Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Ottenere risultati di ricerca

Questa pagina descrive le query di base con la ricerca, incluse le ricerche con query di testo, le ricerche di navigazione, l'impaginazione, l'ottimizzazione e i risultati personalizzati.

Identificatori univoci delle sessioni utente

Il campo stringa visitor_id obbligatorio viene utilizzato per identificare in modo univoco un utente su un singolo dispositivo. Funge da identificatore di sessione persistente che consente ad AI Commerce Search di monitorare il comportamento di un utente specifico durante il suo percorso di acquisto.

AI Commerce Search utilizza la cronologia associata a un visitor_id specifico per addestrare i modelli e fornire risultati di ricerca personalizzati. Il sistema genera i risultati in modo dinamico in base al visitor_id specifico fornito nella richiesta. Ad esempio, se un visitatore visualizza spesso abiti verdi, il modello utilizza visitor_id per riconoscerlo in un secondo momento e dare la priorità ad articoli simili nei risultati di ricerca. Per questo motivo, l'ID visitatore deve essere formattato in modo identico sia per l'importazione degli eventi utente (monitoraggio) sia per le richieste di ricerca o di suggerimenti (pubblicazione).

Rilevanza in AI Commerce Search

La pertinenza è diversa dalla corrispondenza. La corrispondenza consiste nel trovare nell'indice i prodotti candidati che corrispondono alla query di ricerca dell'utente. La pertinenza, invece, è un grado di corrispondenza. Implica il ranking di questi prodotti in modo da soddisfare al meglio l'intento e le esigenze dell'utente. AI Commerce Search utilizza tecniche per migliorare la corrispondenza e la pertinenza per un'esperienza di ricerca complessiva migliore per gli utenti che soddisfi le esigenze dei retailer.

Ricerca predefinita

Per impostazione predefinita, la ricerca viene eseguita in base alla pertinenza. Tuttavia, alcuni prodotti non pertinenti possono essere visualizzati nella parte inferiore delle ricerche predefinite o nelle richieste esplicite di scoperta dei prodotti. Questo diventa evidente solo quando imposti orderBy, perché riduce le dimensioni dei risultati di ricerca in generale. La dimensione del richiamo diminuisce perché i prodotti meno pertinenti, che in precedenza venivano restituiti in fondo alla ricerca predefinita, vengono filtrati in una certa misura. Leggi la sezione successiva per scoprire come personalizzare la ricerca.

Ricerca non predefinita

AI Commerce Search dà la priorità alla pertinenza nella ricerca. Tuttavia, la ricerca è ottimizzata per mostrare anche articoli marginalmente pertinenti più in alto nei risultati di ricerca, in modo da fornire ai retailer risultati di ricerca più mirati per aumentare il potenziale di conversione degli eventi utente.

Queste funzionalità di ricerca aggiuntive ottimizzano l'algoritmo di pertinenza predefinito, fornendo funzionalità non predefinite ottimizzate per il profilo di utilizzo di ogni retailer, tra cui:

Opzioni per ordinare i risultati, ad esempio in base al prezzo, alla valutazione o agli articoli più venduti. La ricerca non predefinita è personalizzata per restituire risultati di ricerca specifici con le varianti di prodotto corrette. Ad esempio, per mostrare la variante più economica o più costosa quando l'ordinamento è in base al prezzo.
Applicazione automatica di un filtro di pertinenza più restrittivo per gli eventi utente non predefiniti.
Attivazione di controlli di boost/bury con intensità regolabile per perfezionare i risultati di ricerca.

Ricerca testuale e ricerca di navigazione

La ricerca fornisce funzionalità di ricerca con query di testo e di navigazione.

Nel caso d'uso della ricerca con query di testo, un acquirente potrebbe inserire una query basata su testo sul tuo sito. La ricerca restituisce una risposta contenente i prodotti che rientrano nei parametri dei controlli che hai configurato, ordinati per pertinenza e massimizzazione delle entrate.

Nel caso d'uso di navigazione, un acquirente potrebbe andare al menu del tuo sito e accedere a una categoria di prodotto specifica. La ricerca sceglie automaticamente l'ordinamento che massimizza le entrate, apprendendo dal comportamento e dalle tendenze degli utenti. I risultati della navigazione possono essere ulteriormente perfezionati dai controlli che hai configurato.

Sia le richieste di ricerca testuale che quelle di ricerca di navigazione utilizzano il metodo servingConfigs.search.

Ricerche con query di testo

Quando un utente inserisce una query di testo per eseguire una ricerca sul tuo sito, la ricerca ordina i potenziali risultati di ricerca in base a pertinenza, popolarità, acquistabilità e personalizzazione.

La Ricerca considera una richiesta servingConfigs.search come una richiesta di ricerca basata su testo se contiene un campo query non vuoto.

Quando carichi un evento utente, invia gli eventi di ricerca di query di testo generati dalla ricerca come eventi utente search. Se l'evento ha un campo userEvent.searchQuery non vuoto e un campo userEvent.pageCategories vuoto, la ricerca lo considera un evento di ricerca basato su testo.

Come elaborare query e parametri di testo

Le query standard vengono sottoposte ad analisi linguistica, che rimuove la punteggiatura standard. Le stringhe di filtro sono sensibili alle maiuscole. Comprendere come elaborare le query di testo e i parametri è fondamentale per creare correttamente le richieste API in AI Commerce Search.

Tokenizzazione e punteggiatura delle query: il testo in linguaggio naturale viene passato al campo query e sottoposto ad analisi linguistica automatica e correzione ortografica. Durante questo processo, la punteggiatura standard (come virgole, punti, + o -) viene spesso rimossa o ignorata per ottimizzare la comprensione del linguaggio naturale.
Termini di query singolari e plurali: AI Commerce Search valuta le query singolari e plurali separatamente in base allo user intent dell'utente finale e al coinvolgimento degli utenti storico, ad esempio clic e acquisti. Gli acquirenti spesso fanno clic o acquistano prodotti diversi per termini singolari e plurali, ad esempio t-shirt per una singola maglietta rispetto a t-shirt per un multipack. Di conseguenza, le query al singolare e al plurale possono restituire risultati di ricerca, ranking e facet dinamici diversi. Se un modulo di query corrisponde solo ad alcuni prodotti, l'espansione della query può anche ampliare i risultati per quella query. Per espandere i termini singolari, plurali o flessi nella lingua del tuo catalogo in modo da includere i candidati l'uno dell'altro, configura i controlli dei sinonimi bidirezionali.
Sensibilità alle maiuscole rigorosa nei parametri: mentre le query di testo standard in genere non fanno distinzione tra maiuscole e minuscole, i parametri programmatici sono rigorosamente sensibili alle maiuscole.
- Filtri: le espressioni di filtro e i relativi valori di stringa letterale sono completamente sensibili alle maiuscole.
- Ordinamento: l'espressione orderBy è sensibile alle maiuscole. Se ordini in base a un campo come products.title, il motore ordinerà Apple prima di banana prima di artichoke. Una soluzione alternativa consiste nel caricare i titoli dei prodotti in lettere maiuscole in un attributo personalizzato separato (ad esempio attributes.title_upper) e ordinare in base a questo attributo per ottenere un ordinamento senza distinzione tra maiuscole e minuscole.
Caratteri speciali riservati:
- Il carattere > è riservato esclusivamente come delimitatore per le gerarchie di categorie (ad esempio Categories > Shoes). Se > è presente naturalmente nel nome della categoria, devi sostituirlo con un altro carattere prima dell'importazione e della query.
- Il carattere / non è supportato nei valori testuali all'interno delle espressioni di filtro dei suggerimenti.

Sfoglia le ricerche

La navigazione utilizza la navigazione del sito per produrre risultati di ricerca di pari pertinenza ordinati in base agli articoli più venduti. La ricerca sfrutta l'AI per ottimizzare l'ordinamento dei risultati di navigazione, tenendo conto di popolarità, acquistabilità e personalizzazione.

Per ottenere i risultati di ricerca corretti, tieni presente quanto segue:

I valori pageCategories e filter nelle richieste di ricerca devono corrispondere esattamente ai valori pageCategories e filter negli eventi utente caricati. Se i parametri nelle richieste non corrispondono ai parametri negli eventi, il modello di reranking basato sui clic appreso dagli eventi non funzionerà molto bene per questa query specifica e influirà negativamente sulla qualità dei risultati.
AI Commerce Search classifica un evento utente search come evento basato sulla navigazione se ha un campo userEvent.searchQuery vuoto e un campo userEvent.pageCategories non vuoto. Per questo motivo, devi assicurarti di inviare gli eventi di navigazione generati da AI Commerce Search come eventi utente search durante il caricamento.
Un filtro di navigazione deve essere valido e indicare per ogni query di navigazione quali prodotti appartengono alla categoria di prodotto che l'utente sta consultando. Per ottenere questa configurazione, l'ID categoria deve essere definito sia nel campo filter sia nel campo page_category. Ad esempio, se vuoi che i risultati di ricerca siano mirati a Casa e giardino, Innanzitutto, avere un solo valore filter di "in-stock" non perfeziona la ricerca abbastanza da fornire risultati di navigazione ottimali. Per fornire risultati di ricerca limitati a Casa e giardino, devi impostare "Home \& Garden" non solo nella categoria di pagina, ma anche nel filtro con categories: ANY("Home & Garden"). Se non definisci la categoria nella parte del filtro, i risultati di navigazione potrebbero essere troppo ampi e includere molti articoli non correlati alla categoria Casa e giardino.

Le richieste di pubblicazione e gli eventi con un campo di query vuoto e campi page_categories compilati sono considerati richieste di navigazione ed eventi utente. Il campo page_categories specifica la pagina delle categorie stessa. Quando il metodo servingConfigs.search invia una richiesta, la ricerca la considera una richiesta di ricerca di navigazione se il campo query è vuoto. In questo caso, i risultati si basano sui campi filter e pageCategories e, se disponibili, su un'ulteriore ottimizzazione e personalizzazione.

Puoi impostare la categoria in entrambi i modi, come in questo esempio:

JSON

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

In caso contrario, poiché la navigazione funziona con query di stringhe vuote, i prodotti di una determinata categoria non verranno visualizzati automaticamente nei risultati per una determinata categoria di pagina. In altre parole, se l'utente finale naviga senza specificare nulla utilizzando una query di testo, la ricerca potrebbe non restituire risultati con un targeting efficace, anche se l'utente accede a una pagina di categoria.

Utilizza le richieste di ricerca

Utilizza le richieste di ricerca per ottenere risultati sia per le ricerche testuali sia per quelle di navigazione. Per effettuare una richiesta di ricerca, utilizza il metodo servingConfigs.search.

Tutte le richieste di ricerca richiedono placement, che identifica il nome completo della risorsa della configurazione di pubblicazione che verrà utilizzata. La configurazione di pubblicazione determina quali impostazioni e controlli associati influiscono sui risultati di ricerca.

Le richieste di ricerca di query di testo richiedono un campo query non vuoto.

Le richieste di ricerca di navigazione richiedono un campo pageCategories non vuoto.

Python

Per scoprire come installare e utilizzare la libreria client per AI Commerce Search, consulta Librerie client di AI Commerce Search. Per saperne di più, consulta la documentazione di riferimento dell'API AI Commerce Search Python.

Per eseguire l'autenticazione in AI Commerce Search, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale.

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

Per scoprire come installare e utilizzare la libreria client per AI Commerce Search, consulta Librerie client di AI Commerce Search.

'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);
      }
    }
  }
}

Per impostazione predefinita, viene restituito un numero ragionevole di risultati ordinati per pertinenza.

Per ottenere gli attributi del prodotto restituiti con la risposta di ricerca, assicurati di fornire i valori degli attributi quando importi i dati del catalogo. Product ha attributi di sistema predefiniti come brand, colore e taglia per i quali puoi fornire valori. Puoi anche includere attributi personalizzati che definisci con Product.attributes.

Tutorial sulle query

Questo tutorial ti mostra come inviare una query di ricerca basata su testo al servizio AI Commerce Search e analizzare la risposta.

Filtra i risultati di ricerca utilizzando i suggerimenti di completamento automatico

Se hai implementato suggerimenti di completamento automatico avanzati nel frontend (dove gli utenti possono selezionare una query combinata con un brand o una categoria specifici), devi tradurre questa selezione in un SearchRequest filtrato.

Per implementare questa funzionalità, estrai il suggerimento di testo e inseriscilo nel campo query, quindi estrai l'attributo selezionato (ad esempio un brand) e formattalo come espressione nel campo filter.

Esempio di richiesta di ricerca da un suggerimento filtrato

Se l'utente ha fatto clic sul suggerimento scarpa in Nike, struttura SearchRequest come segue:

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

Aggiungi i conteggi dei prodotti ai facet dei suggerimenti

Per migliorare ulteriormente l'esperienza di filtro, puoi visualizzare il numero di prodotti disponibili per ogni filtro di suggerimento prima ancora che l'utente esegua la ricerca. Per utilizzare i facet dei suggerimenti con i conteggi dei prodotti, devi contattare l'assistenza per attivare la funzionalità. Se l'opzione è attiva, includi la chiave di facet testuale specifica nel facetSpecs di SearchRequest per almeno 7 giorni per consentire al sistema di calcolare i conteggi dei prodotti in base ai dati della cronologia della Ricerca.

Impaginazione

Utilizza l'impaginazione per ridurre i tempi di ricerca e le dimensioni delle risposte inviate.

Tutorial sull'impaginazione

Questo tutorial mostra come controllare l'impaginazione in una richiesta di ricerca basata su testo. Quando un acquirente cerca prodotti in un negozio, può migliorare la navigazione attraverso i risultati di ricerca. Ad esempio, possono limitare il numero di elementi nella risposta della ricerca utilizzando la funzionalità delle dimensioni della pagina o passare alla pagina preferita utilizzando la funzionalità di offset.

Impagina

Per passare da una pagina all'altra, utilizza page_token o offset, a seconda del tuo caso d'uso.

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

Per scoprire come installare e utilizzare la libreria client per AI Commerce Search, consulta Librerie client di AI Commerce Search.

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:
    }
  }
}

Token di pagina

Per passare alla pagina successiva, puoi utilizzare page_token. Ad esempio, supponiamo che tu invii il seguente SearchRequest.

JSON

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

Da SearchResponse, puoi ottenere i prodotti risultanti con la pertinenza tra i primi 5, insieme a un next_page_token.

JSON

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

Per ottenere i prodotti dei risultati con i successivi 5 livelli di pertinenza (dal 6° al 10°), devi impostare page_token utilizzando gli stessi placement, visitor_id e query di next_page_token del SearchResponse precedente.

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 questo esempio, SearchRequest è simile al seguente:

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 altri casi, invece di spostarti da una pagina all'altra o di ottenere risultati con la massima pertinenza, puoi passare direttamente a una determinata posizione utilizzando offset.

Ad esempio, se vuoi la decima pagina dei risultati quando la dimensione di pagina è 5, puoi impostare offset su 45, che viene calcolato con (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
}

Livelli di rendimento nella Ricerca

La Ricerca offre diversi livelli di rendimento della ricerca che migliorano sempre di più i risultati. Ad esempio, per i casi d'uso di ricerca con query di testo, i risultati potrebbero essere basati esclusivamente sulla pertinenza. Man mano che sblocchi livelli di rendimento più avanzati, la ricerca può restituire risultati basati su pertinenza, popolarità, ottimizzazione delle entrate e personalizzazione.

La ricerca sblocca automaticamente livelli di prestazioni più elevati quando carichi i dati del catalogo e degli eventi utente che soddisfano i requisiti minimi di ogni livello.

Per ulteriori informazioni sull'utilizzo di questa pagina per visualizzare i livelli di qualità dei dati e di rendimento della ricerca, consulta Sblocca i livelli di rendimento della ricerca. La pagina Qualità dei dati della console AI Commerce Search in Gemini Enterprise for Customer Experience fornisce una valutazione dei requisiti che hai soddisfatto per ogni livello.

Valuta i risultati della ricerca testuale e della navigazione

Prima di aggiornare il codice del tuo sito web per richiedere i risultati di ricerca testuale o di ricerca di navigazione, puoi visualizzare l'anteprima dei risultati per verificare che la configurazione di pubblicazione funzioni come previsto.

Per saperne di più sulle configurazioni di pubblicazione, consulta Informazioni sulle configurazioni di pubblicazione.

Puoi visualizzare l'anteprima dei risultati della configurazione di pubblicazione dalla pagina Valuta o andando alla pagina Dettagli di una configurazione di pubblicazione nella console e facendo clic sulla scheda Valuta. I passaggi seguenti mostrano come visualizzare l'anteprima dalla pagina Valuta.

Per visualizzare l'anteprima dei risultati restituiti dalla configurazione di pubblicazione:

Ricerca testo

Vai alla pagina Valuta nella console AI Commerce Search in Gemini Enterprise for Customer Experience.

Vai alla pagina Valuta
Fai clic sulla scheda Ricerca.

Nota: la scheda Ricerca è disponibile solo se hai attivato la ricerca. Per istruzioni su come attivarla, vai a Prima di iniziare.
Seleziona la configurazione di pubblicazione di cui vuoi visualizzare l'anteprima.
Seleziona il ramo del catalogo che contiene il catalogo di cui vuoi visualizzare l'anteprima.
(Facoltativo) Inserisci un ID visitatore per visualizzare l'anteprima dei risultati di ricerca per quell'utente.
(Facoltativo) Inserisci un ID utente per visualizzare l'anteprima dei risultati di ricerca per quell'utente.
(Facoltativo) Inserisci un'ora di ricerca per visualizzare l'anteprima dei risultati di ricerca che verrebbero visualizzati all'ora specificata.

Ad esempio, se hai promosso determinati prodotti per una vendita speciale, puoi visualizzare i risultati come apparirebbero in quel giorno.
(Facoltativo) Seleziona i facet da visualizzare accanto ai risultati di ricerca e fai clic su OK per applicarli.

I facet selezionati vengono utilizzati per generare un elenco di filtri dei facet che vengono visualizzati in Aggiungi facet dopo aver eseguito la ricerca iniziale. Questi filtri dei facet possono includere facet diversi da quelli selezionati in questo passaggio, ad esempio i facet dinamici.
Inserisci una query di ricerca basata su testo per visualizzare l'anteprima dei risultati di ricerca per la query.
Fai clic su Anteprima della ricerca o premi Invio in un campo di immissione qualsiasi per visualizzare i risultati.

I risultati di ricerca vengono visualizzati con le miniature disponibili.

Se la ricerca attiva un controllo di reindirizzamento, viene visualizzato un avviso che mostra l'URI di reindirizzamento.
(Facoltativo) Fai clic sull'icona Griglia o Elenco per cambiare la modalità di visualizzazione dei risultati di ricerca nell'anteprima.
(Facoltativo) Se hai selezionato i facet da visualizzare insieme ai risultati, seleziona uno o più valori di facet dall'elenco dei facet per filtrare i risultati in base a questi valori. I risultati vengono aggiornati automaticamente al momento della selezione.

Quando selezioni più valori dello stesso facet, questi vengono applicati come se fossero un operatore OR, mentre i valori di facet diversi vengono applicati come se fossero un operatore AND. Ad esempio, dopo aver selezionato i facet colore e i valori "blu" e "oro" e i valori materiale "cotone" e "poliestere". I risultati di ricerca devono avere "blu" o "oro" come attributo e devono avere anche "cotone" o "poliestere" come attributo.

Sfoglia

Vai alla pagina Valuta nella console AI Commerce Search in Gemini Enterprise for Customer Experience.

Vai alla pagina Valuta
Fai clic sulla scheda Sfoglia.

Seleziona la configurazione di pubblicazione di cui vuoi visualizzare l'anteprima.
Seleziona il ramo del catalogo che contiene il catalogo di cui vuoi visualizzare l'anteprima.
(Facoltativo) Inserisci un ID visitatore per visualizzare l'anteprima dei risultati per quell'utente.
(Facoltativo) Inserisci un ID utente per visualizzare l'anteprima dei risultati per quell'utente.
Per visualizzare l'anteprima dei risultati con un filtro specifico aggiunto, inserisci una stringa di filtro. Utilizza la sintassi delle espressioni di filtro specificata nella documentazione relativa ai filtri.
(Facoltativo) Inserisci un'ora di navigazione per visualizzare l'anteprima dei risultati che verrebbero visualizzati all'ora specificata.

Ad esempio, se hai promosso determinati prodotti per un evento di vendita di punta, puoi visualizzare i risultati come apparirebbero in quel giorno.
Inserisci la categoria della pagina per cui stai testando i risultati di navigazione.
(Facoltativo) Seleziona i facet da visualizzare insieme ai risultati e fai clic su OK per applicarli.

I facet selezionati vengono utilizzati per generare un elenco di filtri dei facet che vengono visualizzati in Aggiungi facet dopo aver eseguito la ricerca iniziale. Questi filtri dei facet possono includere facet diversi da quelli selezionati in questo passaggio, ad esempio i facet dinamici.
Fai clic su Sfoglia anteprima o premi Invio in un campo di immissione qualsiasi per visualizzare i risultati.

I risultati vengono visualizzati con le immagini in miniatura disponibili.
(Facoltativo) Fai clic sull'icona Griglia o Elenco per cambiare la modalità di visualizzazione dei risultati nell'anteprima.
(Facoltativo) Se hai selezionato i facet da visualizzare insieme ai risultati, seleziona uno o più valori di facet dall'elenco dei facet per filtrare i risultati in base a questi valori. I risultati vengono aggiornati automaticamente al momento della selezione.

Quando selezioni più valori dello stesso facet, questi vengono applicati come se fossero un operatore OR, mentre i valori di facet diversi vengono applicati come se fossero un operatore AND. Ad esempio, dopo aver selezionato i facet colore e materiale, puoi filtrare i risultati di ricerca selezionando i valori di colore "blu" e "oro" e i valori di materiale "cotone" e "poliestere". I risultati devono avere "blu" o "oro" come attributo e devono avere anche "cotone" o "poliestere" come attributo.

Per visualizzare la pagina Dettagli della configurazione di pubblicazione di cui stai visualizzando l'anteprima, fai clic su Visualizza configurazione di pubblicazione nel campo Seleziona configurazione di pubblicazione.

Ottenere risultati di ricerca Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Identificatori univoci delle sessioni utente

Rilevanza in AI Commerce Search

Ricerca predefinita

Ricerca non predefinita

Ricerca testuale e ricerca di navigazione

Ricerche con query di testo

Come elaborare query e parametri di testo

Sfoglia le ricerche

JSON

Utilizza le richieste di ricerca

Python

Node.js

Java

Tutorial sulle query

Filtra i risultati di ricerca utilizzando i suggerimenti di completamento automatico

Esempio di richiesta di ricerca da un suggerimento filtrato

Aggiungi i conteggi dei prodotti ai facet dei suggerimenti

Impaginazione

Tutorial sull'impaginazione

Impagina

Python

Node.js

Java

Token di pagina

JSON

JSON

Java

JSON

Offset

JSON

Livelli di rendimento nella Ricerca

Valuta i risultati della ricerca testuale e della navigazione

Ricerca testo

Sfoglia

Ottenere risultati di ricerca