Vous rencontrez d'autres difficultés ou votre problème n'est pas décrit ici ? Signalez un bug ou demandez une fonctionnalité, et rejoignez le groupe Google cloud-recommendations-users ou les discussions Stack Overflow.
Général
Voici les questions fréquentes d'ordre général.
Proposez-vous des bibliothèques clientes pour AI Commerce Search ou d'autres exemples de code ?
Oui. Pour en savoir plus sur la configuration et obtenir des informations de référence sur chaque bibliothèque, consultez le guide des bibliothèques clientes.
Le service de découverte des API Google peut également être utilisé à la place des appels REST bruts.
Tous les modèles de recommandation sont-ils personnalisés ?
Les modèles "Recommandé pour vous", "Autres articles susceptibles de vous plaire" et "Racheter" proposent des recommandations personnalisées lorsqu'ils sont fournis avec l'historique de l'utilisateur. Les modèles "Articles fréquemment achetés ensemble" et "Articles similaires" ne sont pas personnalisés.
Consultez À propos des modèles de recommandation.
Vais-je recevoir des recommandations personnalisées immédiatement ou devrai-je attendre qu'elles s'améliorent au fil du temps ?
Les recommandations s'améliorent au fur et à mesure que vous collectez des éléments d'historique utilisateur. Le modèle "Recommandations personnalisées" affiche les produits populaires, et le modèle "Autres produits susceptibles de vous plaire" affiche des produits similaires en fonction principalement des vues des autres utilisateurs. Ces deux modèles commencent à prendre en compte le comportement des utilisateurs immédiatement. Il est donc important d'envoyer des événements en temps réel. Consultez À propos des modèles de recommandation.
Pour que la personnalisation soit efficace, les événements utilisateur doivent être envoyés en temps réel ou presque. Si les événements utilisateur ne sont envoyés qu'une fois par jour ou par lots tout au long de la journée, les modèles personnalisés risquent de ne pas être aussi performants que si des événements en temps réel étaient envoyés.
Utilisez-vous les données démographiques des utilisateurs Google dans vos modèles ?
Les modèles n'utilisent que les données d'événements utilisateur et de catalogue que vous fournissez. Si vous souhaitez inclure des données démographiques, vous pouvez ajouter d'autres informations textuelles ou numériques qui pourraient être utiles en tant qu'attributs personnalisés. Ces données commenceront à être utilisées par le modèle une fois qu'il aura été réajusté.
N'incluez pas d'informations permettant d'identifier personnellement l'utilisateur, telles que des adresses e-mail ou des noms d'utilisateur. Nous vous suggérons d'anonymiser les données démographiques, par exemple en hachant les valeurs ou en utilisant des ID de groupe.
Puis-je faire des recommandations basées sur l'historique des événements d'un groupe d'utilisateurs plutôt que sur l'historique d'un seul utilisateur ?
Les recommandations sont basées sur un seul ID de visiteur ou ID utilisateur. Vous devriez effectuer des requêtes individuelles, puis combiner les résultats pour baser les recommandations sur l'historique d'un groupe. Si les utilisateurs ont des attributs de métadonnées communs, vous pouvez utiliser les ID de groupe comme ID utilisateur pour fournir des recommandations au niveau du groupe.
J'ai remarqué qu'il était possible d'envoyer des URL d'images pour les produits. Les modèles prennent-ils en compte les images des produits ?
Oui, les images de produits peuvent être envoyées dans les données de votre catalogue de produits. AI Commerce Search utilise les URL des produits et les identifiants qui les sous-tendent (URI) pour enrichir les descriptions de produits.
L'objet Product contient un champ "images", qui est une liste d'objets d'image. Chaque objet image peut inclure un URI, une hauteur et une largeur. Vous pouvez ajouter jusqu'à 300 images par produit. Bien que facultatif, il est vivement recommandé de fournir des images de vos produits. (Aperçu de la prédiction) utilise également les URL d'image pour afficher les images lorsque vous prévisualisez les résultats de prédiction d'un modèle dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
Mon entreprise n'est pas un site d'e-commerce. Puis-je toujours utiliser les recommandations pour prédire x,y,z ?
Certains de nos clients utilisent les recommandations pour recommander des contenus, pour le streaming vidéo, pour les jeux vidéo et pour d'autres cas d'utilisation. Toutefois, notre contenu et notre expérience sont conçus pour le cas d'utilisation de l'e-commerce et peuvent ne pas encore être adaptés à d'autres cas d'utilisation.
Puis-je placer des recommandations sur n'importe quelle page de mon site ?
Oui, mais les modèles sont chacun conçus pour des cas d'utilisation spécifiques et peuvent fonctionner de manière optimale sur certaines pages. Consultez À propos des modèles de recommandation.
Les modèles "Articles fréquemment achetés ensemble" et "Autres articles susceptibles de vous intéresser" nécessitent des ID d'articles. Ils doivent donc être utilisés pour les recommandations à l'aide, par exemple, d'un ID de produit ou d'articles dans un panier. "Fréquemment achetés ensemble" fonctionne généralement mieux sur les pages d'ajout au panier ou de paiement, tandis que "Autres articles susceptibles de vous intéresser" et "Articles similaires" fonctionnent mieux sur les pages d'informations détaillées sur les produits. La configuration « Recommandations personnalisées » peut être placée sur n'importe quelle page, car elle ne nécessite qu'un ID de visiteur en entrée, mais elle est conçue comme une configuration de diffusion de page d'accueil. "Acheter à nouveau" est conçu pour être placé sur n'importe quelle page.
Puis-je utiliser les recommandations pour les recommandations dans les newsletters par e-mail ?
Oui. Pour ce faire, vous pouvez appeler l'API avec un ID visiteur ou un ID utilisateur, puis intégrer les résultats dans un modèle d'e-mail. Si vous souhaitez que les articles soient chargés de manière dynamique au moment de la lecture de l'e-mail, vous devez utiliser un point de terminaison intermédiaire, tel qu'une fonctionGoogle Cloud , pour envoyer la requête de prédiction. L'API ne fournit qu'une liste d'identifiants produit et de métadonnées ordonnés. Vous devrez donc également écrire votre propre code pour afficher les résultats d'images.
Puis-je utiliser AI Commerce Search pour d'autres cas d'utilisation non Web (applications mobiles, bornes) ?
Oui. Vous pouvez configurer un point de terminaison (par exemple, une fonction Google Cloud Google) pour obtenir les résultats de l'application. Vous avez également besoin d'un mécanisme similaire pour envoyer des événements en temps réel.
Je ne dispose pas de données d'événement sur trois mois ou plus. Puis-je continuer à utiliser AI Commerce Search ? Puis-je ajouter d'autres données ultérieurement ?
Le modèle "Articles similaires" n'utilise pas les données d'événements utilisateur ni le réglage du modèle. Si vous ne disposez d'aucune donnée d'événement, vous pouvez tout de même créer et entraîner un modèle d'articles similaires, à condition de disposer de données de catalogue.
Si vous pouvez enregistrer suffisamment de trafic pour les événements en temps réel, les données récentes peuvent être utilisées pour entraîner d'autres modèles. Si vous disposez de données supplémentaires à une date ultérieure, vous pouvez les importer après l'entraînement initial du modèle. Les données nouvellement renseignées sont intégrées aux modèles lors du réentraînement quotidien. Toutefois, si les données sont très différentes des événements utilisés pour l'entraînement initial, il peut être nécessaire de réajuster les modèles.
La plupart des modèles fonctionnent mieux avec au moins trois mois de vues de pages produit, de vues de pages d'accueil et d'événements d'ajout au panier pour tous les modèles, et idéalement un à deux ans d'historique des achats pour le modèle "Fréquemment achetés ensemble".
Une à deux semaines de vues de pages d'informations peuvent suffire pour commencer à entraîner les modèles "Autres articles susceptibles de vous intéresser" et "Recommandations personnalisées", tandis que les modèles "Fréquemment achetés ensemble" et "Acheter à nouveau" nécessitent généralement plus de temps, car il y a généralement moins d'achats par jour que de vues de pages. La qualité du modèle peut être considérablement améliorée avec davantage de données. La quantité minimale peut ne pas produire de résultats optimaux. Par exemple, un an d'historique d'achats permet aux modèles de mieux exploiter la saisonnalité et les tendances.
Puis-je recommander des catégories en plus des produits ?
Recommendations ne renvoie que des recommandations de produits, mais vous pouvez obtenir les catégories de chaque produit renvoyé dans les résultats.
Proposez-vous des intégrations pour importer des données à partir de bases de données SQL ou d'autres systèmes, comme BigQuery ?
Oui. Pour les événements, il existe un exemple de code qui lit les données de BigQuery. Consultez un exemple d'ensemble de données Google Analytics pour BigQuery.
AI Commerce Search utilise-t-il des cookies ?
Non, il n'utilise pas de cookies. Cependant, tous les événements envoyés à AI Commerce Search doivent avoir un ID de visiteur spécifié, qui est souvent un identifiant de session provenant d'un cookie.
Ai-je besoin d'un projet Google Cloud dédié ?
Vous pouvez créer un projet dédié ou activer AI Commerce Search dans un projet existant.
Pourquoi mes identifiants ne fonctionnent-ils pas lorsque j'utilise Cloud Shell ?
Vérifiez que vous avez suivi la procédure de configuration de l'authentification pour AI Commerce Search. Vous devez utiliser un compte de service que vous avez mis à disposition dans votre environnement. Sinon, vous risquez de recevoir un message d'erreur de ce type : Votre application s'est authentifiée à l'aide des identifiants de l'utilisateur final issus du Google Cloud SDK ou de Google Cloud Shell, qui ne sont pas compatibles.
Pour en savoir plus sur les comptes de service, consultez la section "Authentification" de la documentation Google Cloud .
Comment comparer AI Commerce Search à des solutions similaires ?
Vous pouvez effectuer des tests A/B pour comparer les résultats d'AI Commerce Search à ceux d'autres produits.
Je pense que les fonctionnalités X, Y et Z seraient formidables. Pouvez-vous l'ajouter ?
Nous serions ravis de recevoir vos commentaires. Les demandes de fonctionnalités peuvent être envoyées par l'équipe chargée de votre compte, l'assistance Google ou l'Issue Tracker.
Puis-je continuer à utiliser l'ancienne API pour les recommandations ?
Les recommandations ont été migrées de l'API Recommendations Engine vers AI Commerce Search. Si vous utilisiez l'API Recommendations Engine lorsqu'elle était en version bêta, nous vous recommandons de migrer vos recommandations vers AI Commerce Search (point de terminaison de service https://retail.googleapis.com), qui est en disponibilité générale.
L'ancienne API (point de terminaison de service https://recommendationengine.googleapis.com) et sa documentation restent disponibles, mais ne sont plus mises à jour.
Catalogues et produits
Voici les questions fréquentes sur les catalogues et les produits.
Comment les recommandations gèrent-elles les démarrages à froid pour les nouveaux produits ?
Pour les produits sans historique d'achat, nous faisons des recommandations basées sur des produits similaires. Dans ce cas, il est particulièrement important de définir des titres, des catégories et des descriptions de produits de qualité dans le catalogue.
Pour les utilisateurs en démarrage à froid (visiteurs sans historique), les modèles commencent par les produits généraux les plus populaires, puis deviennent plus personnalisés en temps réel à mesure que d'autres événements utilisateur sont reçus.
Consultez À propos des catalogues et des produits et la page de référence des produits.
Puis-je utiliser mon catalogue Merchant Center pour les recommandations ?
Oui, vous pouvez exporter un catalogue Merchant Center vers BigQuery à l'aide du service de transfert de données Merchant Center. Nous pouvons ensuite lire le catalogue directement depuis BigQuery. Consultez Importer des données de catalogue depuis Merchant Center.
Comment puis-je importer mon catalogue autrement ?
- Merchant Center : importez avec Merchant Center. Si vous utilisez la recherche, vous pouvez utiliser la console pour associer Merchant Center afin que son catalogue se synchronise automatiquement.
- BigQuery : importez directement à partir d'une table ou d'une vue.
- Cloud Storage : importez des fichiers texte contenant un élément de catalogue JSON par ligne.
- Importation intégrée : importez des éléments à l'aide d'un appel d'API, en utilisant des fichiers texte contenant un élément de catalogue JSON par ligne.
- Créer des articles : utilisez la méthode de création
Products.
Comment puis-je maintenir mon catalogue à jour ? À quelle fréquence le catalogue doit-il être mis à jour ?
Consultez Maintenir votre catalogue à jour.
Nous vous recommandons de mettre à jour votre catalogue quotidiennement. Vous pouvez effectuer une mise à jour complète à partir de Cloud Storage ou de BigQuery, ou une mise à jour incrémentielle (c'est-à-dire uniquement pour les éléments nouveaux et modifiés).
Si possible, mettez à jour le prix et la disponibilité en temps réel. Cela affecte la rapidité avec laquelle les nouveaux éléments peuvent être rendus consultables avec la recherche.
Si vous disposez d'un moyen d'être informé des modifications apportées au catalogue (par exemple, en utilisant Pub/Sub, une file d'attente de messages, des événements, etc.), vous pouvez mettre à jour le catalogue en temps réel à l'aide des méthodes d'API import ou create.
Par exemple, vous pouvez utiliser Cloud Scheduler pour effectuer un appel d'importation BigQuery quotidien.
Existe-t-il des tailles de catalogue minimales et maximales ?
Il n'y a pas de minimum, mais les catalogues de très petite taille (< 100 articles) ne tireront peut-être pas beaucoup d'avantages des recommandations, car il y a très peu de produits différents à recommander.
Le catalogue ne peut pas contenir plus de 40 millions d'articles.
Consultez la documentation sur les quotas et limites par défaut, et découvrez comment demander une modification de votre quota.
Mon entreprise gère des sites Web dans plusieurs pays. Dois-je utiliser un seul catalogue pour toutes mes données ?
Il est généralement préférable de n'avoir qu'un seul catalogue pour tous les articles. Les événements doivent tous être envoyés dans une seule devise. Il n'est pas possible d'avoir plusieurs catalogues dans un même projet. Toutefois, si vous utilisez des entités, vous pouvez spécifier le comportement de la recherche, des recommandations et de la saisie semi-automatique pour un pays donné.
Si les catalogues sont très différents d'un site Web à l'autre, nous vous recommandons de créer un projet distinct pour chaque site Web. De plus, si les pays ont des langues différentes, nous vous recommandons de créer des projets distincts, un pour chaque langue.
Si des sites Web similaires enregistrent un trafic faible par rapport au site Web principal, il peut être préférable d'utiliser un seul catalogue s'il n'y a pas assez d'événements pour produire des modèles de haute qualité pour tous les sites Web individuels.
Pour utiliser un seul catalogue, les ID des articles du catalogue doivent être cohérents. Autrement dit, un même produit doit avoir un seul ID d'article sur tous les sites Web afin d'éviter les doublons dans le catalogue.
Pour les recommandations uniquement, vous pouvez filtrer sur un site Web spécifique à l'aide de filtres au lieu d'utiliser des entités. Toutefois, la mise à jour des filtres peut prendre jusqu'à huit heures. Par conséquent, si des exigences de disponibilité (non disponible) spécifiques à un pays s'appliquent, elles doivent normalement être gérées par une règle métier qui filtre les résultats après la réponse de prédiction. Cela s'applique au filtrage filter_tag v1 et au filtrage basé sur les attributs v2.
AI Commerce Search est-il compatible avec plusieurs devises par catalogue ?
Non, un seul type de devise par catalogue est accepté. Les événements doivent être importés dans une seule devise.
Si vous prévoyez d'utiliser la console AI Commerce Search dans Gemini Enterprise for Customer Experience pour obtenir vos métriques de revenus, assurez-vous que tous vos événements utilisent une seule devise ou convertissez-les tous dans la même devise avant de les importer.
Je possède plusieurs sites Web avec un catalogue partagé ou des articles similaires. Les recommandations peuvent-elles fournir des recommandations intersites ?
En général, nous vous recommandons d'utiliser un seul catalogue de ce type uniquement si les sites se chevauchent de manière significative, c'est-à-dire s'ils partagent un grand nombre de produits identiques, voire tous. Ensuite, comme pour les sites multirégionaux, vous pouvez utiliser des entités ou des tags de filtre pour ne renvoyer que les éléments spécifiques au site pour un appel de prédiction particulier.
Si les sites ne partagent pas beaucoup d'articles du catalogue, voire aucun, vous devez utiliser plusieurs catalogues. L'utilisation de plusieurs catalogues nécessite un projet Google Cloud distinct pour chaque catalogue.
L'inclusion de métadonnées supplémentaires améliore-t-elle le modèle ? Le modèle prend-il en compte les champs x, y et z ?
Pour connaître les champs obligatoires, consultez Informations requises pour les articles du catalogue.
Les autres champs de métadonnées sont facultatifs (par exemple, images et itemAttributes). Elles peuvent être utilisées pour l'aperçu des prédictions, l'analyse des résultats, l'entraînement et le réglage. Nous vous recommandons d'inclure des attributs utiles tels que la couleur, la taille, la matière, etc. Ces champs peuvent être renvoyés dans les résultats de predict en spécifiant returnProduct:true. Ils peuvent donc être utiles pour l'affichage des résultats. Les images et les attributs d'articles sont utilisés pour l'aperçu des prédictions dans la console AI Commerce Search sur Gemini Enterprise for Customer Experience.
Quels attributs d'un élément de catalogue sont utilisés comme entrées pour l'entraînement du modèle ?
Une combinaison du comportement des utilisateurs et des attributs de produit est utilisée. Les principaux champs utilisés sont l'ID, le titre, la hiérarchie des catégories, le prix et l'URL. Vous pouvez inclure d'autres attributs clé-valeur personnalisés qui pourraient être utiles dans Product.attributes[].
Les URL d'image sont plutôt une fonctionnalité pratique. Vous pouvez renvoyer ces métadonnées dans les résultats de prédiction en spécifiant returnProduct:true, ce qui peut vous éviter un appel supplémentaire pour récupérer ces informations. Les URL d'images permettent également à l'aperçu des prédictions d'afficher les images lorsque vous prévisualisez les résultats de prédiction d'un modèle dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience.
Quelles sont les langues disponibles pour mes produits ?
- Fonctionnalité de recommandations : compatible avec la plupart des langues. Le modèle détecte automatiquement la langue du texte. Pour obtenir la liste de toutes les langues pouvant être détectées automatiquement, consultez le fichier README GitHub du Compact Language Detector.
- La fonctionnalité de recherche : compatible avec ces langues. Vous définissez la langue lorsque vous importez le catalogue. Le catalogue doit être dans une seule langue, et les requêtes doivent être envoyées dans cette même langue. La présence de plusieurs langues dans le catalogue dégrade les performances du modèle.
Remarque : Si vous disposez déjà d'un catalogue multilingue pour la recherche, vous pouvez améliorer les résultats en ajoutant des synonymes. Pour en savoir plus sur les synonymes, consultez OnewaySynonymsAction et TwowaySynonymsAction.
Mon catalogue comporte des SKU principaux/variantes ou parents/enfants. Sont-ils pris en charge ?
Oui. Cela correspond à l'item_group_id dans Merchant Center. Vous devez déterminer comment vous souhaitez obtenir des recommandations (au niveau parent ou enfant) et si les événements se situent au niveau parent ou enfant.
Pour en savoir plus sur les niveaux de produits, consultez Niveaux de produits.
Déterminez et définissez le niveau de produit approprié avant d'envoyer des articles ou des événements. Le niveau du produit peut être modifié, mais cela nécessite de joindre à nouveau les articles et de réajuster les modèles.
Puis-je supprimer des produits du catalogue lorsqu'ils ne sont plus disponibles ?
Si un article n'est plus d'actualité, nous vous recommandons de définir son état sur OUT_OF_STOCK plutôt que de le supprimer, afin que les événements utilisateur précédents qui y font référence ne soient pas invalidés.
Événements utilisateur
Voici les questions fréquentes sur les événements utilisateur.
Quels événements utilisateur dois-je collecter ?
Consultez À propos des événements utilisateur pour obtenir la liste des types d'événements utilisateur, ainsi que les exigences et les bonnes pratiques associées.
Comment résoudre les problèmes de qualité des données lors de la création d'un modèle ?
Dans la console AI Commerce Search dans Gemini Enterprise for Customer Experience, accédez à la page Qualité des données pour consulter les métriques de qualité des données concernant votre catalogue et vos événements utilisateur ingérés.
Puis-je intégrer Google Analytics 360 ?
Vous pouvez utiliser les données historiques de Google Analytics 360 (GA360). Comme les données Merchant Center, les données GA360 peuvent être exportées vers BigQuery, puis AI Commerce Search peut lire les événements directement depuis BigQuery.
Pour les événements en temps réel, nous vous recommandons d'intégrer des pixels de suivi à Google Tag Manager, car les événements sont retardés par rapport à GA360.
Je souhaite importer des événements utilisateur depuis Google Analytics 360. Fournit-il tous les événements utilisateur nécessaires ?
Google Analytics 360 accepte de manière native tous les événements utilisateur utilisés par AI Commerce Search, à l'exception des événements de recherche. Vous pouvez toujours importer des événements utilisateur de recherche depuis Analytics 360, mais notez qu'AI Commerce Search construit l'événement utilisateur de recherche à partir des requêtes de recherche et, le cas échéant, des impressions de produits.
Comment transmettre des événements à Recommendations AI ?
- Cloud Storage
- Importation intégrée d'API
- JavaScript Pixel
- Google Tag Manager
- Méthode d'écriture d'API
En général, les utilisateurs importent les événements historiques à l'aide de Cloud Storage ou de l'importation d'API, puis diffusent les événements en temps réel à l'aide du pixel JavaScript ou de la balise GTM.
Que se passe-t-il si je ne peux pas envoyer tous les types d'événements utilisateur listés comme requis pour un modèle ? Quels sont les types d'événements minimaux requis pour chaque modèle ?
Chaque modèle et chaque objectif d'optimisation ont des exigences légèrement différentes. Consultez les exigences concernant les données d'événements utilisateur.
Les performances du modèle sont généralement meilleures lorsqu'il y a plus d'événements par article du catalogue. Les sites à fort trafic peuvent commencer avec un volume de données historiques plus faible, mais ont tout de même besoin d'au moins quelques semaines de données.
J'ai des événements d'ajout au panier et d'achat finalisé qui n'ont pas de valeur pour le revenu ou la quantité. Que dois-je envoyer ?
Si vous n'avez pas de valeur pour la quantité, vous pouvez transmettre une valeur par défaut de 1 sans que cela n'affecte les résultats du modèle. Les articles doivent toujours avoir un displayPrice défini. originalPrice et cost sont facultatifs.
Mes données ne couvraient que des types d'événements limités. Puis-je continuer à utiliser AI Commerce Search ?
Pour connaître les exigences minimales concernant les données pour chaque type de modèle, consultez Exigences concernant les données d'événement utilisateur.
Résultats de recherche
Voici les questions fréquentes sur les résultats de recherche.
Les résultats de recherche sont-ils personnalisés ?
Oui. La recherche peut fournir des résultats personnalisés. Les résultats de recherche sont personnalisés en fonction des ID des visiteurs. Pour en savoir plus, consultez Personnalisation.
Comment inclure du contexte, comme le magasin dans lequel un utilisateur fait ses achats, dans la requête de recherche ?
La disponibilité et les options de traitement basées sur l'ID de magasin sont des attributs du catalogue de produits. Les attributs peuvent être envoyés en tant que paramètre dans la requête de recherche. Les résultats peuvent être filtrés ou mieux classés en fonction de l'ID du magasin dans la requête.
Puis-je masquer des produits dans les résultats de recherche ?
Oui. Le paramètre filter permet de filtrer les résultats en fonction de leurs tags.
Est-il possible de classer les résultats selon plusieurs critères, comme la disponibilité et le prix ?
Oui, boostSpec permet d'utiliser des règles de classement complexes.
Est-il possible de regrouper certains attributs afin de fournir des résultats avec plusieurs facettes ? Par exemple, regrouper des villes d'un même pays pour l'origine de la production.
Les attributs de produit ne sont pas hiérarchiques. Toutefois, vous pouvez utiliser plusieurs attributs personnalisés pour y parvenir (par exemple, des attributs distincts pour le pays et la ville).
Comment fonctionnent les suggestions ?
Les suggestions sont une combinaison de requêtes utilisateur, de requêtes réécrites, de noms de produits, etc. Pour générer des suggestions de saisie semi-automatique de haute qualité, un nombre suffisant d'événements de recherche doit être ingéré avec le catalogue.
La recherche est-elle sensible à la casse ?
Les requêtes textuelles ne sont généralement pas sensibles à la casse en raison de l'analyse linguistique. Cependant, les expressions de filtre et les ordres de tri sont strictement sensibles à la casse.
Pourquoi les requêtes de recherche au singulier et au pluriel renvoient-elles des résultats différents ?
AI Commerce Search évalue séparément les requêtes au singulier et au pluriel en fonction de l'intention utilisateur final et de l'engagement utilisateur historique, comme les clics et les achats. Les acheteurs cliquent souvent sur des produits différents ou en achètent d'autres selon que les termes sont au singulier ou au pluriel. Par exemple, ils peuvent rechercher t-shirt pour un seul t-shirt, ou t-shirts pour un lot de t-shirts. Si une forme de requête ne correspond qu'à quelques produits, l'extension des requêtes peut également élargir les résultats de cette requête.
Pour développer les termes au singulier, au pluriel ou fléchis dans la langue de votre catalogue afin d'inclure les candidats de chacun, configurez des commandes de synonymes bidirectionnels. Étant donné que les synonymes agissent comme des indications de requête et que le classement dépend toujours du score, les requêtes de synonymes peuvent toujours renvoyer des classements différents. Pour en savoir plus sur la façon dont AI Commerce Search traite les requêtes textuelles, consultez Traiter les requêtes textuelles et les paramètres.
Comment rendre les références contenant des traits d'union consultables ?
L'analyse linguistique standard peut supprimer les caractères spéciaux. Mappez ces valeurs à un attribut personnalisé avec l'option exact-searchable activée. Envisagez également de diviser la chaîne en n-grammes avant l'ingestion.
Le moteur de recherche traduira-t-il la requête d'un utilisateur si mon catalogue est dans une autre langue ?
Non. La langue du catalogue et celle de la requête de recherche doivent correspondre. Si vous pensez que les utilisateurs effectueront des recherches dans plusieurs langues, vous devez implémenter des contrôles de synonymes pour mapper leurs requêtes à la langue de base de votre catalogue.
Pourquoi mes recherches ne sont-elles pas filtrées correctement par catégorie ?
Vérifiez si vos noms de catégories contiennent le caractère ">". Il est strictement réservé comme séparateur de hiérarchie (par exemple, Clothing > Mens). S'il apparaît par défaut dans le nom de votre catégorie, il interrompra le filtre et devra être remplacé.
Résultats de prédiction
Voici les questions fréquentes sur les résultats de prédiction.
Le nombre de prédictions que je peux renvoyer est-il limité ?
Par défaut, une requête de prédiction renvoie une réponse contenant 20 articles. Vous pouvez augmenter ou diminuer cette valeur en envoyant une valeur pour pageSize.
Si vous devez retourner plus de 100 articles, contactez l'assistance Google. Notez que le renvoi de plus de 100 éléments peut augmenter la latence de réponse.
Puis-je voir les raisons pour lesquelles un modèle a fait une recommandation de produit spécifique ?
Non.
Puis-je télécharger et mettre en cache les résultats de prédiction ?
Étant donné que les résultats des prédictions s'améliorent en temps réel en réponse à l'activité des utilisateurs sur votre site, nous vous déconseillons d'utiliser des prédictions mises en cache. Les modèles sont réentraînés quotidiennement pour intégrer les modifications apportées à votre catalogue et réagir aux nouvelles tendances.
De notre côté, l'utilisation de résultats de recherche et de navigation mis en cache enfreint les conditions de confidentialité des données client. Il déclenche un mécanisme de détection du cache, qui supprime automatiquement la personnalisation.
Plus généralement, vous pouvez mettre en cache les images et les informations détaillées sur les produits, à condition de ne pas mettre en cache les résultats de recherche pour une requête particulière et d'envoyer une nouvelle requête pour chaque demande de recherche.
Je dois reclasser les recommandations renvoyées en fonction d'une règle métier. Est-ce possible ?
Oui. Toutefois, même si vous pouvez reclasser les recommandations renvoyées en fonction de vos règles métier, sachez que la réorganisation ou le filtrage des résultats recommandés peut réduire l'efficacité globale du modèle. Le reclassement des prix est disponible en tant que personnalisation intégrée pour les modèles "Autres modèles susceptibles de vous intéresser" et "Recommandations personnalisées". Consultez le reclassement du prix.
Existe-t-il des restrictions concernant le nombre de tags de filtre que je peux créer et utiliser ?
Il n'y a pas de limite stricte au nombre de tags uniques. Cependant, le système n'est pas conçu pour gérer de nombreux tags de filtre par article. Nous vous recommandons de limiter le nombre de tags de filtre à 10 par article du catalogue, si possible. La limite du nombre total de tags dans l'ensemble du catalogue est de 100 000 000. Consultez la page Quotas et limites.
Puis-je diversifier les recommandations ?
Oui. La diversification des recommandations peut être spécifiée dans la configuration de diffusion ou dans les paramètres de la requête de prédiction.
Puis-je hiérarchiser les recommandations par prix ?
Oui. Le reclassement du prix permet de classer par prix les produits ayant une probabilité de recommandation similaire, les articles au prix le plus élevé figurant en premier.
Fonctionnalités conversationnelles
Voici les questions fréquentes sur les fonctionnalités conversationnelles, le filtrage des produits et le commerce d'AI Commerce Search.
Comment une session de conversation est-elle gérée et comment actualiser le contexte ?
Une session conversationnelle est maintenue à l'aide de l'ID de conversation renvoyé dans la réponse de l'agent conversationnel. Vous devez transmettre cet ID de conversation dans toutes les requêtes ultérieures de la même conversation. Pour actualiser ou démarrer une conversation, lancez une nouvelle requête API sans ID de conversation.
Quel est l'impact de l'API de streaming sur mon implémentation et l'expérience utilisateur ?
La nature de flux signifie que vous pouvez recevoir immédiatement des types de requêtes. Cela vous permet de différencier les requêtes qui ont une réponse textuelle conversationnelle de celles qui n'en ont pas, comme SIMPLE_PRODUCT_SEARCH. Pour SIMPLE_PRODUCT_SEARCH, vous pouvez déclencher immédiatement un appel à l'API Search principale.
Pourquoi est-il important que searchParams dans ConversationalSearchRequest reflète mes appels d'API Search principaux ?
Vous souhaitez maintenir la cohérence de vos searchParams, comme les filtres, l'ordre de tri et les règles de boost. Maintenir la cohérence permet de s'assurer que les réponses conversationnelles ou les requêtes affinées fournies par l'API sont alignées sur les résultats de produits réels affichés à l'utilisateur.
Si une recherche de produit de base est détectée, la conversation se termine-t-elle ? L'utilisateur peut-il revenir à d'autres modes de conversation ?
La conversation ne s'arrête pas. L'ID de conversation reste valide. Les marchands peuvent concevoir leur UX de manière à ce que la fenêtre de chat reste ouverte et que les utilisateurs puissent poursuivre la conversation. La possibilité de "revenir en arrière" dépend de ce choix d'implémentation de l'expérience utilisateur.
Quelles données l'API Conversational stocke-t-elle pour le contexte de conversation, et pendant combien de temps ?
Pour maintenir le flux d'une conversation, l'API Conversational stocke la requête de l'utilisateur, la réponse textuelle conversationnelle et la question complémentaire. Ces informations contextuelles sont conservées pendant sept jours.
Pourquoi l'API Conversational ne fournit-elle pas de suggestions de réponses aux questions complémentaires, comme le fait le filtrage conversationnel des produits ?
Bien que la suggestion de réponses aux questions de suivi ne soit pas encore disponible, nous prévoyons de proposer cette fonctionnalité. Tenez-vous informé !
Comment l'API Conversational utilise-t-elle la mise en cache pour les performances et le contexte ?
L'API Conversational met en cache les types de requêtes et les requêtes de recherche affinées pour un client et un projet donnés pendant 10 jours au maximum. Cela signifie que si la même requête est répétée, le système peut rapidement récupérer l'intention et les suggestions d'affinement.
Modèles de machine learning
Voici les questions fréquentes sur les modèles.
J'ai importé mon catalogue et mes événements, mais j'obtiens toujours cette réponse lorsque j'appelle l'API de prédiction : "Le modèle de recommandation n'est pas prêt".
Vous pouvez définir "dryRun" sur "true" dans la requête de prédiction à des fins d'intégration, ce qui renvoie des articles arbitraires de votre catalogue (veuillez NE PAS utiliser cette option pour le trafic de production)."
Cela signifie généralement que l'entraînement de votre modèle n'est pas terminé. Si vous avez créé le modèle il y a plus de 10 jours et que vous continuez à recevoir cette réponse, veuillez contacter l'assistance.
Combien de temps faut-il pour entraîner un modèle ?
L'entraînement et le réglage initiaux du modèle prennent deux à cinq jours, mais peuvent prendre plus de temps pour les ensembles de données volumineux. Ensuite, les modèles sont automatiquement réentraînés tous les jours, sauf si cette option est désactivée. Consultez Suspendre et reprendre l'entraînement d'un modèle.
Puis-je télécharger ou exporter le modèle ?
Non.
Puis-je utiliser les modèles que j'ai créés dans un projet existant dans un nouveau projet ?
Non. Vous devez créer et réentraîner les modèles dans le nouveau projet.
Je souhaite utiliser un modèle pour mes pages de catégories. Est-ce possible ?
Oui. La section "Recommandations personnalisées" est utile sur les pages de catégories.
Une page de catégorie est semblable à une page d'accueil, à la différence que vous n'affichez que les articles de cette catégorie.
Vous pouvez obtenir un résultat similaire en utilisant un modèle standard "Recommandations personnalisées" avec des tags de filtre.
Par exemple, vous pouvez ajouter des tags de filtre personnalisés (correspondant à chaque page de catégorie) aux articles de votre catalogue. Lorsque vous envoyez la requête de prédiction, définissez l'objet d'événement utilisateur sur category-page-view et spécifiez le tag d'une page de catégorie spécifique dans le champ filter. Seuls les résultats de recommandations correspondant au tag de filtre demandé seront renvoyés. La diversité doit être désactivée dans ce cas d'utilisation car elle peut entrer en conflit avec les tags de filtre basés sur des catégories.
Puis-je désactiver la personnalisation pour mes modèles ?
Par défaut, les résultats de prédiction sont personnalisés pour les types de modèles de recommandation Autres susceptibles de vous plaire, Recommandations personnalisées et Racheter.
Il n'est pas recommandé de désactiver la personnalisation. Si vous avez besoin de résultats non personnalisés, vous pouvez utiliser un ID de visiteur unique aléatoire dans une requête de prédiction.
AI Commerce Search dans la console Gemini Enterprise for Customer Experience
Voici les questions fréquentes sur l'utilisation d'AI Commerce Search dans la console Gemini Enterprise for Customer Experience.
J'ai purgé un certain nombre d'événements, mais le tableau de bord affiche toujours le nombre de ces types d'événements.
Ce comportement est normal. Le tableau de bord AI Commerce Search dans Gemini Enterprise for Customer Experience affiche le nombre d'événements ingérés sur une certaine période, mais pas le nombre actuel d'événements.
En règle générale, vous devez conserver les événements utilisateur après leur enregistrement. Il n'est pas recommandé de purger les événements. Si vous devez supprimer des événements, consultez la documentation sur la suppression d'événements utilisateur.
Comment savoir si mon catalogue ou mes événements utilisateur comportent des erreurs ?
La plupart des appels d'API renvoient une erreur en cas de problème de syntaxe. Le tableau de bord AI Commerce Search dans Gemini Enterprise for Customer Experience indique le pourcentage d'événements non joints, ce qui est également une métrique utile. Cloud Monitoring et Cloud Logging peuvent être utilisés pour surveiller l'état des événements.
Pourquoi mes configurations de diffusion de recommandations sont-elles indiquées comme inactives ? Comment les activer ?
Pour utiliser des configurations de diffusion de recommandations, vous devez d'abord envoyer des données de catalogue et des données d'événements utilisateur afin d'entraîner le modèle correspondant. Une fois qu'un modèle a été entraîné, le tableau de bord indique qu'il est prêt à être interrogé.
Dans quelle devise AI Commerce Search dans Gemini Enterprise for Customer Experience indique-t-il les métriques de revenus ?
AI Commerce Search dans Gemini Enterprise for Customer Experience indique les métriques dans la devise utilisée dans les données que vous avez importées. AI Commerce Search ne permet pas d'utiliser plusieurs devises par catalogue et ne convertit pas les devises.