AlloydB和Vertex AI增強了聰明的購物助理

在繁忙的電子商務世界中，脫穎而出需要的不仅仅是優質的產品陣容，還需要創造一個個人化且高效的購物體驗。本指南將帶您逐步了解如何使用 AlloyDB 和 Vertex AI Agent Builder 構建一個智能購物助手。我們將探討這些技術如何與電子商務數據整合，提供實時餘弦相似度搜索和智能推薦，全部部署在無伺服器 Cloud Run 功能上。目標是什麼？為您的用戶提供一個不僅直觀而且極其滿意的購物體驗。

重點

• 設置 AlloyDB 實例並加載電子商務數據集。
• 在 AlloyDB 中啟用 pgvector 和生成式 AI 模型擴展。
• 從產品描述中生成嵌入向量。
• 根據用戶輸入進行實時餘弦相似度搜索。
• 在無伺服器 Cloud Run 功能上部署解決方案。

構建智能購物助手：全面指南

AlloyDB 與 Vertex AI：強大的組合

本項目利用了 AlloyDB（Google Cloud 相容 PostgreSQL 的數據庫服務）和 Vertex AI Agent Builder（Google 用於打造智能代理的平台）的強大功能。AlloyDB 作為分析的支柱，而 Vertex AI 則為其增添了對話式 AI 的魔力。AlloyDB 提供管理大型電子商務數據集所需的能力，而 Vertex AI 則帶來自然語言處理和實時推薦的智慧。兩者結合，為一個響應迅速且實用的購物助手鋪平了道路。

這種整合的優勢包括：

• 實時產品搜索和推薦
• 定制化購物體驗
• 可擴展性以處理不斷增長的電子商務數據
• 使用無伺服器技術進行成本效益高的部署

第一部分：使用 AlloyDB 奠定基礎

讓我們從設置 AlloyDB 並為 AI 整合做好準備開始。以下是您需要做的：

1. 創建 AlloyDB 實例：在雲平台上設置實例並加載電子商務數據集。

   

2. 啟用 pgvector 和生成式 AI 擴展：這些擴展解鎖了 AlloyDB 處理向量嵌入和與 AI 模型整合的能力，允許進行相似性搜索和智能回應。
3. 生成嵌入向量：將產品描述轉換為封裝其語義本質的數值向量。
4. 實時餘弦相似度搜索：進行實時搜索以將用戶文本與產品數據匹配。
5. 無伺服器部署：在 Cloud Run 功能上部署解決方案，以受益於無伺服器的可擴展性和成本效益。

AlloyDB 作為分析引擎：內容提取、嵌入向量和向量搜索

AlloyDB 是我們分析的核心，執行以下關鍵功能：

• 內容提取：深入挖掘數據，揭示產品、類別和客戶行為之間的關係，為我們的購物助手提供上下文。
• 嵌入向量創建：將產品描述和用戶查詢轉換為嵌入向量，實現語義文本比較。

  

• 向量搜索：通過比較查詢嵌入向量與產品嵌入向量，AlloyDB 找到最相關的前 25 個匹配項。Gemini 隨後驗證這些結果，並將其格式化為 JSON。

逐步指南：設置您的 Google Cloud 項目

獲取 Google Cloud 項目

在深入技術細節之前，您需要一個 Google Cloud 項目。如果您是新手，可以創建一個項目並享受免費試用，附帶 300 美元的信用額度，幫助支付測試和部署智能購物助手的費用。

請參考描述中的視頻（時間戳 4:30）以創建您的 Google Cloud 項目。

1. 前往 Google Cloud Console。
2. 如果尚未註冊，請創建一個帳戶。
3. 登錄後，創建一個新項目並啟用免費試用。
4. 確保您在控制台中並已選擇您的項目。

啟用 Cloud Shell

為了管理您的 Google Cloud 服務，您需要啟動 Cloud Shell，這是一個基於瀏覽器的終端機，提供對 gcloud 命令行工具的訪問。

• 在 Google Cloud Console 中點擊“啟用 Cloud Shell”圖標。
• 稍等片刻以初始化。
• 登錄您的帳戶。

身份驗證和項目配置

在繼續之前，請確保您已通過身份驗證並正確設置了項目。以下是操作方法：

1. 通過運行命令 'gcloud auth list' 檢查您的身份驗證。

   

2. 在提示時授權 Cloud Shell。
3. 使用命令 'gcloud config list project' 列出您的項目。

啟用必要的 Google Cloud API

要使用 AlloyDB 和其他 Google Cloud 服務，您需要啟用必要的 API。您可以使用 gcloud 命令行工具來完成此操作。

運行以下命令以啟用所需的 API：

此命令啟用了 AlloyDB（Google 提供的完全託管 PostgreSQL 數據庫）所需的 API，並為 Gemini 1.5 啟用功能。完成可能需要幾分鐘。

創建 AlloyDB 實例：逐步指南

設置您的 AlloyDB 實例

準備好 Google Cloud 項目後，是時候設置 AlloyDB 實例了。以下是操作方法：

1. 在 Google Cloud Console 中搜索 AlloyDB。
2. 創建一個集群並設置密碼。
3. 選擇實例的區域。
4. 選擇默認網絡選項。

連接到 AlloyDB Studio 並添加數據

一旦您的 AlloyDB 實例啟動並運行，您需要添加數據以開始構建知識庫。

1. 前往 AlloyDB Studio 創建電子商務數據庫。等待實例準備就緒。
2. 選擇 PostgreSQL 作為您的數據庫並進行身份驗證。
3. 您將被帶到 AlloyDB Studio，看到多個編輯器窗口。
4. 創建 pg_vector 和 googleml 整合擴展。
5. 創建服裝表並運行命令以設置。
6. 在 AlloyDB 中創建一個表，例如包含不同類別的服裝表。

通過 Google Cloud Console 添加 ML 標誌

要啟用搜索功能，您需要使用 Cloud Shell 添加一個 Google Cloud 標誌：

1. 前往您的主實例並選擇“編輯實例”。
2. 選擇高級選項並選擇標誌。
3. 點擊“添加數據庫標誌”。
4. 選擇 google_ml 整合以啟用模型支持並點擊它。此設置允許 AlloyDB 服務帳戶作為 Vertex AI 的用戶。

了解 Google Cloud 成本：AlloyDB、Vertex AI 和 Cloud Run

Google Cloud 價格考量

然而，免費試用中的 300 美元信用額度應能涵蓋初始實施階段的大部分（如果不是全部）成本。

優勢與劣勢：平衡的觀點

優勢

• 個性化購物體驗：提供量身定制的產品推薦和搜索結果，提升客戶滿意度和銷售。
• 實時響應：提供即時答案並根據用戶行為動態調整推薦。
• 可擴展性和成本效益：利用無伺服器技術管理不斷增長的電子商務數據並降低運營成本。
• AI驅動的智能：結合自然語言理解和向量搜索，提供更直觀高效的購物體驗。

劣勢

• 實施複雜性：需要數據庫管理、AI 整合和無伺服器部署的專業知識。
• 數據準備：將電子商務數據轉換為適合 AlloyDB 和 Vertex AI 的格式可能耗時。
• 模型訓練：訓練和優化 AI 模型可能計算成本高且需要專業技能。
• 持續維護：需要定期監控和重新訓練 AI 模型以保持其準確性和相關性。

此知識引擎的功能

Google AlloyDB 的功能

AlloyDB，Google Cloud 的完全託管 PostgreSQL，作為我們的分析引擎。以下是它的功能：

• 內容提取：分析內容與用戶搜索之間的關係。

  

• 內容嵌入：將文本轉換為用於語義分析的數值向量。
• 查找答案：為用戶識別最相關的搜索結果。

將您的智能購物助手投入使用

電子商務個人化

想像一位客戶正在尋找“粉色休閒純棉”上衣。我們的智能購物助手可以使用此查詢找到不僅屬於女裝上衣類別，還符合用戶對顏色、款式和面料的具體偏好的產品。這種個人化程度使購物體驗更加相關且愉快。

客戶支持聊天機器人

客戶服務聊天機器人可以利用此知識引擎提供與產品相關問題的實時答案。通過分析客戶的查詢並與產品描述比較，聊天機器人可以提供準確且有用的信息，提升客戶滿意度並降低支持成本。

常見問題

什麼是 AlloyDB？

AlloyDB for PostgreSQL 是 Google Cloud Platform 上的一個完全託管、相容 PostgreSQL 的數據庫服務，以其高性能和高可用性而聞名。它結合了開源 PostgreSQL 的最佳功能與 Google 的創新。

什麼是 Vertex AI Agent Builder？

Vertex AI Agent Builder 是 Google Cloud 用於構建和部署 AI 驅動代理和對話界面的平台。它提供自然語言理解、對話管理和與各種數據源整合的工具。

使用什麼嵌入模型？

此實現使用來自 Vertex AI 服務的 text embedding 004 模型來執行用戶搜索。

相關問題和進一步探索

如何進一步個人化購物助手體驗？

要將個人化提升到更高層次，您可以整合用戶行為數據。這意味著分析過去的購買記錄、瀏覽歷史和其他交互，以構建詳細的用戶檔案。購物助手隨後可以使用此檔案來微調產品推薦和搜索結果，使購物體驗更符合每個用戶的偏好。