フィードバックを送信 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Google Merchant Center の商品テーブル スキーマ 概要 Google Merchant Center レポートデータが BigQuery に転送されるときに、商品と商品問題データの形式は基本的に Content API の Products リソースと Productstatuses リソースの関連フィールドの形式に対応します。 個々の販売者 ID を使用している場合、データは Products_MERCHANT_ID という名前のデーブルに書き込まれます。MCA アカウントを使用している場合は Products_AGGREGATOR_ID にデータが書き込まれます。 スキーマ Products_ テーブルのスキーマは次のとおりです。 列 BigQuery のデータ
このページでは、BigQuery にエクスポートされた小売データに基づいて、Vertex AI から予測を取得するためのガイダンスを示します。小売商品とユーザー イベントのデータを Vertex AI で使用可能な形式に変換するための SQL コードブロックがいくつも用意されています。これらのコードブロックの説明に続いて、Vertex AI コンソールでデータセットを作成し、モデルをトレーニングして、予測を生成する手順を示します。 始める前に 小売データを使用して販売予測を生成する前に、次のことを行う必要があります。 小売業向け Vertex AI Search を使用して小売データをアップロードします。詳細については、次の情報をご覧ください。 カタログ情報をインポートする リアルタイムのユーザー イベントを記録する 過去のユーザー イベントをインポートする 小売業向け Vertex AI
このページでは、カタログ情報の作成とカタログ データの入力に関するベスト プラクティスについて説明します。 概要 カタログは、商品オブジェクトのコレクションです。 Vertex AI Search for Commerce にインポートするカタログデータは、結果として得られるモデルの品質に直接影響するため、検索とレコメンデーション結果の品質に影響します。一般に、提供できる正確で特定のカタログ情報が多いほど、モデルの品質が高くなります。 カタログを最新の状態に保つ必要があります。カタログの変更は必要に応じて何度でもアップロードできます。変更頻度が高いカタログの場合は、毎日アップロードするのが理想的です。既存の商品アイテムをアップロード(パッチ適用)できます。この場合、変更されたフィールドのみが更新されます。カタログ情報のアップロードは無料です。詳細については、カタログを最新の状態に保つをご覧
このページでは、ユーザー イベントタイプの見込みのリストを含むユーザー イベント オブジェクトについて説明し、すべてのユーザー イベントタイプのサンプルデータを提供します。 Vertex AI Search for Commerce は、リアルタイムのユーザー イベントを使用してレコメンデーションと検索結果を生成します。データをアップロードすると、推奨事項と検索の両方でそのデータを使用できるため、両方のサービスを使用する場合に、同じイベントを 2 回アップロードする必要はありません。 ユーザー イベントを構成して実装します。 ユーザー イベントのタイプの詳細を確認する。 詳しくは、アトリビューション トークンをご覧ください。 検索アトリビューションの仕組み ユーザー イベントタイプ ユーザーが販売店サイトを閲覧する際に記録できるユーザー イベントには、次のようないくつかの種類があります。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 株式会社ZOZO 推薦基盤チームリーダーの @f6wbl6 です。この記事は「ZOZO Advent Calendar 2023」のカレンダー7の最終回(25日目)です。 この記事では、ZOZOの推薦基盤チームで私とチームメンバーがこの一年、サービス面・組織面で取り組んできたものをいくつか取り上げたいと思います。なおこの記事のタイトルと冒頭の文章は弊社 CTO 兼執行役員の @sonots が書いた以下の記事のオマージュです。 2023年以前の取り組み まず前提として、推薦基盤チームではこれまでにどのような施策を実施してきたのかを簡単に
本記事は Google Cloud Japan Advent Calendar 2022 の 通常版 の6日目の記事です。最近とにかくよく触っている、Recommendations AI および Retail Search に関する記事を投稿したいと思います! Cloud Retail とは Google Cloud では小売向けの主に EC サイトに導入できるサービスを提供しています。これらを総称し Cloud Retail と呼んでいます。 Recommendations AI - 商品のレコメンドサービス Retail Search - 商品検索サービス 商品データとユーザーイベントデータを API や BigQuery 経由でインポートするだけでフルマネージドなレコメンド・検索サービスが利用できます。API を呼び出すだけで結果が得られるので、既に構築済みの EC サイトにも組み込
e コマース アプリケーションに Vertex AI Search for Commerce を実装できます。 レコメンデーションまたは検索を使用する場合、ユーザー イベントとカタログデータを取り込み、サイトで予測や検索結果を提供します。 レコメンデーションと検索の両方で同じデータが使用されるため、両方を使用する場合でも、同じデータを 2 回取り込む必要はありません。 レコメンデーション モデルを使用する場合、モデルタイプと最適化の目標に応じて、ユーザー イベントデータの要件に追加の要件が表示されます。これらの要件は、Vertex AI Search for commerce が高品質の結果を生成するのに役立ちます。 統合にかかる平均的な時間は数週間程度です。検索の場合、実際の期間は取り込むデータの品質と量に大きく依存します。 コマース統合を始める 実装の手順 追加の Google ツール
このページでは、リアルタイムのユーザー イベントを記録する方法について説明します。Vertex AI Search for Commerce は、リアルタイムのユーザー イベントを使用してレコメンデーションと検索結果を生成します。有効な商品情報を使用してできるだけ多くの種類のユーザー イベントを記録することで、結果の品質が向上します。 このページの記録手順は、レコメンデーションと検索の両方に適用されます。データをいったん記録すると、両方のサービスでこれらのイベントを使用できるようになります。そのため、両方のサービスを使用する場合、同じデータを 2 回アップロードする必要はありません。 始める前に ユーザー イベントを記録する前に、次のことが必要です。 作成された、認証が設定された Google Cloud プロジェクト。 API を使用して直接書き込む場合は、有効な API キー(Java
小売業向け Vertex AI Search プロダクトでは、レコメンデーション機能と検索およびブラウジング機能の両方を使用できます。 e コマース アプリケーションの商品カタログ情報とユーザー イベントログをアップロードして管理できます。この情報に基づいて結果を取得してカスタマイズできます。このデータは、モデルのトレーニングと更新に継続的に使用され、レコメンデーションと検索結果の精度が向上します。 アプリケーションに小売業向け Vertex AI Search を実装するプロセスの詳細については、小売業向け Vertex AI Search の実装をご覧ください。 レコメンデーション 小売業向け Vertex AI Search を使用すると、機械学習、システム設計、運用に関する高度な専門知識がなくても、高品質なカスタマイズされた商品レコメンデーション システムを構築できます。サイトの小
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く