자주 묻는 질문(FAQ)

AI Commerce Search용 클라이언트 라이브러리 또는 추가 샘플 코드가 있나요?

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

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 맞춤설정된 항목을 추천합니다. 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 있는 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 이름과 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 수행한 후 결과를 그룹 기록의 기본 추천에 결합해야 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. 모델에서 제품 이미지를 고려하나요?

예, 제품 이미지를 제품 카탈로그 데이터의 일부로 제출할 수 있습니다. AI 커머스 검색은 제품 URL과 그 뒤에 있는 식별자 (URI)를 사용하여 제품 설명을 강화합니다.

Product 객체에는 이미지 객체 목록인 images 필드가 포함되어 있습니다. 각 이미지 객체에는 URI, 높이, 너비가 포함될 수 있습니다. 제품당 최대 300개의 이미지가 허용됩니다. 선택사항이지만 제품 이미지를 제공하는 것이 좋습니다. (예측 미리보기)는 Gemini Enterprise for Customer Experience 콘솔의 AI Commerce Search에서 모델의 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 소매업/전자상거래 사용 사례를 고려하여 설계되었으며 다른 사용 사례에 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 항목 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. 이메일 읽기 시점에 항목을 동적으로 로드하려면 Google Cloud 함수와 같은 중개 엔드포인트를 사용하여 예측 요청을 보내야 합니다. 이 API는 정렬된 제품 ID 및 메타데이터의 목록만 제공하므로 이미지 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 제공할 추가 데이터가 있는 경우 초기 모델 학습 후에 업로드할 수 있습니다. 매일 재학습하는 동안 새로 백필된 데이터가 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 참고하세요.

AI Commerce Search는 쿠키를 사용하나요?

아니요, 쿠키를 사용하지 않습니다. 하지만 AI Commerce Search로 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 참고하세요.

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 이 내용을 추가해 주실 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?

Recommendations가 Recommendations Engine 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.

추천은 새 제품의 콜드 스타트를 어떻게 처리하나요?

구매 내역이 없는 제품은 비슷한 제품을 기준으로 추천을 제공합니다. 이 경우 특히 카탈로그에 올바른 제품 제목, 카테고리, 설명이 정의되어 있어야 합니다.

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 참고하세요.

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 참고하세요.

카탈로그를 가져올 수 있는 그 밖의 방법은 무엇인가요?

• 판매자 센터: 판매자 센터를 이용해 가져옵니다. 검색을 사용하는 경우 콘솔을 사용하여 카탈로그를 자동으로 동기화하도록 판매자 센터와 연결할 수 있습니다.
• BigQuery: 테이블 또는 뷰에서 직접 가져옵니다.
• Cloud Storage: JSON 카탈로그 항목을 한 줄에 하나씩 포함한 텍스트 파일을 사용하여 가져옵니다.
• 인라인 가져오기: API 호출을 통해 JSON 카탈로그 항목을 한 줄에 하나씩 포함한 텍스트 파일로 가져옵니다.
• 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 실행하거나 증분 업데이트 (즉, 신규 항목 및 변경된 항목만)를 실행할 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 추천을 통해 크게 이득을 보지 못할 수 있습니다.

카탈로그 최댓값은 4,000만 개입니다.

기본 할당량 및 한도와 할당량 변경을 요청하는 방법은 문서를 참고하세요.

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. 추천이 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? 모델은 x,y,z 필드를 고려하나요?

필수 필드는 필수 카탈로그 항목 정보를 참조하세요.

다른 메타데이터 필드는 선택사항입니다(예: image 및 itemsAttribute). 예측 미리보기, 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 상품 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 맞춤 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 참고하세요.
• 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 참고하세요.

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

예. 판매자 센터의 item_group_id와 비슷합니다. 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 이전 사용자 이벤트가 무효화되지 않도록 항목을 삭제하는 대신 항목의 상태를 OUT_OF_STOCK으로 설정하는 것이 좋습니다.

수집해야 하는 사용자 이벤트는 무엇인가요?

사용자 이벤트 유형 목록과 사용자 이벤트 요구사항 및 권장사항은