No produto Vertex AI para Pesquisa no comércio, você tem os recursos de recomendações e de pesquisa e navegação. É possível fazer upload e gerenciar informações de catálogo de produtos e registros de eventos de usuários para seus aplicativos de e-commerce. É possível receber e personalizar resultados com base nessas informações. Além disso, esses dados continuam sendo usados para treinar e atualizar modelos, melhorando assim suas recomendações e resultados de pesquisa.
Para mais informações sobre o processo de implementação da Vertex AI para Pesquisa no comércio no seu aplicativo, consulte Implementar a Vertex AI para Pesquisa no comércio.
Recomendações
Com a Vertex AI para Pesquisa no comércio, você pode criar sistemas de recomendação de produtos personalizados de alta qualidade sem exigir um alto nível de experiência em machine learning, design de sistemas ou operações. Aproveitando os produtos de varejo e o comportamento do usuário do seu site, você pode usar recomendações para criar modelos específicos para seu caso de uso, como "Comprados com frequência em conjunto" e "Recomendado para você".
A Vertex AI para Pesquisa para e-commerce usa eventos do usuário e seu catálogo de produtos para treinar modelos de machine learning de recomendação, que fornecem recomendações com base nesses dados.
Ao implantar modelos de recomendação no seu aplicativo, você pode solicitar recomendações de outros produtos no catálogo e exibir aos usuários.
Os recursos de recomendações incluem:
Modelos personalizados. Cada modelo é treinado especificamente para seus dados, com base em modelos de machine learning baseados em sequência usando transformadores.
Resultados personalizados. Use algoritmos de personalização sem ter experiência com machine learning. As recomendações são baseadas no comportamento do usuário e nas atividades (como visualizações, cliques e compras na loja), além da atividade on-line. Assim, todos os resultados da previsão são personalizados.
Previsões em tempo real. Cada recomendação veiculada considera atividades anteriores do usuário, como eventos de clique, visualização e compra, para que as recomendações sejam enviadas em tempo real.
Treinamento e ajuste de modelo automáticos. O novo treinamento diário do modelo garante que todos os modelos possam capturar com precisão o comportamento do usuário todos os dias.
Objetivos de otimização. Metas como taxa de conversão, taxa de cliques e otimização da receita ajudam você a otimizar com precisão sua meta de negócios.
Recomendações do Omni-Channel. Com o modelo de API, vá além das recomendações do site para personalizar toda a sua jornada de compra para recomendações em aplicativos para dispositivos móveis, recomendações de e-mail personalizadas, quiosques de loja ou aplicativos de call center.
Pesquisar
Com a Vertex AI para Pesquisa no comércio, é possível fornecer resultados de pesquisa de produtos de alta qualidade e personalizáveis para as necessidades da sua empresa de varejo. Use a consulta e a compreensão contextual do Google para melhorar a descoberta de produtos no seu site e nos seus aplicativos para dispositivos móveis.
Os recursos de pesquisa incluem:
Hierarquias de produtos: você pode incluir coleções e variantes no seu catálogo de produtos pesquisáveis.
Expansão de consulta: aumenta os resultados relevantes retornados para termos de consulta que normalmente produziriam menos resultados, como consultas que usam palavras-chave muito específicas.
Limite de relevância: ajuste a maneira como a Vertex AI para Pesquisa para Commerce equilibra a precisão do retorno (a relevância dos resultados da pesquisa retornados) e o recall (retornando mais resultados para a consulta).
Paginação: controla a paginação dos resultados da pesquisa para diminuir o tempo de busca e o tamanho da resposta.
Filtragem: use a sintaxe de expressão para fornecer filtragem que refine os resultados da pesquisa do seu site.
Ordem: defina a ordem dos resultados da pesquisa por vários campos, em ordem de prioridade.
Faceting: gere o atributo para oferecer opções mais relevantes aos usuários com base nos atributos fornecidos. Os buckets precisam ser fornecidos para atributos numéricos na solicitação de pesquisa para retorná-los na resposta da pesquisa.
Atributos dinâmicos: geram automaticamente chaves de atributos com base em consultas de pesquisa e combinam-as (e fazem uma reclassificação) automaticamente com as chaves fornecidas na solicitação de pesquisa. Esse recurso é baseado em uma lista de permissões. Entre em contato com o suporte para receber ajuda com a ativação desse recurso.
Intensificação e encerramento: controle a classificação dos resultados da pesquisa ao priorizar ou priorizar os tipos de resultados.
Navegação: receba resultados classificados para maximizar a receita quando os usuários navegam pelos produtos usando a navegação do site. A pesquisa por navegação pode ser combinada com filtragem, ordenação, atributo, atributo dinâmico, otimização e cemitério.
Resultados personalizados. Oferecer resultados personalizados de pesquisa de texto e de navegação para cada usuário final com base no comportamento dele no site, incluindo o histórico de visualizações, cliques, adições ao carrinho e compras de produtos.
Usar a Vertex AI para Pesquisa em E-commerce
Para criar modelos de machine learning para recomendações ou pesquisa, você precisa fornecer dois conjuntos de informações:
Catálogo de produtos:informações sobre os produtos recomendados aos clientes. Isso inclui o título, a descrição, a disponibilidade em estoque e os preços do produto.
Eventos do usuário:comportamento do usuário final no seu site. Isso inclui eventos como quando um usuário visualiza ou compra um item específico ou quando seu site mostra uma lista de produtos para o usuário.
Com muitas opções de integração, é possível ingerir dados usando ferramentas que você já utiliza, como BigQuery, Cloud Storage, Gerenciador de tags e Google Analytics.