자주 묻는 질문(FAQ)

여기에서 찾을 수 없는 다른 문제나 어려운 점이 있으신가요? 버그를 신고하거나 기능을 요청하고 cloud-recommendations-users Google 그룹 또는 Stack Overflow 토론에 참여하세요.

일반

일반적인 자주 묻는 질문(FAQ)입니다.

AI Commerce Search용 클라이언트 라이브러리 또는 추가 샘플 코드가 있나요?

예. 각 라이브러리의 설정 및 참조 정보는 클라이언트 라이브러리 가이드를 참조하세요.

원시 REST 호출 대신 Google API 검색 서비스를 사용할 수도 있습니다.

모든 추천 모델이 맞춤설정되나요?

추천 서비스, 내가 좋아할 만한 기타 항목, 다시 구매하기 모델은 사용자 기록과 함께 제공된 경우 맞춤 추천을 제공합니다. 자주 함께 구매하는 항목 및 유사 항목 모델은 맞춤설정되지 않습니다.

추천 모델 정보를 참조하세요.

맞춤 추천을 즉시 받을 수 있나요? 아니면 시간이 지남에 따라 더 개선될 때까지 기다려야 하나요?

사용자 기록을 많이 수집할수록 추천 항목이 개선됩니다. 추천 서비스 모델은 인기 제품을 보여주고 내가 좋아할 만한 기타 항목 모델은 다른 사용자의 보기를 기준으로 비슷한 제품을 보여줍니다. 이 두 모델은 모두 사용자 행동을 즉시 반영하기 때문에 실시간 이벤트를 전송하는 것이 중요합니다. 추천 모델 정보를 참조하세요.

맞춤설정이 적용되려면 사용자 이벤트를 실시간 또는 근실시간으로 전송해야 합니다. 사용자 이벤트가 하루에 한 번만 제출되거나 하루 동안 일괄적으로 제출된 경우, 맞춤 모델이 실시간 이벤트가 전송되었을 때처럼 잘 작동하지 않을 수 있습니다.

모델에 Google 사용자 인구통계 데이터가 사용되나요?

모델에서는 내가 제공하는 카탈로그와 사용자 이벤트 데이터만 사용합니다. 인구통계 데이터를 포함하려면 맞춤 속성으로 유용한 다른 텍스트 또는 숫자 정보를 포함하면 됩니다. 이 데이터는 모델이 다시 미세 조정된 후에 모델에서 사용됩니다.

이메일 주소나 사용자 이름 같은 개인 식별 정보(PII)를 포함하지 마세요. 값을 해싱하거나 그룹 ID를 사용하는 등의 방식으로 인구통계 데이터를 익명처리하는 것이 좋습니다.

단일 사용자의 활동 내역 대신 사용자 그룹의 활동 내역을 기반으로 추천할 수 있나요?

추천은 단일 방문자 ID 또는 사용자 ID를 기반으로 합니다. 개별 요청을 한 다음 결과를 결합하여 그룹의 기록을 기반으로 추천해야 합니다. 사용자에게 공통 메타데이터 속성이 있는 경우 그룹 ID를 사용자 ID로 사용하여 그룹 수준의 추천을 제공할 수 있습니다.

제품의 이미지 URL을 제출할 수 있음을 알게 되었습니다. 모델이 제품 이미지를 고려하나요?

예. 제품 이미지는 제품 카탈로그 데이터의 일부로 제출할 수 있습니다. AI Commerce Search는 제품 URL과 그 뒤에 있는 식별자(URI)를 사용하여 제품 설명을 보강합니다.

Product 객체에는 이미지 객체 목록인 이미지 필드가 포함되어 있습니다. 각 이미지 객체에는 URI, 높이, 너비가 포함될 수 있습니다. 제품당 최대 300개의 이미지를 사용할 수 있습니다. 제품 이미지는 선택사항이지만 제공하는 것이 좋습니다. 또한 (예측 미리보기)는 Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search에서 모델 예측 결과를 미리 볼 때 이미지 URL을 사용하여 이미지를 표시합니다.

내 회사는 유통/전자상거래 웹사이트가 아닙니다. 그래도 추천을 사용해서 x,y,z 예측을 수행할 수 있나요?

Google 고객은 콘텐츠 추천, 동영상 스트리밍 및 게임, 기타 사용 사례에 추천을 사용하고 있습니다. 하지만 Google의 콘텐츠와 환경은 리테일 업종/이커머스 사용 사례를 고려하여 설계되었으며 다른 사용 사례에는 적합하지 않을 수 있습니다.

내 사이트의 아무 페이지에나 추천을 제공할 수 있나요?

예. 하지만 모델은 특정 사용 사례에 맞게 설계되었으므로 특정 페이지에서 가장 효과적으로 작동할 수 있습니다. 추천 모델 정보를 참조하세요.

자주 함께 구매하는 항목 및 내가 좋아할 만한 기타 항목에는 상품 ID가 필요하므로, 차트의 제품 ID 또는 항목 등을 사용하는 추천에 사용해야 합니다. 자주 함께 구매하는 항목은 일반적으로 장바구니에 추가 또는 결제 페이지에서 가장 잘 작동하지만 내가 좋아할 만한 기타 항목은 제품 세부정보 페이지에서 가장 효과적입니다. 추천 서비스는 방문자 ID만 입력되면 작동하므로 모든 페이지에 배치할 수 있지만 홈페이지 서빙 구성으로 설계되었습니다. 다시 구매하기는 모든 페이지에 배치되도록 설계되었습니다.

Recommendations를 이메일 뉴스레터의 추천에 사용할 수 있나요?

예. 방문자 ID 또는 사용자 ID로 API를 호출한 다음 결과를 이메일 템플릿에 통합하면 됩니다. 이메일을 읽을 때 항목을 동적으로 로드하려면 Google Cloud 함수와 같은 중간 엔드포인트를 사용하여 예측 요청을 전송해야 합니다. 이 API는 정렬된 제품 ID 및 메타데이터의 목록만 제공하므로 이미지 검색 결과를 렌더링하는 자체 코드도 작성해야 합니다.

웹 이외의 다른 사용 사례(모바일 앱, 키오스크)에서 AI Commerce Search를 사용할 수 있나요?

예. 엔드포인트(예: Google Google Cloud 함수)를 설정하여 앱의 결과를 가져올 수 있습니다. 또한 실시간 이벤트를 보내기 위한 유사한 메커니즘이 필요합니다.

3개월이 넘는 분량의 이벤트 데이터가 없어도 AI Commerce Search를 계속 사용할 수 있나요? 나중에 데이터를 더 추가할 수 있나요?

유사 항목 모델은 사용자 이벤트 데이터 또는 모델 조정을 사용하지 않습니다. 이벤트 데이터가 없어도 카탈로그 데이터가 있으면 유사 항목 모델을 만들고 학습시킬 수 있습니다.

실시간 이벤트의 트래픽을 충분히 기록할 수 있다면 최신 데이터를 다른 모델 학습에 사용할 수 있습니다. 나중에 추가 데이터를 사용할 수 있는 경우 초기 모델 학습 후에 업로드할 수 있습니다. 새로 백필된 데이터는 일일 재학습 중에 모델에 통합됩니다. 하지만 이 데이터가 초기 학습에 사용된 이벤트와 크게 다를 경우 모델을 다시 미세 조정해야 할 수 있습니다.

대부분의 모델은 3개월 이상의 제품 페이지 조회, 홈페이지 조회, 장바구니에 추가 이벤트가 있으면 가장 잘 작동하며, 자주 함께 구매하는 항목 모델의 경우 1~2년의 구매 내역이 있으면 좋습니다.

내가 좋아할 만한 기타 항목 및 추천 서비스 모델 학습을 시작하는 데 1~2주치의 세부정보 페이지 조회로 충분하지만 일반적으로 자주 함께 구매하는 항목 및 다시 구매하기의 경우에는 페이지 조회가 있는 경우보다 일일 구매 수가 적기 때문에 더 오랜 기간의 정보가 필요합니다. 데이터가 많을수록 모델 품질이 크게 향상될 수 있습니다. 최소한의 양으로는 최적의 결과를 얻지 못할 수 있습니다. 예를 들어 1년치 구매 정보가 있으면 모델이 계절성과 트렌드를 더 잘 활용할 수 있습니다.

카테고리와 제품을 함께 추천할 수 있나요?

추천에서는 제품 추천만 반환하지만 사용자가 결과의 일부로 반환되는 각 제품의 카테고리를 가져올 수 있습니다.

SQL 데이터베이스 또는 BigQuery와 같은 다른 시스템의 데이터 업로드를 통합할 수 있나요?

예. 이벤트의 경우 BigQuery에서 읽는 샘플 코드가 있습니다. BigQuery용 Google 애널리틱스 샘플 데이터 세트를 참조하세요.

AI Commerce Search는 쿠키를 사용하나요?

아니요, 쿠키를 사용하지 않습니다. 하지만 AI Commerce Search에 전송되는 모든 이벤트에는 방문자 ID가 지정되어 있어야 하며, 이는 쿠키의 세션 식별자인 경우가 많습니다.

전용 Google Cloud 프로젝트가 필요한가요?

새로운 전용 프로젝트를 만들거나 기존 프로젝트에서 AI Commerce Search를 사용 설정할 수 있습니다.

Cloud Shell을 사용할 때 사용자 인증 정보가 작동하지 않는 이유는 무엇인가요?

AI Commerce Search의 인증 설정 단계를 완료했는지 확인합니다. 사용자 환경에서 사용할 수 있도록 만든 서비스 계정을 사용해야 합니다. 그렇지 않으면 애플리케이션이 지원되지 않는 Google Cloud SDK 또는 Google Cloud Shell의 최종 사용자 인증 정보를 사용하여 인증되었습니다.라는 오류가 표시될 수 있습니다.

서비스 계정에 대한 자세한 내용은 Google Cloud 문서의 인증 섹션을 참조하세요.

AI Commerce Search를 비슷한 솔루션과 어떻게 비교할 수 있나요?

A/B 테스트를 수행하여 AI Commerce Search의 결과를 다른 제품의 결과와 비교할 수 있습니다.

x,y,z 특성이 유용할 것 같은데 이를 추가할 수 있나요?

여러분의 소중한 의견을 기다리고 있습니다. 기능 요청은 계정팀, Google 지원팀 또는 Issue Tracker를 통해 제출하실 수 있습니다.

추천에 이전 API를 계속 사용할 수 있나요?

Recommendations는 추천 엔진 API에서 AI Commerce Search로 마이그레이션되었습니다. 베타 기간 동안 Recommendations Engine API를 사용하고 있었다면 일반 안정화 버전인 AI Commerce Search(서비스 엔드포인트 https://retail.googleapis.com)로 마이그레이션하는 것이 좋습니다.

이전 API(서비스 엔드포인트 https://recommendationengine.googleapis.com) 및 문서는 계속 사용할 수 있지만 더 이상 업데이트되지 않습니다.

카탈로그 및 제품

카탈로그 및 제품에 관해 자주 묻는 질문(FAQ)입니다.

Recommendations는 새 제품의 콜드 스타트를 어떻게 처리하나요?

구매 내역이 없는 제품은 비슷한 제품을 기준으로 추천을 제공합니다. 이러한 경우에는 카탈로그에 제품명, 카테고리, 설명을 잘 정의하는 것이 특히 중요합니다.

콜드 스타트 사용자(방문 기록이 없는 방문자)의 경우 모델이 가장 인기 있는 일반 제품부터 시작하며, 더 많은 사용자 이벤트가 수신되면 실시간으로 맞춤설정됩니다.

카탈로그 및 제품 정보와 제품 참조 페이지를 참조하세요.

Recommendations에 판매자 센터 카탈로그를 사용할 수 있나요?

예, 판매자 센터 Data Transfer Service를 사용하여 판매자 센터 카탈로그를 BigQuery로 내보낼 수 있습니다. 그러면 BigQuery에서 카탈로그를 직접 읽을 수 있습니다. 판매자 센터에서 카탈로그 데이터 가져오기를 참조하세요.

카탈로그를 가져올 수 있는 그 밖의 방법은 무엇인가요?

  • 판매자 센터: 판매자 센터를 이용해 가져옵니다. Search를 사용하는 경우 콘솔을 사용하여 카탈로그를 자동으로 동기화하도록 판매자 센터와 연결할 수 있습니다.
  • BigQuery: 테이블 또는 뷰에서 직접 가져옵니다.
  • Cloud Storage: 한 줄에 하나의 JSON 카탈로그 항목이 있는 텍스트 파일을 사용하여 가져옵니다.
  • 인라인 가져오기: API 호출을 사용하여 가져오며, 한 줄에 하나의 JSON 카탈로그 항목이 있는 텍스트 파일을 사용합니다.
  • 제품 항목 만들기: Products 생성 메서드를 사용합니다.

카탈로그를 최신 상태로 유지하려면 어떻게 해야 하나요? 카탈로그를 얼마나 자주 업데이트해야 하나요?

카탈로그를 최신 상태로 유지 항목을 참조하세요.

카탈로그는 매일 업데이트하는 것이 좋습니다. Cloud Storage 또는 BigQuery에서 전체 업데이트를 수행하거나 증분 업데이트(즉, 신규 및 변경된 항목만)를 수행할 수 있습니다.

가능하다면 실시간으로 가격 및 가용성을 업데이트하세요. 이는 Search를 사용하여 새 항목을 빠르게 검색할 수 있는지에 영향을 줍니다.

Pub/Sub, 메시지 큐, 이벤트 등을 사용하여 카탈로그 변경사항에 대한 알림을 받을 수 있는 경우 import 또는 create API 메서드를 사용하여 실시간으로 카탈로그를 업데이트할 수 있습니다.

예를 들어 Cloud Scheduler를 사용해 일일 BigQuery 가져오기 호출을 실행할 수 있습니다.

카탈로그에 최소 및 최대 크기가 있나요?

최소 크기는 없지만 카탈로그 크기가 너무 적으면(항목 수 100개 미만) 추천할 제품이 너무 적기 때문에 Recommendations를 통해 크게 이득을 보지 못할 수 있습니다.

카탈로그 최댓값은 4,000만 개입니다.

기본 할당량 및 한도와 할당량 변경을 요청하는 방법은 문서를 참조하세요.

여러 국가에서 웹사이트를 운영하는 회사인데 모든 데이터에 하나의 카탈로그를 사용해야 하나요?

일반적으로 모든 항목이 포함된 카탈로그를 하나만 사용하는 것이 가장 좋습니다. 이벤트는 모두 단일 통화를 사용하여 제출해야 합니다. 같은 프로젝트 내에 카탈로그를 여러 개 포함할 수 있는 방법은 없지만 항목을 사용하는 경우 특정 국가에 대한 검색, 추천, 자동 완성 동작을 지정할 수 있습니다.

웹사이트마다 카탈로그가 크게 다른 경우 각 웹사이트에 대해 별도의 프로젝트를 운영하는 것이 좋습니다. 또한 국가마다 언어가 다른 경우 각 언어에 대해 하나씩 별도의 프로젝트를 운영하는 것이 좋습니다.

기본 웹사이트보다 트래픽이 적은 유사한 웹사이트가 있다면 모든 개별 웹사이트에 고품질 모델을 생성하기에 충분한 이벤트가 없는 경우 단일 카탈로그를 사용하는 것이 가장 좋습니다.

단일 카탈로그를 사용하려면 카탈로그 항목 ID가 일관되어야 합니다. 즉, 카탈로그 내에서 제품이 중복되지 않도록 동일한 제품이 모든 웹사이트에서 단일 상품 ID를 사용해야 합니다.

추천의 경우에만 항목을 사용하는 대신 필터를 사용하여 특정 웹사이트로 필터링할 수 있습니다. 하지만 필터가 업데이트되는 데 최대 8시간이 걸릴 수 있으므로 국가별 재고(재고 없음) 요구사항이 있는 경우 일반적으로 예측 응답 후 결과를 필터링하는 비즈니스 규칙에 따라 태그를 처리해야 합니다. 이는 v1 filter_tag 필터링 및 v2 속성 기반 필터링에 적용됩니다.

AI Commerce Search는 카탈로그당 여러 통화를 지원하나요?

아니요, 카탈로그당 통화 유형은 하나만 지원됩니다. 단일 통화를 사용해서 이벤트를 업로드해야 합니다.

Gemini Enterprise for Customer Experience의 AI Commerce Search 콘솔을 사용하여 수익 측정항목을 가져오려면 모든 이벤트에 단일 통화가 사용되는지 확인하거나 모두 동일한 통화로 변환한 후 업로드해야 합니다.

공유 카탈로그 또는 유사한 항목이 포함된 여러 웹사이트가 있습니다. Recommendations가 교차 사이트 추천을 제공할 수 있나요?

일반적으로 사이트 간에 겹치는 부분이 많을 때만 이와 같은 단일 카탈로그를 사용하는 것이 좋습니다. 이 경우 동일한 제품을 많이 또는 모두 공유해야 합니다. 그런 다음 멀티 리전 사이트와 마찬가지로 항목 또는 필터 태그를 사용하여 특정 예측 호출의 사이트별 항목만 반환할 수 있습니다.

사이트에서 카탈로그 항목을 하나라도 공유하지 않는 경우 여러 카탈로그를 사용해야 합니다. 여러 카탈로그를 사용하려면 카탈로그마다 별도의 Google Cloud 프로젝트가 필요합니다.

메타데이터를 더 많이 포함하면 모델이 개선되나요? 모델이 x,y,z 필드를 고려하나요?

필수 필드는 필수 카탈로그 항목 정보를 참조하세요.

다른 메타데이터 필드는 선택사항입니다(예: image 및 itemsAttribute). 예측 프리뷰, 결과 분석, 학습, 조정에 사용될 수 있습니다. 색상, 크기, 소재 등과 같은 유용한 속성을 포함하는 것이 좋습니다. 이러한 필드는 returnProduct:true를 지정하여 예측 결과의 일부로 반환될 수 있으며 결과를 렌더링하는 데 유용합니다. 이미지 및 항목 속성은 Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search에서 예측 미리보기에 사용됩니다.

카탈로그 항목의 어떤 속성이 모델 학습 입력으로 사용되나요?

사용자 행동과 제품 속성의 조합이 사용됩니다. 사용되는 기본 필드는 ID, 제목, 카테고리 계층 구조, 가격, URL입니다. Product.attributes[]에 유용할 수 있는 다른 커스텀 키-값 속성을 포함할 수 있습니다.

이미지 URL은 더 편리한 기능입니다. returnProduct:true를 지정하면 이 메타데이터를 예측 결과의 일부로 반환할 수 있으므로 이 정보를 검색하기 위해 추가 호출을 수행할 필요가 없습니다. 또한 이미지 URL이 있으면 Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search에서 모델의 예측 결과를 미리 볼 때 예측 미리보기가 이미지를 표시할 수 있습니다.

내 제품에 어떤 언어가 지원되나요?

  • 추천 기능: 대부분의 언어를 지원합니다. 이 모델은 텍스트 언어를 자동으로 감지합니다. 자동으로 감지할 수 있는 모든 언어 목록은 Compact Language Detector GitHub README를 참조하세요.
  • 검색 기능: 이러한 세계 언어를 지원합니다. 카탈로그를 업로드할 때 언어를 설정합니다. 카탈로그를 한 언어로만 작성해야 하고 쿼리를 동일한 언어로 전송해야 합니다. 카탈로그에 여러 언어가 있으면 모델 성능이 저하됩니다.
참고: 검색에 대해 이미 혼합된 언어 카탈로그를 사용했으면 동의어를 추가하여 결과를 개선할 수 있습니다. 동의어에 대한 자세한 내용은 OnewaySynonymsAction 및 TwowaySynonymsAction을 참조하세요.

카탈로그에 기본/변이 또는 상위/하위 SKU가 포함되어 있습니다. 지원되나요?

예. 이는 판매자 센터의 item_group_id와 유사합니다. 상위 또는 하위 수준에서 추천을 다시 수신할 방법 및 이벤트가 상위 수준 또는 하위 수준인지를 결정해야 합니다.

제품 수준에 대한 상세 설명은 제품 수준을 참조하세요.

항목 또는 이벤트를 보내기 전에 올바른 제품 수준을 결정하고 설정하세요. 제품 수준을 변경할 수 있지만 항목을 재조인하고 모델을 다시 미세 조정해야 합니다.

더 이상 사용할 수 없을 때 카탈로그에서 제품을 삭제할 수 있나요?

항목이 더 이상 최신 상태가 아닌 경우 이를 참조하는 이전의 사용자 이벤트가 무효화되지 않도록 항목을 삭제하는 대신 항목의 상태를 OUT_OF_STOCK으로 설정하는 것이 좋습니다.

사용자 이벤트

다음은 사용자 이벤트에 관해 자주 묻는 질문(FAQ)입니다.

수집해야 하는 사용자 이벤트는 무엇인가요?

사용자 이벤트 유형 목록과 사용자 이벤트 요구사항 및 권장사항은 사용자 이벤트 정보를 참조하세요.

모델을 만들 때 데이터 품질 문제는 어떻게 해결하나요?

Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search에서 데이터 품질 페이지로 이동하여 수집된 카탈로그와 사용자 이벤트에 대한 데이터 품질 측정항목을 확인합니다.

Google 애널리틱스 360과 통합할 수 있나요?

Google 애널리틱스 360(GA360)의 이전 데이터를 사용할 수 있습니다. 판매자 센터 데이터와 마찬가지로 GA360 데이터도 BigQuery로 내보낼 수 있으며 그러면 AI Commerce Search가 BigQuery에서 직접 이벤트를 읽을 수 있습니다.

GA360에서는 이벤트가 지연되므로 실시간 이벤트의 경우 Google 태그 관리자와 추적 픽셀을 통합하는 것이 좋습니다.

Google 애널리틱스 360에서 사용자 이벤트를 가져오고 싶습니다. 필요한 모든 사용자 이벤트를 제공하나요?

Google 애널리틱스 360은 검색 이벤트를 제외하고 AI Commerce Search에서 사용하는 모든 사용자 이벤트를 기본으로 지원합니다. 사용자는 애널리틱스 360에서 검색 사용자 이벤트를 계속 가져올 수 있지만, AI Commerce Search는 검색어 및 제품 노출(있는 경우)을 통해 검색 사용자 이벤트를 구성하는 점에 유의하세요.

Recommendations AI로 이벤트를 제공하려면 어떻게 해야 하나요?

사용자는 일반적으로 Cloud Storage 또는 API 가져오기를 사용하여 이전 이벤트를 가져온 후 JavaScript 픽셀 또는 GTM 태그를 사용하여 실시간 이벤트를 스트리밍합니다.

모델에 필요한 대로 나열한 사용자 이벤트 유형을 모두 전송할 수 없는 경우에는 어떻게 해야 하나요? 각 모델에 필요한 최소 이벤트 유형은 무엇인가요?

모델 및 최적화 목표마다 요구사항이 약간 다릅니다. 사용자 이벤트 데이터 요구사항을 참조하세요.

일반적으로 카탈로그 항목당 이벤트가 많을수록 모델 성능이 향상됩니다. 트래픽이 많은 사이트는 소량의 이전 데이터로 시작할 수 있지만 최소 몇 주 분량의 데이터가 필요합니다.

수익 또는 수량 값이 없는 장바구니 추가 및 구매 완료 이벤트가 있습니다. 무엇을 제출해야 하나요?

수량 값이 없는 경우 모델 결과에 영향을 주지 않고 기본값 1을 전달할 수 있습니다. 항목에는 항상 displayPrice가 설정되어 있어야 합니다. originalPrice 및 cost는 선택사항입니다.

각 모델 유형의 최소 데이터 요구사항은 사용자 이벤트 데이터 요구사항을 참조하세요.

검색 결과

다음은 검색 결과에 관해 자주 묻는 질문(FAQ)입니다.

검색 결과가 맞춤설정되나요?

예. 검색은 맞춤형 개인 검색 결과를 제공할 수 있습니다. 검색 결과는 방문자 ID를 기반으로 맞춤설정됩니다. 자세한 내용은 맞춤설정을 참조하세요.

사용자가 쇼핑하는 매장처럼, 검색 요청의 일부로서 컨텍스트를 포함하려면 어떻게 해야 하나요?

매장 ID 기반 재고 및 처리 옵션은 제품 카탈로그의 속성입니다. 속성은 검색 요청에서 매개변수로 전송될 수 있습니다. 결과는 요청의 저장소 ID에 따라 필터링되거나 더 높게 순위 지정될 수 있습니다.

검색 결과에서 제품을 숨길 수 있나요?

예. filter 매개변수는 해당 태그를 기준으로 결과를 필터링할 수 있습니다.

재고 및 가격과 같은 여러 기준에 따라 순위를 지정할 수 있나요?

예, boostSpec에서는 복잡한 순위 지정 규칙을 허용합니다.

여러 상품 속성에 대한 결과를 제공하기 위해 일부 속성을 그룹화할 수 있나요? 예를 들어 제조 국가가 동일한 도시를 그룹화합니다.

제품 속성은 계층적이지 않습니다. 하지만 여러 맞춤 속성을 사용하여 이를 달성할 수 있습니다(예: 국가와 도시에 대한 별도의 속성).

추천은 어떻게 작동하나요?

추천은 사용자 검색어, 재작성된 검색어, 제품 이름 등의 조합입니다. 고품질 자동 완성 추천 용어를 생성하려면 카탈로그와 함께 충분한 수의 검색 이벤트를 수집해야 합니다.

검색 시 대소문자를 구분하나요?

텍스트 쿼리는 언어 분석으로 인해 일반적으로 대소문자를 구분하지 않습니다. 하지만 필터 표현식과 정렬 순서는 대소문자를 엄격하게 구분합니다.

단수형 검색어와 복수형 검색어의 검색 결과가 다른 이유는 무엇인가요?

AI Commerce Search는 최종 사용자 의도와 클릭, 구매와 같은 이전 사용자 참여를 기반으로 단수 및 복수 검색어를 별도로 평가합니다. 쇼핑객은 단수형과 복수형 검색어에 따라 다른 제품을 클릭하거나 구매하는 경우가 많습니다. 예를 들어 셔츠 한 벌을 찾을 때는 티셔츠를, 패키지 상품을 찾을 때는 티셔츠들을 검색합니다. 하나의 쿼리 형식이 소수의 제품과만 일치하는 경우 검색어 확장을 통해 해당 쿼리의 결과를 확장할 수도 있습니다.

카탈로그 언어의 단수, 복수 또는 변형된 용어를 확장하여 서로의 후보를 포함하려면 양방향 동의어 컨트롤을 구성합니다. 동의어는 검색어 힌트 역할을 하고 순위는 여전히 점수에 따라 결정되므로 동의어 검색어는 여전히 다른 순위를 반환할 수 있습니다. AI Commerce Search에서 텍스트 쿼리를 처리하는 방법에 대한 자세한 내용은 텍스트 쿼리 및 파라미터 처리 방법을 참조하세요.

하이픈이 있는 부품 번호를 검색 가능하게 하려면 어떻게 해야 하나요?

표준 언어 분석에서는 특수문자가 삭제될 수 있습니다. 이러한 값을 exact-searchable 플래그가 사용 설정된 맞춤 속성에 매핑합니다. 또한 수집 전에 문자열을 n-그램으로 분할하는 것이 좋습니다.

내 카탈로그가 다른 언어로 되어 있는 경우 검색엔진이 사용자의 검색어를 번역하나요?

아니요. 카탈로그 언어와 검색어 언어가 일치해야 합니다. 사용자가 여러 언어로 검색할 것으로 예상되는 경우 동의어 컨트롤을 구현하여 쿼리를 카탈로그의 기본 언어에 매핑해야 합니다.

검색어가 카테고리별로 잘못 필터링되는 이유는 무엇인가요?

카테고리 이름에 > 문자가 있는지 확인합니다. 이 문자는 계층 구조 구분 기호(예: Clothing > Mens)로만 사용됩니다. 기본적으로 카테고리 이름에 이 문자가 표시되면 필터가 작동하지 않으므로 다른 문자로 바꿔야 합니다.

예측 결과

예측 결과에 대해 자주 묻는 질문(FAQ)입니다.

반환할 수 있는 예측 수에 제한이 있나요?

기본적으로 예측 요청은 응답으로 20개의 항목을 반환합니다. pageSize 값을 제출하여 이 값을 늘리거나 줄일 수 있습니다.

100개가 넘는 상품을 반품해야 하는 경우 Google 지원팀에 문의하세요. 항목을 100개 넘게 반환하면 응답 지연 시간이 증가할 수 있습니다.

모델에서 특정 제품을 추천한 이유를 확인할 수 있나요?

아니요.

예측 결과를 다운로드하고 캐시할 수 있나요?

예측 결과는 사이트의 사용자 활동에 따라 실시간으로 개선되므로 캐시된 예측을 사용하지 않는 것이 좋습니다. 모델은 매일 재학습을 통해 카탈로그 변경사항을 통합하고 새로운 트렌드에 반응합니다.

Google 측에서는 캐시된 검색 및 탐색 결과를 사용하는 것이 고객 데이터 개인 정보 보호 약관을 위반하는 행위입니다. 캐시 감지 메커니즘이 트리거되어 맞춤설정이 자동으로 삭제됩니다.

더 광범위하게는 특정 검색어의 검색 결과를 캐시하지 않고 각 검색 요청에 대해 새로운 검색어를 전송하는 한 이미지와 제품 세부정보를 캐시할 수 있습니다.

비즈니스 규칙을 기준으로 반환된 추천을 재정렬해야 합니다. 이 기능이 지원되나요?

예. 반환된 추천을 비즈니스 규칙에 따라 재정렬할 수 있지만 추천 결과를 재정렬하거나 필터링하면 모델의 전반적인 효율이 떨어질 수 있습니다. 가격 재정렬 기능은 내가 좋아할 만한 기타 항목 및 추천 서비스 모델의 기본 맞춤설정으로 사용할 수 있습니다. 가격 재정렬을 참조하세요.

만들고 사용할 수 있는 필터 태그 수에 제한이 있나요?

고유 태그 수에는 엄격한 제한이 없습니다. 하지만 시스템은 항목당 여러 개의 필터 태그를 처리하도록 설계되지 않았습니다. 가능하면 카탈로그 항목당 필터 태그를 최대 10개로 제한하는 것이 좋습니다. 전체 카탈로그의 총 태그 한도는 100,000,000개입니다. 할당량 및 한도를 참조하세요.

Recommendations를 다각화할 수 있나요?

예. 추천 다각화는 서빙 구성의 일부로서, 또는 예측 요청 매개변수에서 지정할 수 있습니다.

가격별로 추천 우선순위를 지정할 수 있나요?

예. 가격 재순위를 사용하면 추천 확률이 비슷한 추천 제품이 높은 가격순으로 정렬됩니다.

대화형 기능

AI Commerce Search의 대화형 기능, 제품 필터링, 상거래에 관해 자주 묻는 질문(FAQ)입니다.

대화 세션은 어떻게 유지되며 컨텍스트를 새로고침하려면 어떻게 해야 하나요?

대화 세션은 대화형 에이전트 응답에서 반환된 대화 ID를 사용하여 유지됩니다. 동일한 대화 내의 모든 후속 요청에서 이 대화 ID를 전달해야 합니다. 새 대화를 새로고침하거나 시작하려면 대화 ID 없이 새 API 요청을 시작합니다.

스트리밍 API는 구현 및 사용자 환경에 어떤 영향을 미치나요?

스트리밍 특성으로 인해 쿼리 유형을 즉시 수신할 수 있습니다. 이렇게 하면 대화형 텍스트 응답이 있는 쿼리와 SIMPLE_PRODUCT_SEARCH와 같이 대화형 텍스트 응답이 없는 쿼리를 구분할 수 있습니다. SIMPLE_PRODUCT_SEARCH의 경우 핵심 Search API 호출을 즉시 트리거할 수 있습니다.

ConversationalSearchRequest의 searchParams가 핵심 Search API 호출을 미러링하는 것이 중요한 이유는 무엇인가요?

필터, 정렬 순서, 부스트 규칙과 같은 searchParams의 일관성을 유지하려고 합니다. 일관성을 유지하면 API에서 제공하는 대화형 답변이나 정제된 검색어가 사용자에게 표시되는 실제 제품 결과와 일치하도록 할 수 있습니다.

기본 제품 검색이 감지되면 대화가 종료되나요? 사용자가 다른 대화 모드로 돌아갈 수 있나요?

대화가 종료되지 않습니다. 대화 ID는 유효하게 유지됩니다. 소매업체는 채팅 창을 유지하고 사용자가 대화를 계속할 수 있도록 UX를 설계할 수 있습니다. '되돌리기' 기능은 이 특정 UX 구현 선택에 따라 달라집니다.

Conversational API는 대화 컨텍스트에 어떤 데이터를 저장하며, 얼마나 오래 저장하나요?

대화의 흐름을 유지하기 위해 대화형 API는 사용자 질문, 대화형 텍스트 응답, 후속 질문을 저장합니다. 이 문맥 정보는 7일 동안 보관됩니다.

Conversational API는 대화형 제품 필터링과 달리 후속 질문에 대한 추천 답변을 제공하지 않는 이유는 무엇인가요?

후속 질문에 대한 추천 답변을 제공하는 기능은 지원되지 않지만, 이 기능을 제공하는 것이 로드맵에 포함되어 있습니다. 감사합니다

Conversational API는 성능과 컨텍스트를 위해 캐싱을 어떻게 사용하나요?

대화형 API는 특정 고객 및 프로젝트의 쿼리 유형과 정제된 검색어를 최대 10일 동안 캐시합니다. 즉, 동일한 쿼리가 반복되면 시스템에서 의도와 추천 검색어를 빠르게 가져올 수 있습니다.

머신러닝 모델

모델에 관해 자주 묻는 질문(FAQ)입니다.

카탈로그 및 이벤트를 업로드했는데 predict API를 호출할 때 다음과 같은 응답이 계속 표시됩니다. Recommendations 모델이 준비되지 않았습니다.

통합을 위해 예측 요청에서 'dryRun'을 true로 설정하면 카탈로그에서 임의의 카탈로그 항목이 반환됩니다(프로덕션 트래픽에는 사용하지 마세요)."

보통은 모델의 학습이 완료되지 않았다는 의미입니다. 모델을 만든 지 10일이 넘었는데 이 응답이 계속 표시된다면 지원팀에 문의하세요.

모델을 학습시키는 데 얼마나 걸리나요?

초기 모델 학습 및 미세 조정을 완료하는 데 2~5일이 걸리지만 데이터 세트가 대규모일 경우에는 더 오래 걸릴 수 있습니다. 이후에 사용 중지되지 않는 한 모델은 매일 자동으로 재학습됩니다. 모델 학습 일시중지 및 재개를 참조하세요.

모델을 다운로드하거나 내보낼 수 있나요?

아니요.

기존 프로젝트에서 만든 모델을 새 프로젝트에서 사용할 수 있나요?

아니요. 새 프로젝트에서 모델을 만들고 재학습시켜야 합니다.

카테고리 페이지에 모델을 사용하고 싶습니다. 그렇게 할 수 있나요?

예. 추천 서비스는 카테고리 페이지에 유용합니다. 카테고리 페이지는 해당 카테고리의 상품만 표시한다는 점을 제외하면 홈페이지와 유사합니다. 이는 필터 태그가 있는 표준 추천 서비스 모델을 사용하여 수행할 수 있습니다. 예를 들어 카탈로그의 항목에 맞춤설정된 필터 태그(각 카테고리 페이지에 해당)를 추가할 수 있습니다. 예측 요청을 전송할 때 사용자 이벤트 객체를 category-page-view로 설정하고 filter 필드에 특정 카테고리 페이지의 태그를 지정합니다. 요청된 필터 태그와 일치하는 추천 결과만 반환됩니다. 다양성은 카테고리 기반 필터 태그와 충돌할 수 있으므로 이 사용 사례에서는 다양성을 사용 중지해야 합니다.

모델에서 맞춤설정을 사용 중지할 수 있나요?

기본적으로 예측 결과는 내가 좋아할 만한 기타 항목, 추천 서비스, 다시 구매하기 추천 모델 유형에 맞게 맞춤설정됩니다.

맞춤설정을 사용 중지하지 않는 것이 좋습니다. 개인화되지 않은 결과가 필요한 경우 예측 요청에서 임의의 고유 방문자 ID를 사용할 수 있습니다.

Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search

Gemini Enterprise for Customer Experience 콘솔에서 AI Commerce Search를 사용하는 방법에 관해 자주 묻는 질문(FAQ)입니다.

여러 이벤트를 삭제했는데 이러한 이벤트 유형의 개수가 대시보드에 계속 표시됩니다.

이는 정상적인 동작입니다. Gemini Enterprise for Customer Experience의 AI Commerce Search 대시보드에는 특정 기간 동안 수집된 이벤트 수가 표시됩니다. 현재 개수나 이벤트 수는 표시되지 않습니다.

일반적으로 사용자 이벤트는 기록된 후에 그대로 유지해야 합니다. 이벤트를 삭제하지 않는 것이 좋습니다. 이벤트를 영구 삭제해야 하는 경우 사용자 이벤트 삭제 문서를 참조하세요.

카탈로그 또는 사용자 이벤트에 오류가 있는지 어떻게 알 수 있나요?

대부분의 API 호출은 문법에 문제가 있는 경우 오류를 반환합니다. Gemini Enterprise for Customer Experience의 AI Commerce Search 대시보드에는 조인되지 않은 이벤트의 백분율이 표시되며, 이는 유용한 측정항목입니다. Cloud Monitoring 및 Cloud Logging을 사용하여 이벤트 상태를 모니터링할 수 있습니다.

추천 서빙 구성이 비활성으로 표시되는 이유는 무엇인가요? 이를 활성화하려면 어떻게 해야 하나요?

추천 서빙 구성을 사용하려면 먼저 카탈로그 및 사용자 이벤트 데이터를 제출하여 해당 모델을 학습시켜야 합니다. 모델이 학습되면 대시보드는 모델이 쿼리할 준비가 되었음을 나타냅니다.

Gemini Enterprise for Customer Experience의 AI Commerce Search는 어떤 통화로 수익 측정항목을 보고하나요?

Gemini Enterprise for Customer Experience의 AI Commerce Search는 업로드된 데이터에 사용된 통화로 측정항목을 보고합니다. AI Commerce Search는 카탈로그당 여러 통화 사용을 지원하지 않으며 통화를 변환하지 않습니다.