Google Cloud推薦AI帶來更個人化的體驗!

Find AI Tools
No difficulty
No complicated process
Find ai tools

Google Cloud推薦AI帶來更個人化的體驗!

目錄

  • 導言
  • 背景
  • Google推薦AI的原理和好處
  • 在Google Cloud中使用Recommendations AI的步驟
  • 整合Google Cloud和BigCommerce
  • 整合Google Cloud和Qubit
  • 總結

導言

大家好,感謝大家參加本次研討會。我是Pallav Mehta,負責一個Cloud AI團隊的產品經理。今天我要向大家介紹如何提供高度個性化的產品推薦。

在本次研討會的後半部分,我們還將聽到我們在BigCommerce和Qubit的合作夥伴分享他們向客戶推出推薦功能取得的成功。但首先,讓我們承認這個比喻中的大象,即客戶購物行為已經永久改變。由於實體店面的減少,零售商必須加固其數字商店並尋找與客戶交流的新途徑。

提供卓越的客戶體驗已經成為最早採取行動的零售商的競爭優勢。個性化的推薦已經成為提高收入的最強潛在驅動因素之一。但正如許多零售商所發現的那樣,大規模提供推薦實際上可能非常複雜且耗時。表面上,它意味著在特定客戶在特定上下文中,決定該推薦哪個商品。但是,了解客戶本身,尤其是如果您對他們的數據不多,或者他們的習慣經常變化,可能會很困難。客戶還會在他們思考購物決策時切換上下文。在低延遲環境中幫助他們發現新的或目錄不完整的商品,可能尤其具有挑戰性。

在Google,我們將智能推薦技術發展成了使我們的旗艦產品成為一個愉快體驗的神奇成分。Google Cloud已經將最佳深度學習個性化力量打包在一起,通過Recommendations AI向客戶提供這一技術。Recommendations AI使用Google最新的機器學習架構,可以根據實時用戶行為、更改、商店和價格等變量自動適應。它是一種完全托管的服務,因此無需預處理數據、維護流程、優化模型或提供基礎架構以實現規模化。我們為您自動完成所有這些工作。您只需輸入您的數據,檢索和顯示推薦結果。您可以快速啟動和運行。易於使用的圖形界面可以幫助您整合您的數據、配置和提供推薦,並監控系統性能。不論用戶的語言或地點如何,推薦可以在全球範圍內以次百毫秒的延遲傳遞給用戶。使用Recommendations AI最大化價值的過程非常簡單,只需要三個步驟。首先,無需編寫任何代碼,使用您已經使用的Google工具將所有數據輕鬆輸入Recommendations AI中。然後,通過直觀的用戶界面選擇您的業務目標,並設置要訓練的模型。最後,您可以在網頁、移動端或電子郵件活動中的任何階段提供推薦。作為額外的收益,我們會每天自動重新訓練您的模型,從變化中的目錄、用戶行為或購物趨勢中獲取洞察力,並將它們納入服務中的推薦。

Recommendations AI有兩個部分的數據用於訓練個性化模型。首先,有一個包含要推薦的商品的目錄,包括商品描述、圖片、類別和價格等信息。其次,有客戶和事件數據,記錄了用戶點擊或購買的歷史記錄。我們讓您無縫將數據帶到RecommendationsAI中,通過諸如Google Tag Manager、Google Analytics 360、Google Shopping或BigQuery之類的工具,並不斷努力找到消除您需要編寫代碼的方法。例如,現在您可以安排從Google Shopping進行定期目錄導入,以保持目錄和Recommendations AI的最新狀態。我們還會實時監控您的數據提供源的健康狀況,以便在數據質量下降時通知您。在Recommendations AI控制台中只需點擊幾下,您就可以指定要為推薦選項定製的業務目標。首先,選擇最適合您的業務情況的推薦類型。例如,「為您推薦」模型是我們的最個性化模型,許多客戶在主頁或電子郵件活動中使用此模型的放置類型。「其他您可能喜歡」模型通常與之搭配使用,用於產品詳情頁的替換放置類型。而「經常一起購買」模型則通常放在添加到購物車彈出窗口中。接下來,指定您的目標。可以是最大化推薦的點擊率、轉化率或每次會話的收入。最後,選擇各種微調選項,可以讓您限制推薦遵循某些業務或銷售規則,或增加被推薦商品的多樣性,或增加被推薦的高價商品的機會。在控制台中點擊創建按鈕後的幾天內,您的模型就會完全訓練好,您可以在部署推薦之前預覽它們所做的推薦。

一旦您的模型準備好提供服務,您就可以在客戶旅程的任何階段利用Recommendations AI。讓我們以一個客戶的例子來看一下。一個客戶在筆記本上瀏覽運動服飾類別時,Recommendations AI推薦了鞋子。然後客戶離開,但之後又在手機上再次訪問網站,查看更多鞋子。Recommendations AI再次介入,推薦了太陽鏡。我們的客戶將太陽鏡和鞋子添加到購物車中,表明對這兩個商品感興趣。在這時,Recommendations AI推薦了短褲,而客戶點擊了短褲查看,但最終放棄了購物車。三天後,您可以向客戶發送個性化的跟進電子郵件,基於客戶的點擊和興趣推薦商品。Recommendations AI完成了這次循環,促使客戶購買太陽鏡和短褲,這兩者都是基於客戶以前在不同設備上的活動進行推薦的。

正如您所看到的,高質量的推薦在整個購買過程中都能發揮作用,從在筆記本上進行初始產品發現,到在手機上進行考慮,再到通過電子郵件進行購買。對于RecommendationsAI而言,無論在客戶過程的哪個國家或地區,都能進行推薦。我們全球範圍內都可用,API根據您的需求進行規模化。我要強調的一點是,Recommendations AI的深度學習模型在發現購物者意圖方面非常有效。相比之下,利用基於流行度或產品的算法的傳統推薦解決方案通常會根據物品或類別進行推薦,但卻錯過了完全個性化推薦的機會。Recommendations AI則是真正個性化的,它回顧用戶的購物旅程,根據這些旅程向他們進行推薦。這意味著,如果用戶過去對手表表現出興趣,即使他們正在看似無關的裙子等產品,Recommendations AI也知道他們購買手錶的潛力,並將其推薦給他們。我們一直在不斷迭代和改進,透過控制台,任何Google Cloud用戶現在都可以啟用Recommendations AI API,並使用僅幾下點擊就可以進行訓練和管理推薦模型。

隨著我們構建和擴展Recommendations AI的過程,我們已經與許多客戶合作,將更好的推薦應用於他們100%的生產電子商務流量中。在這一過程中,我們已經能夠通過由我們的客戶控制的AV測試來證明我們的能力,相對於他們之前的推薦系統,我們對關鍵業務指標實現了顯著的提升。

有了這些背景知識,現在讓我們深入探討這個話題,了解Google Cloud和Recommendations AI的更多細節,以及如何與BigCommerce和Qubit整合,從而為您帶來更好的推薦體驗。

Most people like

Are you spending too much time looking for ai tools?
App rating
4.9
AI Tools
100k+
Trusted Users
5000+
WHY YOU SHOULD CHOOSE TOOLIFY

TOOLIFY is the best ai tool source.