Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Suchergebnisse abrufen

Auf dieser Seite werden grundlegende Abfragen mit der Suche beschrieben, einschließlich Textabfragen, Suchanfragen, Paginierung, Optimierung und personalisierten Ergebnissen.

Eindeutige Kennungen für Nutzersitzungen

Das erforderliche Stringfeld visitor_id wird verwendet, um einen Nutzer auf einem einzelnen Gerät eindeutig zu identifizieren. Sie dient als dauerhafte Sitzungs-ID, mit der AI Commerce Search das Verhalten eines bestimmten Nutzers während des gesamten Kaufprozesses verfolgen kann.

AI Commerce Search verwendet den mit einer bestimmten visitor_id verknüpften Verlauf, um Modelle zu trainieren und personalisierte Suchergebnisse bereitzustellen. Das System generiert Ergebnisse dynamisch basierend auf dem spezifischen visitor_id, der in der Anfrage angegeben ist. Wenn sich ein Besucher beispielsweise häufig grüne Kleider ansieht, verwendet das Modell visitor_id, um ihn später wiederzuerkennen und ähnliche Artikel in den Suchergebnissen zu priorisieren. Aus diesem Grund muss die Besucher-ID sowohl bei der Aufnahme von Nutzerereignissen (Tracking) als auch bei Such- oder Empfehlungsanfragen (Bereitstellung) identisch formatiert sein.

Relevanz in AI Commerce Search

Relevanz ist nicht dasselbe wie Übereinstimmung. Beim Abgleich werden im Index Kandidatenprodukte gefunden, die der Suchanfrage des Nutzers entsprechen. Die Relevanz hingegen ist ein Maß für die Übereinstimmung. Dabei werden diese Produkte so eingestuft, dass die Absicht und die Anforderungen des Nutzers am besten erfüllt werden. Bei AI Commerce Search werden Techniken eingesetzt, um die Übereinstimmung und Relevanz zu verbessern. So wird die Suchfunktion für Nutzer optimiert und die Anforderungen von Einzelhändlern werden erfüllt.

Standardsuche

Die Suchergebnisse werden standardmäßig nach Relevanz sortiert. Einige nicht relevante Produkte können jedoch am Ende der Standard-Suchergebnisse oder in expliziten Anfragen zur Produktsuche angezeigt werden. Dies wird nur bemerkbar, wenn Sie orderBy festlegen, da dadurch die Größe der Suchergebnisse im Allgemeinen reduziert wird. Die Recall-Größe nimmt ab, da die weniger relevanten Produkte, die zuvor am Ende der Standardsuche zurückgegeben wurden, bis zu einem gewissen Grad herausgefiltert werden. Im nächsten Abschnitt erfahren Sie, wie Sie die Suche anpassen können.

Nicht standardmäßige Suche

AI Commerce Search ist standardmäßig auf Relevanz in der Suche eingestellt. Die Suche ist jedoch so eingestellt, dass auch nur geringfügig relevante Artikel weiter oben in den Suchergebnissen angezeigt werden, um Einzelhändlern gezieltere Suchergebnisse zu liefern und das Conversion-Potenzial von Nutzerereignissen zu erhöhen.

Diese zusätzlichen Suchfunktionen optimieren den standardmäßigen Relevanzalgorithmus und bieten nicht standardmäßige Funktionen, die auf das Nutzungsprofil des jeweiligen Einzelhändlers abgestimmt sind, darunter:

Optionen zum Sortieren der Ergebnisse, z. B. nach Preis, am besten bewerteten oder meistverkauften Artikeln. Die nicht standardmäßige Suche ist so angepasst, dass bestimmte Suchergebnisse mit den richtigen Produktvarianten zurückgegeben werden. Beispielsweise, um die günstigste oder teuerste Variante anzuzeigen, wenn nach Preis sortiert wird.
Automatische Anwendung eines strengeren Relevanzfilters für nicht standardmäßige Nutzerereignisse.
Einstellbare Steuerelemente für die Stärke des Boostings/Burys, um Suchergebnisse zu optimieren.

Textsuche und Browsersuche

Die Suche bietet sowohl Suchfunktionen für Textabfragen als auch für das Durchsuchen von Inhalten.

Beim Anwendungsfall „Suche mit Textabfrage“ gibt ein Käufer möglicherweise eine textbasierte Abfrage auf Ihrer Website ein. Die Suche gibt eine Suchantwort mit Produkten zurück, die den Parametern der von Ihnen eingerichteten Einstellungen entsprechen, sortiert nach Relevanz und Umsatzmaximierung.

Beim Durchstöbern ruft ein Käufer möglicherweise das Menü Ihrer Website auf und navigiert zu einer bestimmten Produktkategorie. Die Suche wählt automatisch die Sortierreihenfolge aus, die den Umsatz maximiert, indem sie aus dem Nutzerverhalten und Trends lernt. Die Suchergebnisse können mithilfe der von Ihnen eingerichteten Steuerelemente weiter verfeinert werden.

Sowohl Text Search- als auch Browsersuchanfragen verwenden die Methode servingConfigs.search.

Suchanfragen per Texteingabe

Wenn ein Nutzer eine Textanfrage eingibt, um auf Ihrer Website zu suchen, werden die potenziellen Suchergebnisse nach Relevanz, Beliebtheit, Kaufbarkeit und Personalisierung sortiert.

Die Suche betrachtet eine servingConfigs.search-Anfrage als textbasierte Suchanfrage, wenn das Feld query nicht leer ist.

Senden Sie beim Hochladen von Nutzerereignissen die durch die Suche generierten Suchereignisse für Textanfragen als search-Nutzerereignisse. Wenn das Ereignis ein nicht leeres userEvent.searchQuery-Feld und ein leeres userEvent.pageCategories-Feld hat, wird es von der Suche als textbasiertes Suchereignis betrachtet.

Textabfragen und Parameter verarbeiten

Standardabfragen werden einer linguistischen Analyse unterzogen, bei der Standard-Satzzeichen entfernt werden. Bei Filterstrings wird strikt zwischen Groß- und Kleinschreibung unterschieden. Wenn Sie wissen, wie Textabfragen und Parameter verarbeitet werden, können Sie API-Anfragen in AI Commerce Search richtig erstellen.

Tokenisierung und Zeichensetzung von Abfragen: Text in natürlicher Sprache, der an das Feld query übergeben wird, wird automatisch linguistisch analysiert und die Rechtschreibung wird korrigiert. Dabei werden Standard-Satzzeichen wie Kommas, Punkte, + oder - oft entfernt oder ignoriert, um das Natural Language Understanding zu optimieren.
Suchbegriffe im Singular und Plural: AI Commerce Search wertet Suchanfragen im Singular und Plural separat aus, basierend auf der Absicht des Endnutzers und dem bisherigen Nutzer-Engagement, z. B. Klicks und Käufe. Käufer klicken oft auf unterschiedliche Produkte oder kaufen unterschiedliche Produkte, je nachdem, ob sie nach Singular- oder Pluralbegriffen suchen, z. B. T-Shirt für ein einzelnes Shirt oder T-Shirts für ein Multipack. Daher können Suchanfragen im Singular und Plural unterschiedliche Suchergebnisse, Rankings und dynamische Attribute zurückgeben. Wenn eine Suchanfrage nur wenige Produkte liefert, kann die Suchanfragenerweiterung die Ergebnisse für diese Suchanfrage erweitern. Wenn Sie Singular-, Plural- oder flektierte Begriffe in der Sprache Ihres Katalogs so erweitern möchten, dass sie die Kandidaten des jeweils anderen enthalten, konfigurieren Sie bidirektionale Synonymeinstellungen.
Strikte Berücksichtigung der Groß-/Kleinschreibung bei Parametern: Bei Standardtextabfragen wird die Groß-/Kleinschreibung in der Regel nicht berücksichtigt, bei programmatischen Parametern jedoch schon.
- Filter: Bei Filterausdrücken und ihren Literalstringwerten wird die Groß- und Kleinschreibung berücksichtigt.
- Sortierung: Beim Ausdruck orderBy muss die Groß-/Kleinschreibung beachtet werden. Wenn Sie nach einem Feld wie products.title sortieren, sortiert die Engine Apple vor banana vor artichoke. Als Behelfslösung können Sie Produkttitel in Großbuchstaben in ein separates benutzerdefiniertes Attribut (z. B. attributes.title_upper) hochladen und nach diesem Attribut sortieren, um eine Sortierung ohne Berücksichtigung der Groß- und Kleinschreibung zu erreichen.
Reservierte Sonderzeichen:
- Das Zeichen > ist ausschließlich als Trennzeichen für Kategoriehierarchien reserviert (z. B. Categories > Shoes). Wenn > in Ihrem Kategorienamen vorkommt, müssen Sie es vor der Aufnahme und Abfrage durch ein anderes Zeichen ersetzen.
- Das Zeichen / wird in Textwerten in Filterausdrücken für Empfehlungen nicht unterstützt.

Suchanfragen durchsuchen

Beim Durchsuchen wird die Websitenavigation verwendet, um Suchergebnisse mit gleicher Relevanz zu generieren, die nach den meistverkauften Artikeln sortiert sind. Die Suche nutzt KI, um die Sortierung der Suchergebnisse zu optimieren. Dabei werden Beliebtheit, Kaufbarkeit und Personalisierung berücksichtigt.

Beachten Sie Folgendes, um die richtigen Suchergebnisse zu erhalten:

Die Werte pageCategories und filter in Ihren Suchanfragen müssen genau mit den Werten pageCategories und filter in Ihren hochgeladenen Nutzerereignissen übereinstimmen. Wenn die Parameter in den Anfragen nicht mit den Parametern in den Ereignissen übereinstimmen, funktioniert das klickbasierte Modell zur Neubewertung, das aus den Ereignissen gelernt hat, für diese spezifische Anfrage nicht sehr gut und die Qualität der Ergebnisse wird beeinträchtigt.
AI Commerce Search kategorisiert ein search-Nutzerereignis als browserbasiertes Ereignis, wenn das Feld userEvent.searchQuery leer und das Feld userEvent.pageCategories nicht leer ist. Daher müssen Sie beim Hochladen von Browse-Ereignissen, die von AI Commerce Search generiert wurden, darauf achten, dass sie als search-Nutzerereignisse gesendet werden.
Ein Suchfilter muss gültig sein und für jede Suchanfrage angeben, welche Produkte zur Produktkategorie gehören, in der der Nutzer sucht. Dazu muss die Kategorie-ID sowohl im Feld filter als auch im Feld page_category definiert werden. Angenommen, Sie möchten, dass die Suchergebnisse auf „Heim & Garten“ ausgerichtet sind. Erstens: Wenn Sie nur einen filter-Wert von "in-stock" haben, wird die Suche nicht ausreichend verfeinert, um optimale Stöberergebnisse zu liefern. Wenn Sie Suchergebnisse auf „Haus & Garten“ beschränken möchten, müssen Sie "Home \& Garden" nicht nur in der Seitenkategorie, sondern auch im Filter mit categories: ANY("Home & Garden") festlegen. Wenn Sie die Kategorie im Filterteil nicht definieren, sind die Suchergebnisse wahrscheinlich zu breit gefächert und enthalten viele Artikel, die nicht zur Kategorie „Heim & Garten“ gehören.

Bereitstellungsanfragen und ‑ereignisse mit einem leeren Abfragefeld und ausgefüllten page_categories-Feldern werden als Browseranfragen und Nutzerereignisse betrachtet. Das Feld page_categories gibt die Kategorieseite selbst an. Wenn die Methode servingConfigs.search eine Anfrage sendet, wird sie von der Suche als Browsing-Suchanfrage betrachtet, wenn das Feld query leer ist. In diesem Fall basieren die Ergebnisse auf den Feldern filter und pageCategories sowie, falls verfügbar, auf weiteren Optimierungen und Personalisierungen.

Sie können die Kategorie in beiden festlegen, wie in diesem Beispiel:

JSON

page_category: "Home & Garden"
filter: "(availability: ANY("IN_STOCK")) AND (categories: ANY("Home & Garden"))"

Andernfalls werden die Produkte einer bestimmten Kategorie nicht automatisch in den Ergebnissen für eine bestimmte Seitenkategorie angezeigt, da die Funktion „Durchsuchen“ mit leeren Stringabfragen funktioniert. Wenn der Endnutzer also ohne Angabe einer Textanfrage sucht, liefert die Suche möglicherweise keine effektiv ausgerichteten Ergebnisse, selbst wenn der Nutzer eine Kategorieseite aufruft.

Suchanfragen verwenden

Verwenden Sie Suchanfragen, um Ergebnisse für Text- und Browsersuchen zu erhalten. Verwenden Sie die Methode servingConfigs.search, um eine Suchanfrage zu stellen.

Für alle Suchanfragen ist placement erforderlich. Damit wird der vollständige Ressourcenname der Bereitstellungskonfiguration angegeben, die verwendet wird. Die Bereitstellungskonfiguration bestimmt, welche Einstellungen und zugehörigen Steuerelemente sich auf die Suchergebnisse auswirken.

Für Suchanfragen mit Textabfrage ist ein nicht leeres query-Feld erforderlich.

Suchanfragen zum Durchsuchen erfordern ein nicht leeres pageCategories-Feld.

Python

Informationen zum Installieren und Verwenden der Clientbibliothek für AI Commerce Search finden Sie unter AI Commerce Search-Clientbibliotheken. Weitere Informationen finden Sie in der API-Referenzdokumentation zu AI Commerce Search für Python.

Richten Sie zur Authentifizierung bei AI Commerce Search Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import google.auth
from google.cloud.retail import SearchRequest, SearchServiceClient

project_id = google.auth.default()[1]


# get search service request:
def get_search_request(query: str):
    default_search_placement = (
        "projects/"
        + project_id
        + "/locations/global/catalogs/default_catalog/placements/default_search"
    )

    search_request = SearchRequest()
    search_request.placement = default_search_placement  # Placement is used to identify the Serving Config name.
    search_request.query = query
    search_request.visitor_id = "123456"  # A unique identifier to track visitors
    search_request.page_size = 10

    print("---search request:---")
    print(search_request)

    return search_request


# call the Retail Search:
def search():
    # TRY DIFFERENT QUERY PHRASES HERE:
    query_phrase = "Hoodie"

    search_request = get_search_request(query_phrase)
    search_response = SearchServiceClient().search(search_request)

    print("---search response---")
    if not search_response.results:
        print("The search operation returned no matching results.")
    else:
        print(search_response)
    return search_response


search()

Node.js

Informationen zum Installieren und Verwenden der Clientbibliothek für AI Commerce Search finden Sie unter AI Commerce Search-Clientbibliotheken.

'use strict';

async function main() {
  // Call Retail API to search for a products in a catalog using only search query.

  // Imports the Google Cloud client library.
  const {SearchServiceClient} = require('@google-cloud/retail');

  // Instantiates a client.
  const retailClient = new SearchServiceClient();

  const projectId = await retailClient.getProjectId();

  // Placement is used to identify the Serving Config name.
  const placement = `projects/${projectId}/locations/global/catalogs/default_catalog/placements/default_search`;

  // Raw search query.
  const query = 'Hoodie'; //TRY DIFFERENT QUERY PHRASES

  // A unique identifier for tracking visitors.
  const visitorId = '12345';

  // Maximum number of Products to return.
  const pageSize = 10;

  const IResponseParams = {
    ISearchResult: 0,
    ISearchRequest: 1,
    ISearchResponse: 2,
  };

  const callSearch = async () => {
    console.log('Search start');
    // Construct request
    const request = {
      placement,
      query,
      visitorId,
      pageSize,
    };
    console.log('Search request: ', request);

    // Run request
    const response = await retailClient.search(request, {
      autoPaginate: false,
    });
    const searchResponse = response[IResponseParams.ISearchResponse];
    if (searchResponse.totalSize === 0) {
      console.log('The search operation returned no matching results.');
    } else {
      console.log('Search result: ', JSON.stringify(searchResponse, null, 4));
    }
    console.log('Search end');
  };

  callSearch();
}

process.on('unhandledRejection', err => {
  console.error(err.message);
  process.exitCode = 1;
});

main();

Java


import com.google.cloud.ServiceOptions;
import com.google.cloud.retail.v2.SearchRequest;
import com.google.cloud.retail.v2.SearchResponse;
import com.google.cloud.retail.v2.SearchServiceClient;
import java.io.IOException;
import java.util.UUID;

public class SearchSimpleQuery {

  public static void main(String[] args) throws IOException {
    String projectId = ServiceOptions.getDefaultProjectId();
    String defaultCatalogName =
        String.format("projects/%s/locations/global/catalogs/default_catalog", projectId);
    String defaultSearchPlacementName = defaultCatalogName + "/placements/default_search";

    searchResponse(defaultSearchPlacementName);
  }

  public static void searchResponse(String defaultSearchPlacementName) throws IOException {
    // TRY DIFFERENT QUERY PHRASES HERE:
    String queryPhrase = "Hoodie";
    String visitorId = UUID.randomUUID().toString();
    int pageSize = 10;

    SearchRequest searchRequest =
        SearchRequest.newBuilder()
            .setPlacement(defaultSearchPlacementName)
            .setQuery(queryPhrase)
            .setVisitorId(visitorId)
            .setPageSize(pageSize)
            .build();
    System.out.println("Search request: " + searchRequest);

    // Initialize client that will be used to send requests. This client only
    // needs to be created once, and can be reused for multiple requests. After
    // completing all of your requests, call the "close" method on the client to
    // safely clean up any remaining background resources.
    try (SearchServiceClient client = SearchServiceClient.create()) {
      SearchResponse searchResponse = client.search(searchRequest).getPage().getResponse();
      if (searchResponse.getTotalSize() == 0) {
        System.out.println("The search operation returned no matching results.");
      } else {
        System.out.println("Search response: " + searchResponse);
      }
    }
  }
}

Standardmäßig wird eine angemessene Anzahl von Ergebnissen zurückgegeben, sortiert nach Relevanz.

Um Produktattribute abzurufen, die mit der Suchantwort zurückgegeben werden, müssen Sie beim Importieren Ihrer Katalogdaten Attributwerte angeben. Product hat vordefinierte Systemattribute wie Marke, Farbe und Größe, für die Sie Werte angeben können. Sie können auch benutzerdefinierte Attribute hinzufügen, die Sie mit Product.attributes definieren.

Anleitung zu Anfragen

In dieser Anleitung erfahren Sie, wie Sie eine textbasierte Suchanfrage an den AI Commerce Search-Dienst senden und die Antwort analysieren.

Suchergebnisse mithilfe von automatisch vervollständigten Vorschlägen filtern

Wenn Sie auf Ihrem Frontend angereicherte Vorschläge für die automatische Vervollständigung implementiert haben (bei denen Nutzer eine Suchanfrage in Kombination mit einer bestimmten Marke oder Kategorie auswählen können), müssen Sie diese Auswahl in eine gefilterte SearchRequest übersetzen.

Extrahieren Sie dazu den Textvorschlag und fügen Sie ihn in das Feld query ein. Extrahieren Sie dann das ausgewählte Attribut (z. B. eine Marke) und formatieren Sie es als Ausdruck im Feld filter.

Beispiel für eine Suchanfrage aus einem gefilterten Vorschlag

Wenn der Nutzer auf den Vorschlag shoe in Nike geklickt hat, strukturieren Sie die SearchRequest so:

{
  "placement": "projects/YOUR_PROJECT_ID/locations/global/catalogs/default_catalog/placements/default_search",
  "query": "shoe",
  "filter": "brands: ANY(\"Nike\")",
  "visitorId": "user_session_123"
}

Produktanzahl zu Vorschlagsfacetten hinzufügen

Um die Filterfunktion noch weiter zu verbessern, können Sie die Anzahl der verfügbaren Produkte für jeden Vorschlagsfilter anzeigen, bevor der Nutzer die Suche überhaupt ausführt. Wenn Sie Vorschlagsfacetten mit Produktanzahl verwenden möchten, müssen Sie sich an den Support wenden, um die Funktion zu aktivieren. Wenn diese Option aktiviert ist, fügen Sie den spezifischen textbasierten Facettenschlüssel mindestens 7 Tage lang in die facetSpecs Ihrer SearchRequest ein, damit das System die Produktanzahl anhand Ihrer Suchverlaufsdaten berechnen kann.

Seitenumbruch

Verwenden Sie die Paginierung, um die Suchzeit und die Größe der gesendeten Antworten zu verringern.

Anleitung zum Seitenumbruch

In dieser Anleitung erfahren Sie, wie Sie die Paginierung in einer textbasierten Suchanfrage steuern. Wenn ein Käufer in einem Geschäft nach Produkten sucht, kann er die Navigation durch die Suchergebnisse verbessern. Sie können beispielsweise die Anzahl der Elemente in der Suchantwort mithilfe der Funktion für die Seitengröße begrenzen oder mithilfe der Offset-Funktion zur gewünschten Seite springen.

Paginieren

Wenn Sie von einer Seite zu einer anderen springen möchten, verwenden Sie je nach Anwendungsfall entweder page_token oder offset.

Python


import google.auth
from google.cloud.retail import SearchRequest, SearchServiceClient

project_id = google.auth.default()[1]


# get search service request:
def get_search_request(query: str, page_size: int, offset: int, next_page_token: str):
    default_search_placement = (
        "projects/"
        + project_id
        + "/locations/global/catalogs/default_catalog/placements/default_search"
    )

    search_request = SearchRequest()
    search_request.placement = default_search_placement
    search_request.visitor_id = "123456"  # A unique identifier to track visitors
    search_request.query = query
    search_request.page_size = page_size
    search_request.offset = offset
    search_request.page_token = next_page_token

    print("---search request:---")
    print(search_request)

    return search_request


# call the Retail Search:
def search():
    # TRY DIFFERENT PAGINATION PARAMETERS HERE:
    page_size = 6
    offset = 0
    page_token = ""

    search_request_first_page = get_search_request(
        "Hoodie", page_size, offset, page_token
    )
    search_response_first_page = SearchServiceClient().search(search_request_first_page)

    print("---search response---")
    if not search_response_first_page.results:
        print("The search operation returned no matching results.")
    else:
        print(search_response_first_page)

    # PASTE CALL WITH NEXT PAGE TOKEN HERE:

    # PASTE CALL WITH OFFSET HERE:

    return search_response_first_page


search()

Node.js

Informationen zum Installieren und Verwenden der Clientbibliothek für AI Commerce Search finden Sie unter AI Commerce Search-Clientbibliotheken.

async function main() {
  // Imports the Google Cloud client library.
  const {SearchServiceClient} = require('@google-cloud/retail');

  // Instantiates a client.
  const retailClient = new SearchServiceClient();

  const projectId = await retailClient.getProjectId();

  // Placement is used to identify the Serving Config name.
  const placement = `projects/${projectId}/locations/global/catalogs/default_catalog/placements/default_search`;

  // Raw search query.
  const query = 'Hoodie';

  // A unique identifier for tracking visitors.
  const visitorId = '12345';

  // Maximum number of Products to return.
  const pageSize = 6; // TRY DIFFERENT PAGE SIZES, INCLUDING THOSE OVER 100

  // A 0-indexed integer that specifies the current offset in search results.
  const offset = 0; // TRY DIFFERENT OFFSETS TO SEE DIFFERENT PRODUCTS

  //A page token received from a previous search call.
  let pageToken = '';

  const IResponseParams = {
    ISearchResult: 0,
    ISearchRequest: 1,
    ISearchResponse: 2,
  };

  const callSearch = async () => {
    console.log('Search start');
    // Construct request
    const request = {
      placement,
      query,
      visitorId,
      pageSize,
      offset,
      pageToken,
    };

    // Run request
    const response = await retailClient.search(request, {
      autoPaginate: false,
    });
    const searchResponse = response[IResponseParams.ISearchResponse];
    if (searchResponse.totalSize === 0) {
      console.log('The search operation returned no matching results.');
    } else {
      console.log('Search result: ', JSON.stringify(searchResponse, null, 4));
      pageToken = response[IResponseParams.ISearchResponse].nextPageToken;
      console.log(
        'Next page token:',
        response[IResponseParams.ISearchResponse].nextPageToken
      );
    }
    console.log('Search end');
  };

  // Call search
  await callSearch();

  //PASTE CALL WITH NEXT PAGE TOKEN HERE:
}

Java


import com.google.cloud.ServiceOptions;
import com.google.cloud.retail.v2.SearchRequest;
import com.google.cloud.retail.v2.SearchResponse;
import com.google.cloud.retail.v2.SearchServiceClient;
import java.io.IOException;
import java.util.UUID;

public class SearchWithPagination {

  public static void main(String[] args) throws IOException {
    String projectId = ServiceOptions.getDefaultProjectId();
    String defaultCatalogName =
        String.format("projects/%s/locations/global/catalogs/default_catalog", projectId);
    String defaultSearchPlacementName = defaultCatalogName + "/placements/default_search";

    searchResponse(defaultSearchPlacementName);
  }

  public static void searchResponse(String defaultSearchPlacementName) throws IOException {
    // TRY DIFFERENT PAGINATION PARAMETERS HERE:
    int pageSize = 6;
    String queryPhrase = "Hoodie";
    int offset = 0;
    String pageToken = "";
    String visitorId = UUID.randomUUID().toString();

    SearchRequest searchRequest =
        SearchRequest.newBuilder()
            .setPlacement(defaultSearchPlacementName)
            .setVisitorId(visitorId)
            .setQuery(queryPhrase)
            .setPageSize(pageSize)
            .setOffset(offset)
            .setPageToken(pageToken)
            .build();
    System.out.println("Search request: " + searchRequest);

    // Initialize client that will be used to send requests. This client only
    // needs to be created once, and can be reused for multiple requests. After
    // completing all of your requests, call the "close" method on the client to
    // safely clean up any remaining background resources.
    try (SearchServiceClient client = SearchServiceClient.create()) {
      SearchResponse searchResponseFirstPage = client.search(searchRequest).getPage().getResponse();
      if (searchResponseFirstPage.getTotalSize() == 0) {
        System.out.println("The search operation returned no matching results.");
      } else {
        System.out.println("Search response: " + searchResponseFirstPage);
      }

      // PASTE CALL WITH NEXT PAGE TOKEN HERE:

      // PASTE CALL WITH OFFSET HERE:
    }
  }
}

Seitentoken

Mit page_token können Sie zur nächsten Seite springen. Angenommen, Sie senden den folgenden SearchRequest.

JSON

{
  placement: 'projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/placements/default_search'
  visitor_id: 'VISITOR_ID'
  query: 'shoes'
  page_size: 5
}

Von SearchResponse können Sie die resultierenden Produkte mit einer Top-5-Relevanz zusammen mit einem next_page_token abrufen.

JSON

{
  results: [
    products{...}, products{...}, products{...}, products{...}, products{...}
  ]
  next_page_token: "wY4ETNkBDOlVjZ0YWLzUmM40SMhVjMtADMwATL5UGN5MGZlVDJaIQ5LaYsQUw9fC6lIwgE1EgC"
  total_size: 100
  search_token: "NtQKDAiXt4_3BRDCg_jnARABGiQ1ZWRjOTRlOC0wMDAwLTI1YTEtODJlMy1mNGY1ZTgwZDUxOGM"
}

Um die Produktergebnisse mit den nächsten fünf Relevanzstellen (6. bis 10.) abzurufen, geben Sie für page_token dieselben Werte für placement und visitor_id an und query als next_page_token der vorherigen SearchResponse.

Java

import com.google.cloud.retail.v2.SearchRequest;
import com.google.cloud.retail.v2.SearchResponse;
import com.google.cloud.retail.v2.SearchServiceClient;

public static void searchProducts_withNextPageToken(String query, int pageSize)
    throws IOException, InterruptedException {
  try (SearchServiceClient searchClient = SearchServiceClient.create()) {
    SearchRequest firstRequest = SearchRequest.newBuilder()
        .setPlacement(DEFAULT_SEARCH_PLACEMENT_NAME)
        .setBranch(DEFAULT_BRANCH_NAME)
        .setVisitorId(VISITOR_ID)
        .setQuery(query)
        .setPageSize(pageSize)
        .build();

    SearchResponse firstResponse = searchClient.search(firstRequest).getPage()
        .getResponse();
    System.out.println("First search response: " + firstResponse);

    SearchRequest secondRequest = SearchRequest.newBuilder()
        .setPlacement(DEFAULT_SEARCH_PLACEMENT_NAME)
        .setBranch(DEFAULT_BRANCH_NAME)
        .setVisitorId(VISITOR_ID)
        .setQuery(query)
        .setPageSize(pageSize)
        .setPageToken(firstResponse.getNextPageToken())
        .build();

    SearchResponse secondResponse = searchClient.search(secondRequest).getPage()
        .getResponse();
    System.out.println("Second search response: " + secondResponse);
  }
}

In diesem Beispiel sieht SearchRequest so aus:

JSON

{
  placement: 'projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/placements/default_search'
  visitor_id: 'VISITOR_ID'
  query: 'shoes'
  page_size: 5
  page_token: "wY4ETNkBDOlVjZ0YWLzUmM40SMhVjMtADMwATL5UGN5MGZlVDJaIQ5LaYsQUw9fC6lIwgE1EgC"
}

Offset

In anderen Fällen können Sie anstatt von Seite zu Seite zu gehen oder Ergebnisse mit hoher Relevanz zu erhalten, mit offset eine bestimmte Position direkt erreichen.

Wenn Sie beispielsweise die 10. Ergebnisseite abrufen möchten und die Seitengröße 5 beträgt, können Sie den Wert offset auf 45 festlegen. Dieser Wert wird folgendermaßen berechnet (10 - 1) * 5.

JSON

{
  placement: 'projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/placements/default_search'
  visitor_id: 'VISITOR_ID'
  query: 'shoes'
  page_size: 5
  offset: 45
}

Suchleistungsstufen

Die Suche bietet mehrere Leistungsstufen, mit denen sich die Ergebnisse immer weiter verbessern lassen. Bei Anwendungsfällen für die Suche mit Textabfragen können die Ergebnisse beispielsweise ausschließlich auf der Relevanz basieren. Wenn Sie erweiterte Leistungsstufen freischalten, können Suchergebnisse basierend auf Relevanz, Beliebtheit, Umsatzoptimierung und Personalisierung zurückgegeben werden.

In der Suche werden automatisch höhere Leistungsstufen freigeschaltet, wenn Sie Katalog- und Nutzerereignisdaten hochladen, die die Mindestanforderungen der jeweiligen Stufe erfüllen.

Weitere Informationen dazu, wie Sie auf dieser Seite die Datenqualität und die Suchleistungsstufen aufrufen, finden Sie unter Suchleistungsstufen freischalten. Auf der Seite Datenqualität in der AI Commerce Search in Gemini Enterprise for Customer Experience-Konsole finden Sie eine Übersicht darüber, welche Anforderungen Sie für die einzelnen Stufen erfüllt haben.

Ergebnisse der Textsuche und des Browsens auswerten

Bevor Sie den Websitecode aktualisieren, um Text- oder Suchergebnisse anzufordern, können Sie sich eine Vorschau der Ergebnisse ansehen, um zu prüfen, ob die Bereitstellungskonfiguration wie erwartet funktioniert.

Weitere Informationen zu Bereitstellungskonfigurationen finden Sie unter Informationen zu Bereitstellungskonfigurationen.

Sie können sich eine Vorschau der Ergebnisse einer Bereitstellungskonfiguration entweder auf der Seite Bewerten ansehen oder in der Console die Seite Details einer Bereitstellungskonfiguration aufrufen und auf den Tab Bewerten klicken. In den folgenden Schritten wird beschrieben, wie Sie eine Vorschau auf der Seite Bewerten aufrufen.

So rufen Sie eine Vorschau der Ergebnisse auf, die von Ihrer Bereitstellungskonfiguration zurückgegeben werden:

Textsuche

Rufen Sie in der AI Commerce Search in Gemini Enterprise for Customer Experience-Konsole die Seite Bewerten auf.

Zur Seite „Bewerten“
Klicken Sie auf den Tab Suchen.

Hinweis: Der Tab Suchen ist nur verfügbar, wenn die Suche aktiviert ist. Eine Anleitung zum Aktivieren finden Sie unter Vorbereitung.
Wählen Sie die Bereitstellungskonfiguration aus, für die Sie eine Vorschau anzeigen möchten.
Wählen Sie den Katalogzweig aus, der den Katalog enthält, für den Sie eine Vorschau anzeigen möchten.
Optional: Geben Sie eine Besucher-ID ein, um eine Vorschau der Suchergebnisse für diesen Nutzer aufzurufen.
Optional: Geben Sie eine Nutzer-ID ein, um eine Vorschau der Suchergebnisse für diesen Nutzer zu sehen.
Optional: Geben Sie eine Suchzeit ein, um eine Vorschau der Suchergebnisse zu sehen, die zum angegebenen Zeitpunkt angezeigt werden würden.

Wenn Sie beispielsweise bestimmte Produkte für einen Sonderverkauf beworben haben, können Sie die Ergebnisse so sehen, wie sie an diesem Tag angezeigt würden.
Optional: Wählen Sie Facetten aus, die neben den Suchergebnissen angezeigt werden sollen, und klicken Sie auf OK, um sie anzuwenden.

Die von Ihnen ausgewählten Facetten werden verwendet, um eine Liste von Facettenfiltern zu generieren, die nach der ersten Suche unter Facetten hinzufügen angezeigt werden. Diese Facettenfilter können andere Facetten als die in diesem Schritt ausgewählten enthalten, z. B. dynamische Facetten.
Geben Sie eine textbasierte Suchanfrage ein, um eine Vorschau der Suchergebnisse für diese Anfrage zu sehen.
Klicken Sie auf Suchvorschau oder drücken Sie in einem beliebigen Eingabefeld die Eingabetaste, um die Ergebnisse zu sehen.

Suchergebnisse werden mit den verfügbaren Miniaturansichten angezeigt.

Wenn Ihre Suche eine Weiterleitungssteuerung auslöst, wird ein Hinweis mit dem Weiterleitungs-URI angezeigt.
Optional: Klicken Sie auf das Symbol Raster oder Liste, um die Anzeige der Suchergebnisse in der Vorschau zu ändern.
Optional: Wenn Sie Attribute ausgewählt haben, die neben den Ergebnissen angezeigt werden sollen, wählen Sie einen oder mehrere Attributwerte aus der Attributliste aus, um die Ergebnisse nach diesen Werten zu filtern. Die Ergebnisse werden nach der Auswahl automatisch aktualisiert.

Wenn Sie mehrere Werte derselben Facette auswählen, werden sie wie ein ODER-Operator angewendet. Werte über verschiedene Facetten hinweg werden wie ein UND-Operator angewendet. Beispiel: Sie wählen die Facette Farbe und die Werte „blau“ und „gold“ sowie die Werte „Baumwolle“ und „Polyester“ für die Facette Material aus. Ihre Suchergebnisse müssen entweder „blue“ oder „gold“ als Attribut und entweder „cotton“ oder „polyester“ als Attribut enthalten.

Durchsuchen

Rufen Sie in der AI Commerce Search in Gemini Enterprise for Customer Experience-Konsole die Seite Bewerten auf.

Zur Seite „Bewerten“
Klicken Sie auf den Tab Durchsuchen.

Wählen Sie die Bereitstellungskonfiguration aus, die Sie sich in der Vorschau ansehen möchten.
Wählen Sie den Katalogzweig aus, der den Katalog enthält, für den Sie eine Vorschau anzeigen möchten.
Optional: Geben Sie eine Besucher-ID ein, um eine Vorschau der Ergebnisse für diesen Nutzer zu sehen.
Optional: Geben Sie eine Nutzer-ID ein, um eine Vorschau der Ergebnisse für diesen Nutzer zu sehen.
Wenn Sie sich eine Vorschau der Ergebnisse mit einem bestimmten Filter ansehen möchten, geben Sie einen Filterstring ein. Verwenden Sie die in der Filterdokumentation angegebene Syntax für Filterausdrücke.
Optional: Geben Sie eine Suchzeit ein, um eine Vorschau der Ergebnisse zu sehen, die zum angegebenen Zeitpunkt angezeigt werden würden.

Wenn Sie beispielsweise bestimmte Produkte für ein Verkaufsereignis beworben haben, können Sie sich die Ergebnisse so ansehen, wie sie an diesem Tag angezeigt würden.
Geben Sie die Seitenkategorie ein, für die Sie die Suchergebnisse testen.
Optional: Wählen Sie Facetten aus, die neben den Ergebnissen angezeigt werden sollen, und klicken Sie auf OK, um sie anzuwenden.

Die von Ihnen ausgewählten Facetten werden verwendet, um eine Liste von Facettenfiltern zu generieren, die nach der ersten Suche unter Facetten hinzufügen angezeigt werden. Diese Facettenfilter können andere Facetten als die in diesem Schritt ausgewählten enthalten, z. B. dynamische Facetten.
Klicken Sie auf Vorschau ansehen oder drücken Sie in einem beliebigen Eingabefeld die Eingabetaste, um die Ergebnisse zu sehen.

Die Ergebnisse werden mit den verfügbaren Thumbnail-Bildern angezeigt.
Optional: Klicken Sie auf das Symbol Raster oder Liste, um die Darstellung der Ergebnisse in der Vorschau zu ändern.
Optional: Wenn Sie Attribute ausgewählt haben, die neben den Ergebnissen angezeigt werden sollen, wählen Sie einen oder mehrere Attributwerte aus der Attributliste aus, um die Ergebnisse nach diesen Werten zu filtern. Die Ergebnisse werden nach der Auswahl automatisch aktualisiert.

Wenn Sie mehrere Werte derselben Facette auswählen, werden sie wie ein ODER-Operator angewendet. Werte über verschiedene Facetten hinweg werden wie ein UND-Operator angewendet. Nachdem Sie beispielsweise die Facetten Farbe und Material ausgewählt haben, können Sie die Suchergebnisse filtern, indem Sie die Farbwerte „Blau“ und „Gold“ sowie die Materialwerte „Baumwolle“ und „Polyester“ auswählen. Die Ergebnisse müssen entweder „blue“ oder „gold“ als Attribut und entweder „cotton“ oder „polyester“ als Attribut haben.

Wenn Sie die Detailseite für die Bereitstellungskonfiguration aufrufen möchten, die Sie sich gerade in der Vorschau ansehen, klicken Sie unter dem Feld Bereitstellungskonfiguration auswählen auf Bereitstellungskonfiguration ansehen.

Suchergebnisse abrufen Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Eindeutige Kennungen für Nutzersitzungen

Relevanz in AI Commerce Search

Standardsuche

Nicht standardmäßige Suche

Textsuche und Browsersuche

Suchanfragen per Texteingabe

Textabfragen und Parameter verarbeiten

Suchanfragen durchsuchen

JSON

Suchanfragen verwenden

Python

Node.js

Java

Anleitung zu Anfragen

Suchergebnisse mithilfe von automatisch vervollständigten Vorschlägen filtern

Beispiel für eine Suchanfrage aus einem gefilterten Vorschlag

Produktanzahl zu Vorschlagsfacetten hinzufügen

Seitenumbruch

Anleitung zum Seitenumbruch

Paginieren

Python

Node.js

Java

Seitentoken

JSON

JSON

Java

JSON

Offset

JSON

Suchleistungsstufen

Ergebnisse der Textsuche und des Browsens auswerten

Textsuche

Durchsuchen

Suchergebnisse abrufen