Assistant de magasinage intelligent amélioré par ALLOYDB et VERTEX AI

Dans le monde effervescent du commerce électronique, se démarquer nécessite plus qu'une simple gamme de produits de qualité. Il s'agit de créer une expérience d'achat qui semble personnelle et efficace. Dans ce guide, nous allons parcourir le processus de construction d'un assistant d'achat intelligent utilisant AlloyDB et Vertex AI Agent Builder. Nous allons explorer comment ces technologies peuvent s'intégrer aux données du commerce électronique pour offrir une recherche de similarité cosinus en temps réel et des recommandations intelligentes, tout en étant déployées sur des fonctions Cloud Run sans serveur. L'objectif ? Offrir à vos utilisateurs une expérience d'achat non seulement intuitive, mais aussi incroyablement satisfaisante.

Points clés

• Configuration d'une instance AlloyDB et chargement d'un ensemble de données de commerce électronique.
• Activation des extensions pgvector et de modèle d'IA générative dans AlloyDB.
• Génération d'embeddings à partir des descriptions de produits.
• Réalisation d'une recherche de similarité cosinus en temps réel basée sur les entrées des utilisateurs.
• Déploiement de la solution sur des fonctions Cloud Run sans serveur.

Construire un assistant d'achat intelligent : Un guide complet

AlloyDB et Vertex AI : Une combinaison puissante

Ce projet exploite la puissance d'AlloyDB, le service de base de données compatible PostgreSQL de Google Cloud, et de Vertex AI Agent Builder, la plateforme de Google pour créer des agents intelligents. AlloyDB sert de colonne vertébrale pour l'analyse, tandis que Vertex AI ajoute la magie de l'IA conversationnelle. AlloyDB fournit la robustesse nécessaire pour gérer de grands ensembles de données de commerce électronique, et Vertex AI apporte l'intelligence pour le traitement du langage naturel et les recommandations en temps réel. Ensemble, ils ouvrent la voie à un assistant d'achat à la fois réactif et utile.

Les avantages de cette intégration incluent :

• Recherche et recommandations de produits en temps réel
• Expériences d'achat personnalisées
• Évolutivité pour gérer l'expansion des données de commerce électronique
• Déploiement économique utilisant la technologie sans serveur

Partie 1 : Poser les bases avec AlloyDB

Commençons par configurer AlloyDB et le préparer pour l'intégration de l'IA. Voici ce que vous devez faire :

1. Créer une instance AlloyDB : Configurez une instance sur la plateforme cloud et chargez un ensemble de données de commerce électronique.

   

2. Activer les extensions pgvector et d'IA générative : Ces extensions permettent à AlloyDB de travailler avec des embeddings vectoriels et de s'intégrer avec des modèles d'IA, permettant des recherches de similarité et des réponses intelligentes.
3. Générer des embeddings : Transformez les descriptions de produits en vecteurs numériques qui encapsulent leur essence sémantique.
4. Recherche de similarité cosinus en temps réel : Effectuez des recherches en temps réel pour faire correspondre le texte de l'utilisateur aux données des produits.
5. Déploiement sans serveur : Déployez la solution sur des fonctions Cloud Run pour bénéficier de l'évolutivité et de l'efficacité économique du sans serveur.

AlloyDB comme moteur d'analyse : Extraction de contenu, embeddings et recherche vectorielle

AlloyDB est le cœur de notre analyse, réalisant des fonctions essentielles telles que :

• Extraction de contenu : Il explore les données pour découvrir les relations entre les produits, les catégories et le comportement des clients, fournissant un contexte pour notre assistant d'achat.
• Création d'embeddings : Il convertit les descriptions de produits et les requêtes des utilisateurs en embeddings, permettant une comparaison sémantique des textes.

  

• Recherche vectorielle : En comparant les embeddings des requêtes avec ceux des produits, AlloyDB trouve les 25 correspondances les plus pertinentes. Gemini valide ensuite ces résultats, qui sont formatés en JSON.

Guide étape par étape : Configurer votre projet Google Cloud

Obtenir un projet Google Cloud

Avant de plonger dans l'aspect technique, vous aurez besoin d'un projet Google Cloud. Si vous êtes novice, vous pouvez créer un projet et profiter d'un essai gratuit qui comprend 300 $ de crédits pour aider à couvrir les coûts de test et de déploiement de votre assistant d'achat intelligent.

Référez-vous à la vidéo (timestamp à 4:30) dans la description pour créer votre projet Google Cloud.

1. Accédez à la console Google Cloud.
2. Si vous n'êtes pas encore inscrit, créez un compte.
3. Une fois connecté, créez un nouveau projet et activez l'essai gratuit.
4. Assurez-vous d'être dans la console et que votre projet est sélectionné.

Activation de Cloud Shell

Pour gérer vos services Google Cloud, vous devrez activer Cloud Shell, un terminal basé sur navigateur qui vous donne accès à l'outil en ligne de commande gcloud.

• Cliquez sur l'icône "Activer Cloud Shell" dans la console Google Cloud.
• Attendez un moment pour qu'il s'initialise.
• Connectez-vous à votre compte.

Authentification et configuration du projet

Avant d'aller plus loin, assurez-vous d'être authentifié et que votre projet est correctement configuré. Voici comment faire :

1. Vérifiez votre authentification en exécutant la commande 'gcloud auth list'.

   

2. Autorisez Cloud Shell lorsque cela vous est demandé.
3. Listez vos projets avec la commande 'gcloud config list project'.

Activation des API Google Cloud essentielles

Pour utiliser AlloyDB et autres services Google Cloud, vous devez activer les API nécessaires. Vous pouvez le faire avec l'outil en ligne de commande gcloud.

Exécutez la commande suivante pour activer les API requises :

Cette commande active les API nécessaires pour AlloyDB, une base de données PostgreSQL entièrement gérée par Google, et active les fonctionnalités pour Gemini 1.5. Cela peut prendre quelques minutes.

Création d'une instance AlloyDB : Étape par étape

Configuration de votre instance AlloyDB

Avec votre projet Google Cloud prêt, il est temps de configurer une instance AlloyDB. Voici comment procéder :

1. Recherchez AlloyDB dans la console Google Cloud.
2. Créez un cluster et configurez un mot de passe.
3. Choisissez la région pour votre instance.
4. Sélectionnez l'option de réseau par défaut.

Connexion à AlloyDB Studio et ajout de données

Une fois votre instance AlloyDB opérationnelle, vous devrez ajouter des données pour commencer à construire votre base de connaissances.

1. Accédez à AlloyDB Studio pour créer une base de données de commerce électronique. Attendez que l'instance soit prête.
2. Sélectionnez PostgreSQL comme base de données et authentifiez-vous.
3. Vous serez redirigé vers AlloyDB Studio, où vous verrez plusieurs fenêtres d'éditeur.
4. Créez les extensions pg_vector et d'intégration googleml.
5. Créez la table Apparel et exécutez la commande pour la configurer.
6. Créez une table dans AlloyDB, comme une table d'habillement avec différentes catégories.

Ajout du drapeau ML via la console Google Cloud

Pour activer les capacités de recherche, vous devrez ajouter un drapeau Google Cloud à l'aide de Cloud Shell :

1. Accédez à votre instance principale et sélectionnez "modifier l'instance".
2. Choisissez les options avancées et sélectionnez les drapeaux.
3. Cliquez sur "ajouter un drapeau de base de données".
4. Sélectionnez l'intégration google_ml pour activer le support des modèles et cliquez dessus. Ce paramètre permet au compte de service AlloyDB d'agir en tant qu'utilisateur pour Vertex AI.

Comprendre les coûts de Google Cloud : AlloyDB, Vertex AI et Cloud Run

Considérations sur les prix de Google Cloud

Cependant, les 300 $ de crédit de l'essai gratuit devraient couvrir la plupart, sinon la totalité, de ces coûts pendant la phase initiale de mise en œuvre.

Avantages et inconvénients : Une perspective équilibrée

Avantages

• Expérience d'achat personnalisée : Offre des recommandations et des résultats de recherche adaptés, augmentant la satisfaction des clients et les ventes.
• Réactivité en temps réel : Fournit des réponses instantanées et ajuste dynamiquement les recommandations en fonction du comportement des utilisateurs.
• Évolutivité et rentabilité : Utilise la technologie sans serveur pour gérer l'augmentation des données de commerce électronique et réduire les coûts opérationnels.
• Intelligence alimentée par l'IA : Intègre la compréhension du langage naturel et la recherche vectorielle pour une expérience d'achat plus intuitive et efficace.

Inconvénients

• Complexité de mise en œuvre : Nécessite une expertise en gestion de bases de données, intégration d'IA et déploiement sans serveur.
• Préparation des données : Convertir les données de commerce électronique en formats adaptés à AlloyDB et Vertex AI peut être chronophage.
• Entraînement des modèles : L'entraînement et l'optimisation des modèles d'IA peuvent être coûteux en calcul et nécessiter des compétences spécialisées.
• Maintenance continue : Une surveillance régulière et un réentraînement des modèles d'IA sont nécessaires pour maintenir leur précision et leur pertinence.

Fonctionnalités de ce moteur de connaissances

Fonctionnalités de Google AlloyDB

AlloyDB, la base de données PostgreSQL entièrement gérée de Google Cloud, agit comme notre moteur d'analyse. Voici ce qu'il apporte :

• Extraction de contenu : Analyse les relations entre le contenu et les recherches des utilisateurs.

  

• Embedding de contenu : Convertit le texte en vecteurs numériques pour une analyse sémantique.
• Trouver des réponses : Identifie les résultats de recherche les plus pertinents pour les utilisateurs.

Mettre votre assistant d'achat intelligent à profit

Personnalisation du commerce électronique

Imaginez un client à la recherche d'un haut "rose décontracté en pur coton". Notre assistant d'achat intelligent peut utiliser cette requête pour trouver des produits qui non seulement appartiennent à la catégorie des hauts pour femmes, mais correspondent également aux préférences spécifiques de l'utilisateur pour la couleur, le style et le tissu. Ce niveau de personnalisation rend l'expérience d'achat plus pertinente et agréable.

Chatbots de support client

Un chatbot de service client peut exploiter ce moteur de connaissances pour fournir des réponses en temps réel aux questions liées aux produits. En analysant la requête du client et en la comparant aux descriptions des produits, le chatbot peut fournir des informations précises et utiles, améliorant la satisfaction des clients et réduisant les coûts de support.

Questions fréquemment posées

Qu'est-ce qu'AlloyDB ?

AlloyDB pour PostgreSQL est un service de base de données entièrement géré, compatible avec PostgreSQL, sur la plateforme Google Cloud, connu pour ses hautes performances et sa disponibilité. Il combine le meilleur de PostgreSQL open-source avec les innovations de Google.

Qu'est-ce que Vertex AI Agent Builder ?

Vertex AI Agent Builder est la plateforme de Google Cloud pour construire et déployer des agents alimentés par l'IA et des interfaces conversationnelles. Elle offre des outils pour la compréhension du langage naturel, la gestion de dialogues et l'intégration avec diverses sources de données.

Quel modèle d'embedding est utilisé ?

Cette implémentation utilise le modèle d'embedding de texte 004 du service Vertex AI pour effectuer les recherches des utilisateurs.

Questions connexes et exploration approfondie

Comment personnaliser davantage l'expérience de l'assistant d'achat ?

Pour porter la personnalisation à un niveau supérieur, vous pouvez intégrer les données de comportement des utilisateurs. Cela signifie analyser les achats passés, l'historique de navigation et autres interactions pour construire un profil utilisateur détaillé. L'assistant d'achat peut ensuite utiliser ce profil pour affiner les recommandations de produits et les résultats de recherche, rendant l'expérience d'achat encore plus adaptée aux préférences de chaque utilisateur.