lorsque votre ensemble de données BigQuery se trouve dans un projet différent de celui de votre service AI Commerce Search, procédez comme suit.

Ouvrez la page IAM dans la console Google Cloud .

Ouvrir la page IAM
Sélectionnez votre projet AI Commerce Search.
Recherchez le compte de service nommé Agent de service Retail.

Si vous n'avez jamais lancé d'opération d'importation, il est possible que ce compte de service ne soit pas listé. Si vous ne voyez pas ce compte de service, revenez à la tâche d'importation et lancez l'importation. Si l'opération échoue en raison d'erreurs d'autorisation, revenez ici et effectuez cette tâche.
Copiez l'identifiant du compte de service qui ressemble à une adresse e-mail (par exemple, service-525@gcp-sa-retail.iam.gserviceaccount.com).
Passez à votre projet BigQuery (sur la même page IAM et administration), puis cliquez sur Accorder l'accès.
Dans Nouveaux comptes principaux, saisissez l'identifiant du compte de service AI Commerce Search et sélectionnez le rôle BigQuery > Utilisateur BigQuery.
Cliquez sur Ajouter un autre rôle, puis sélectionnez BigQuery > Éditeur de données BigQuery.

Si vous ne souhaitez pas attribuer le rôle d'éditeur de données à l'ensemble du projet, vous pouvez l'ajouter directement à l'ensemble de données. En savoir plus
Cliquez sur Enregistrer.

Schéma de produit

Lorsque vous importez un catalogue depuis BigQuery, utilisez le schéma de produit AI Commerce Search suivant pour créer une table BigQuery au format approprié et la charger avec vos données de catalogue. Ensuite, importez le catalogue.

Afficher le schéma de produit AI Commerce Search

[
  {
    "name": "name",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "id",
    "type": "STRING",
    "mode": "REQUIRED"
  },
  {
    "name": "type",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "primaryProductId",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "collectionMemberIds",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "gtin",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "categories",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "title",
    "type": "STRING",
    "mode": "REQUIRED"
  },
  {
    "name": "brands",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "description",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "languageCode",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "attributes",
    "type": "RECORD",
    "mode": "REPEATED",
    "fields": [
      {
        "name": "key",
        "type": "STRING",
        "mode": "NULLABLE"
      },
      {
        "name": "value",
        "type": "RECORD",
        "mode": "NULLABLE",
        "fields": [
          {
            "name": "text",
            "type": "STRING",
            "mode": "REPEATED"
          },
          {
            "name": "numbers",
            "type": "FLOAT",
            "mode": "REPEATED"
          }
        ]
      }
    ]
  },
  {
    "name": "tags",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "priceInfo",
    "type": "RECORD",
    "mode": "NULLABLE",
    "fields": [
      {
        "name": "currencyCode",
        "type": "STRING",
        "mode": "NULLABLE"
      },
      {
        "name": "price",
        "type": "FLOAT",
        "mode": "NULLABLE"
      },
      {
        "name": "originalPrice",
        "type": "FLOAT",
        "mode": "NULLABLE"
      },
      {
        "name": "cost",
        "type": "FLOAT",
        "mode": "NULLABLE"
      },
      {
        "name": "priceEffectiveTime",
        "type": "STRING",
        "mode": "NULLABLE"
      },
      {
        "name": "priceExpireTime",
        "type": "STRING",
        "mode": "NULLABLE"
      }
    ]
  },
  {
    "name": "rating",
    "type": "RECORD",
    "mode": "NULLABLE",
    "fields": [
      {
        "name": "ratingCount",
        "type": "INTEGER",
        "mode": "NULLABLE"
      },
      {
        "name": "averageRating",
        "type": "FLOAT",
        "mode": "NULLABLE"
      },
      {
        "name": "ratingHistogram",
        "type": "INTEGER",
        "mode": "REPEATED"
      }
    ]
  },
  {
    "name": "expireTime",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "ttl",
    "type": "RECORD",
    "mode": "NULLABLE",
    "fields": [
      {
        "name": "seconds",
        "type": "INTEGER",
        "mode": "NULLABLE"
      },
      {
        "name": "nanos",
        "type": "INTEGER",
        "mode": "NULLABLE"
      }
    ]
  },
  {
    "name": "availableTime",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "availability",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "availableQuantity",
    "type": "INTEGER",
    "mode": "NULLABLE"
  },
  {
    "name": "fulfillmentInfo",
    "type": "RECORD",
    "mode": "REPEATED",
    "fields": [
      {
        "name": "type",
        "type": "STRING",
        "mode": "NULLABLE"
      },
      {
        "name": "placeIds",
        "type": "STRING",
        "mode": "REPEATED"
      }
    ]
  },
  {
    "name": "uri",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "images",
    "type": "RECORD",
    "mode": "REPEATED",
    "fields": [
      {
        "name": "uri",
        "type": "STRING",
        "mode": "REQUIRED"
      },
      {
        "name": "height",
        "type": "INTEGER",
        "mode": "NULLABLE"
      },
      {
        "name": "width",
        "type": "INTEGER",
        "mode": "NULLABLE"
      }
    ]
  },
  {
    "name": "audience",
    "type": "RECORD",
    "mode": "NULLABLE",
    "fields": [
      {
        "name": "genders",
        "type": "STRING",
        "mode": "REPEATED"
      },
      {
        "name": "ageGroups",
        "type": "STRING",
        "mode": "REPEATED"
      }
    ]
  },
  {
    "name": "colorInfo",
    "type": "RECORD",
    "mode": "NULLABLE",
    "fields": [
      {
        "name": "colorFamilies",
        "type": "STRING",
        "mode": "REPEATED"
      },
      {
        "name": "colors",
        "type": "STRING",
        "mode": "REPEATED"
      }
    ]
  },
  {
    "name": "sizes",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "materials",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "patterns",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "conditions",
    "type": "STRING",
    "mode": "REPEATED"
  },
  {
    "name": "publishTime",
    "type": "STRING",
    "mode": "NULLABLE"
  },
  {
    "name": "promotions",
    "type": "RECORD",
    "mode": "REPEATED",
    "fields": [
      {
        "name": "promotionId",
        "type": "STRING",
        "mode": "NULLABLE"
      }
    ]
  }
]

Importer des données de catalogue depuis Cloud Storage

Pour importer des données de catalogue au format JSON, créez un ou plusieurs fichiers JSON contenant les données de catalogue que vous souhaitez importer, puis importez ces données dans Cloud Storage. Vous pourrez ensuite l'importer dans AI Commerce Search.

Pour obtenir un exemple de format d'élément de produit JSON, consultez la section Format de données JSON d'élément de produit.

Pour obtenir de l'aide concernant l'importation de fichiers dans Cloud Storage, consultez Importer des objets.

Assurez-vous que le compte de service AI Commerce Search dispose de l'autorisation de lecture et d'écriture dans le bucket.

Le compte de service AI Commerce Search est listé sur la page IAM de la console Google Cloud sous le nom Agent de service Retail. Utilisez l'identifiant du compte de service, qui ressemble à une adresse e-mail (par exemple, service-525@gcp-sa-retail.iam.gserviceaccount.com), lorsque vous ajoutez le compte aux autorisations de votre bucket.
Importez les données de votre catalogue.
console Cloud
1. Accédez à la page Données dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
  
  Accéder à la page "Données"
2. Cliquez sur Importer pour ouvrir le panneau Importer des données.
3. Sélectionnez Catalogue de produits comme source de données.
4. Sélectionnez la branche dans laquelle vous allez importer votre catalogue.
5. Choisissez Schéma des catalogues de produits Retail comme schéma.
6. Saisissez l'emplacement Cloud Storage de vos données.
7. Si la recherche n'est pas activée, sélectionnez les niveaux de produit.
  
  Vous devez sélectionner les niveaux de produit si vous importez votre catalogue pour la première fois ou si vous le réimportez après l'avoir supprimé. En savoir plus sur les niveaux de produit Modifier les niveaux de produit après avoir importé des données demande un effort considérable.
  
  Important : Vous ne pouvez pas activer la recherche pour les projets dont le catalogue de produits a été ingéré en tant que variantes.
8. Cliquez sur Importer.
curl
1. Si vous importez votre catalogue pour la première fois ou si vous le réimportez après sa suppression, définissez vos niveaux de produits à l'aide de la méthode Catalog.patch. En savoir plus sur les niveaux de produit.
  
  ingestionProductType : accepte les valeurs primary (par défaut) et variant.
  
  merchantCenterProductIdField : accepte les valeurs offerId et itemGroupId. Si vous n'utilisez pas Merchant Center, vous n'avez pas besoin de définir ce champ.
  
  curl -X PATCH \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" \ --data '{ "productLevelConfig": { "ingestionProductType": "PRODUCT_TYPE", "merchantCenterProductIdField": "PRODUCT_ID_FIELD" } }' \ "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog"
2. Créez un fichier de données pour les paramètres d'entrée de l'importation. Utilisez l'objet GcsSource pour pointer vers votre bucket Cloud Storage.
  
  Vous pouvez fournir plusieurs fichiers ou un seul ; cet exemple utilise deux fichiers.
  
  INPUT_FILE : un ou plusieurs fichiers Cloud Storage contenant vos données de catalogue.
  
  ERROR_DIRECTORY : répertoire Cloud Storage contenant des informations sur les erreurs d'importation.
  
  Les champs du fichier d'entrée doivent être au format gs://<bucket>/<path-to-file>/. Le répertoire d'erreur doit être au format gs://<bucket>/<folder>/. Si le répertoire d'erreurs n'existe pas, il est créé. Le bucket doit déjà exister.
  
  { "inputConfig":{ "gcsSource": { "inputUris": ["INPUT_FILE_1", "INPUT_FILE_2"] } }, "errorsConfig":{"gcsPrefix":"ERROR_DIRECTORY"} }
3. Importez les informations de votre catalogue en envoyant une requête POST à la méthode REST Products:import, en fournissant le nom du fichier de données (ici, input.json).
  
  curl -X POST \ -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ -H "Content-Type: application/json; charset=utf-8" -d @./input.json \ "https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"
  
  Le moyen le plus simple de vérifier l'état de votre opération d'importation consiste à utiliser la console Google Cloud . Pour en savoir plus, consultez Afficher l'état d'une opération d'intégration spécifique.
  
  Vous pouvez aussi vérifier l'état de manière automatisée avec l'API. Vous devriez recevoir un objet de réponse ressemblant à ceci :
  
  { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456", "done": false }
  
  Le champ de nom est l'ID de l'objet d'opération. Il vous suffit d'interroger l'état de cet objet en remplaçant le champ de nom par la valeur renvoyée par la méthode d'importation jusqu'à ce que le champ done renvoie true :
  
  curl -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \ "https://retail.googleapis.com/v2/projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/[OPERATION_NAME]"
  
  Une fois l'opération terminée, l'objet renvoyé a une valeur done de true et inclut un objet Status semblable à l'exemple suivant :
  
  { "name": "projects/PROJECT_ID/locations/global/catalogs/default_catalog/operations/import-products-123456", "metadata": { "@type": "type.googleapis.com/google.cloud.retail.v2.ImportMetadata", "createTime": "2020-01-01T03:33:33.000001Z", "updateTime": "2020-01-01T03:34:33.000001Z", "successCount": "2", "failureCount": "1" }, "done": true, "response": { "@type": "type.googleapis.com/google.cloud.retail.v2.ImportProductsResponse" }, "errorsConfig": { "gcsPrefix": "gs://error-bucket/error-directory" } }
  
  Vous pouvez inspecter les fichiers du répertoire d'erreurs dans Cloud Storage pour voir le type d'erreurs survenues lors de l'importation.

Importer des données de catalogue de façon intégrée

curl

Vous importez les informations de votre catalogue de manière intégrée en envoyant une requête POST à la méthode REST Products:import, à l'aide de l'objet productInlineSource pour spécifier les données de votre catalogue.

Indiquez un produit entier sur une seule ligne. Chaque produit doit figurer sur une ligne distincte.

Pour obtenir un exemple de format d'élément de produit JSON, consultez la section Format de données JSON d'élément de produit.

Créez le fichier JSON de votre produit et appelez-le ./data.json :

{
"inputConfig": {
"productInlineSource": {
    "products": [
      { PRODUCT_1 }
      { PRODUCT_2 }
    ]
  }
}
}

Appelez la méthode POST :

curl -X POST \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json; charset=utf-8" \
 --data @./data.json \
"https://retail.googleapis.com/v2/projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products:import"

Java

public static String importProductsFromInlineSource(
    List<Product> productsToImport)
    throws IOException, InterruptedException, ExecutionException {
  ProductServiceClient productClient = getProductServiceClient();

  ProductInlineSource inlineSource = ProductInlineSource.newBuilder()
      .addAllProducts(productsToImport)
      .build();

  ProductInputConfig inputConfig = ProductInputConfig.newBuilder()
      .setProductInlineSource(inlineSource)
      .build();

  ImportProductsRequest importRequest = ImportProductsRequest.newBuilder()
      .setParent(IMPORT_PARENT)
      .setRequestId(REQUEST_ID)
      .setReconciliationMode(ReconciliationMode.INCREMENTAL)
      .setInputConfig(inputConfig)
      .build();

  String operationName = productClient
      .importProductsAsync(importRequest).getName();

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

  return operationName;
}

Format des données JSON de produit

Les entrées Product de votre fichier JSON doivent ressembler aux exemples suivants.

Indiquez un produit entier sur une seule ligne. Chaque produit doit figurer sur une ligne distincte.

Champs obligatoires minimum :

      {
        "id": "1234",
        "categories": "Apparel & Accessories > Shoes",
        "title": "ABC sneakers"
      }
      {
        "id": "5839",
        "categories": "casual attire > t-shirts",
        "title": "Crew t-shirt"
      }

Afficher l'objet complet

      {
        "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products/1234",
        "id": "1234",
        "categories": "Apparel & Accessories > Shoes",
        "title": "ABC sneakers",
        "description": "Sneakers for the rest of us",
        "attributes": { "vendor": {"text": ["vendor123", "vendor456"]} },
        "language_code": "en",
        "tags": [ "black-friday" ],
        "priceInfo": {
          "currencyCode": "USD", "price":100, "originalPrice":200, "cost": 50
        },
        "availableTime": "2020-01-01T03:33:33.000001Z",
        "availableQuantity": "1",
        "uri":"http://example.com",
        "images": [
          {"uri": "http://example.com/img1", "height": 320, "width": 320 }
        ]
      }
      {
        "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/products/4567",
        "id": "4567",
        "categories": "casual attire > t-shirts",
        "title": "Crew t-shirt",
        "description": "A casual shirt for a casual day",
        "attributes": { "vendor": {"text": ["vendor789", "vendor321"]} },
        "language_code": "en",
        "tags": [ "black-friday" ],
        "priceInfo": {
          "currencyCode": "USD", "price":50, "originalPrice":60, "cost": 40
        },
        "availableTime": "2020-02-01T04:44:44.000001Z",
        "availableQuantity": "2",
        "uri":"http://example.com",
        "images": [
          {"uri": "http://example.com/img2", "height": 320, "width": 320 }
        ]
      }

Historique de données de catalogue

AI Commerce Search permet d'importer et de gérer les données historiques du catalogue. L'historique des données de catalogue peut être utile lorsque vous utilisez l'historique des événements utilisateur pour l'entraînement de modèle. Les informations produit passées peuvent être utilisées pour enrichir les données d'événements utilisateur historiques et améliorer la précision des modèles.

Les anciens produits sont stockés sous la forme de produits arrivés à expiration. Ils ne sont pas renvoyés dans les réponses de recherche, mais sont visibles par les appels d'API Update, List et Delete.

Importer l'historique de données de catalogue

Lorsque le champ expireTime d'un produit est défini sur un horodatage antérieur, ce produit est considéré comme un ancien produit. Définissez la disponibilité du produit sur OUT_OF_STOCK pour éviter d'impacter les recommandations.

Nous vous recommandons d'utiliser les méthodes suivantes pour importer les données de l'historique du catalogue :

Appeler la méthode `Product.Create`

Utilisez la méthode Product.Create pour créer une entrée Product avec le champ expireTime défini sur un horodatage antérieur.

Importation intégrée de produits arrivés à expiration

La procédure est identique à l'importation intégrée, sauf que les produits doivent avoir les champs expireTime définis sur un code temporel passé.

Indiquez un produit entier sur une seule ligne. Chaque produit doit figurer sur une ligne distincte.

Voici un exemple de ./data.json utilisé dans la requête d'importation intégrée :

Afficher cet exemple utilisé dans la demande d'importation intégrée

{
"inputConfig": {
  "productInlineSource": {
      "products": [
          {
            "id": "historical_product_001",
            "categories": "Apparel & Accessories > Shoes",
            "title": "ABC sneakers",
            "expire_time": {
              "second": "2021-10-02T15:01:23Z"  // a past timestamp
            }
          },
          {
            "id": "historical product 002",
            "categories": "casual attire > t-shirts",
            "title": "Crew t-shirt",
            "expire_time": {
              "second": "2021-10-02T15:01:24Z"  // a past timestamp
            }
          }
      ]
    }
  }
}

Importer des produits arrivés à expiration à partir de BigQuery ou de Cloud Storage

Suivez les mêmes procédures que celles décrites pour importer des données de catalogue depuis BigQuery ou importer des données de catalogue depuis Cloud Storage. Toutefois, veillez à définir le champ expireTime sur un code temporel passé.

Maintenez votre catalogue à jour

Pour obtenir les meilleurs résultats, votre catalogue doit contenir des informations à jour. Nous vous recommandons d'importer votre catalogue tous les jours pour vous assurer qu'il est à jour. Vous pouvez utiliser Google Cloud Scheduler pour planifier des importations ou choisir une option de planification automatique lorsque vous importez des données à l'aide de la consoleGoogle Cloud .

Vous pouvez ne mettre à jour que les produits nouveaux ou modifiés, ou importer l'intégralité du catalogue. Si vous importez des produits qui figurent déjà dans votre catalogue, ils ne sont pas ajoutés à nouveau. Tous les produits modifiés sont mis à jour.

Pour mettre à jour un seul article, consultez Mettre à jour les informations sur les produits.

Mise à jour groupée

Vous pouvez utiliser la méthode d'importation pour mettre à jour votre catalogue de manière groupée. Pour ce faire, suivez les étapes décrites dans Importer les données du catalogue, comme pour l'importation initiale.

Surveiller l'état des importations

Pour surveiller l'ingestion et l'état du catalogue :

Affichez des informations agrégées sur votre catalogue et prévisualisez les produits importés sur la page Données de l'onglet Catalogue d'AI Commerce Search dans Gemini Enterprise for Customer Experience.

Accéder à la page "Données"
Évaluez si vous devez mettre à jour les données de votre catalogue pour améliorer la qualité des résultats de recherche et débloquer des niveaux de performances de recherche sur la page Qualité des données.

Pour savoir comment vérifier la qualité des données de recherche et afficher les niveaux de performances de recherche, consultez Débloquer les niveaux de performances de recherche. Pour obtenir un récapitulatif des métriques de catalogue disponibles sur cette page, consultez Métriques de qualité du catalogue.

Accéder à la page "Qualité des données"
Pour créer des alertes qui vous avertissent en cas de problème avec vos importations de données, suivez les procédures décrites dans Configurer des alertes Cloud Monitoring.

Il est important de maintenir votre catalogue à jour pour obtenir des résultats de haute qualité. Utilisez des alertes pour surveiller les taux d'erreur d'importation et passez à l'action si nécessaire.

Étapes suivantes

Commencez à enregistrer des événements utilisateur.
Affichez des informations agrégées sur votre catalogue.
Configurez des alertes d'importation de données.

Importer des informations de catalogue Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Avant de commencer

Remarques concernant l'importation de catalogues

Tutoriels

Tutoriel vidéo

Tutoriel : Importer un catalogue depuis BigQuery

Tutoriel : importer un catalogue depuis Cloud Storage

Tutoriel : importer des données de catalogue de façon intégrée

Bonnes pratiques concernant l'importation de catalogues

Importation groupée, flux en temps réel ou les deux ?

Stratégies d'embranchement pour la gestion du catalogue

Mises à jour d'une seule branche

Changement de branche

Supprimer définitivement des branches de catalogue

Mises à jour de l'inventaire dans AI Commerce Search

Flux en temps réel

Mises à jour asynchrones

Mises à jour hors service

Pré-vérifications du catalogue de produits pour des tests A/B robustes dans AI Commerce Search

Assurer la parité des mises à jour du catalogue

Parité des données de catalogue

Planification de la reprise après sinistre

Planifier la haute disponibilité

Conception actif/actif

Conception actif/passif

Résilience et investigation

Architecture de référence

Planifier les cas extrêmes avec l'ingestion de catalogue

Tests de contrainte et évolutivité

Événements à fort trafic

Ventes flash

Élargissement du catalogue

Goulots d'étranglement

Structure des données produit pour l'ingestion de catalogues

Produits principaux

Variantes de produits

Récupération des attributs

Score de pertinence

Correspondance des variantes dans les résultats de recherche

Synchroniser Merchant Center avec AI Commerce Search

Associer votre compte Merchant Center

Synchroniser votre compte Merchant Center

console Cloud

curl

Lister les associations à votre compte Merchant Center

console Cloud

curl

Dissocier votre compte Merchant Center

console Cloud

curl

Limites de l'association à Merchant Center

Importer des données de catalogue à partir de BigQuery

console Cloud

curl

Configurer l'accès à votre ensemble de données BigQuery

Schéma de produit

Afficher le schéma de produit AI Commerce Search

Importer des données de catalogue depuis Cloud Storage

console Cloud

curl

Importer des données de catalogue de façon intégrée

curl

Java

Format des données JSON de produit

Historique de données de catalogue

Importer l'historique de données de catalogue

Appeler la méthode Product.Create

Importation intégrée de produits arrivés à expiration

Importer des produits arrivés à expiration à partir de BigQuery ou de Cloud Storage

Maintenez votre catalogue à jour

Mise à jour groupée

Surveiller l'état des importations

Étapes suivantes

Importer des informations de catalogue

Appeler la méthode `Product.Create`