دوره آموزشی ساخت جستوجو و توصیهگرهای هوشمند در خردهفروشی با استفاده از Vertex AI Search for Commerce
42 دقیقهمتوسط2026-01-28
مدرسین

Amarachi Okpara
جزئیات دوره
توی دنیای شلوغ خردهفروشی آنلاین، اگه نتونی دقیقاً چیزی رو که مشتری میخواد جلو چشمش بذاری، باختی. شخصیسازی، دیگه یک انتخاب نیست، یک ضرورت برای بقاست. در این دوره عملی، Amarachi Okpara (دانشمند داده و مهندس یادگیری ماشین)، بهت نشون میده چطور با استفاده از Vertex AI Search for Commerce (راهکار قدرتمند و مقیاسپذیر گوگل کلود)، تجربههای خریدی بسازی که مشتری رو مجذوب کنه.
اگر مهندس کلود هستی، دیتاساینتیست یا متخصص عملیات، این دوره دقیقاً همون نقشه راهیه که نیاز داری. از وارد کردن دادههای کاتالوگ و رفتار کاربران گرفته تا انتخاب بهترین مدلهای پیشنهادی و مانیتورینگِ عملکرد؛ همه رو به صورت عملی یاد میگیری. در نهایت، میتونی راهکارهایی رو پیاده کنی که نه تنها جستجوی سایت رو هوشمندتر میکنه، بلکه مستقیماً باعث افزایش نرخ تبدیل و فروش بیشتر میشه.
اهداف یادگیری
درک کامل چرخه حیات و معماری Vertex AI Search for Commerce، شامل شناخت اجزای کلیدی و پیشنیازهای دادهای برای راهاندازی سیستم
مهارت در پردازش و انتقال دادههای کاتالوگ محصولات و رویدادهای کاربری به سیستم، با استفاده از بهترین روشهای دریافت داده
شناخت تفاوت بین هشت مدل مختلف توصیهگر (Recommendation Models) و انتخاب هوشمندانه آنها برای سناریوهای مختلفِ جستجوی شخصیسازی شده
اجرای تجربههای خرید شخصیسازی شده با استفاده از جایگاهگذاریهای هوشمند (Placements)، استراتژیهای مرچندایزینگ و توکنهای ردیابی برای رسیدن به فروش قابل اندازهگیری
پایش و بهینهسازی مداوم سیستم از طریق تفسیر متریکهای کلیدی، تنظیم هشدارهای هوشمند و اعمال بهترین روشهای بهینهسازی عملکرد
اگر مهندس کلود هستی، دیتاساینتیست یا متخصص عملیات، این دوره دقیقاً همون نقشه راهیه که نیاز داری. از وارد کردن دادههای کاتالوگ و رفتار کاربران گرفته تا انتخاب بهترین مدلهای پیشنهادی و مانیتورینگِ عملکرد؛ همه رو به صورت عملی یاد میگیری. در نهایت، میتونی راهکارهایی رو پیاده کنی که نه تنها جستجوی سایت رو هوشمندتر میکنه، بلکه مستقیماً باعث افزایش نرخ تبدیل و فروش بیشتر میشه.
اهداف یادگیری
درک کامل چرخه حیات و معماری Vertex AI Search for Commerce، شامل شناخت اجزای کلیدی و پیشنیازهای دادهای برای راهاندازی سیستم
مهارت در پردازش و انتقال دادههای کاتالوگ محصولات و رویدادهای کاربری به سیستم، با استفاده از بهترین روشهای دریافت داده
شناخت تفاوت بین هشت مدل مختلف توصیهگر (Recommendation Models) و انتخاب هوشمندانه آنها برای سناریوهای مختلفِ جستجوی شخصیسازی شده
اجرای تجربههای خرید شخصیسازی شده با استفاده از جایگاهگذاریهای هوشمند (Placements)، استراتژیهای مرچندایزینگ و توکنهای ردیابی برای رسیدن به فروش قابل اندازهگیری
پایش و بهینهسازی مداوم سیستم از طریق تفسیر متریکهای کلیدی، تنظیم هشدارهای هوشمند و اعمال بهترین روشهای بهینهسازی عملکرد
سرفصل ها
مقدمه
- ساخت جستجو و پیشنهادهای خردهفروشی مبتنی بر هوش مصنوعی
مرور کلی و دریافت دادهها
- گردش کار سرتاسری و تنظیم API
- نسخه نمایشی آمادهسازی و مصرف دادهها
- شناسایی منابع داده و الزامات داده
- روشهای دریافت داده
مدلهای توصیه
- نسخه آزمایشی - ساخت اولین مدل توصیههای شما
- درک توصیههای مدلهای هوش مصنوعی
استقرار مدلها و سفارشیسازی نتایج جستجو
- نسخه آزمایشی - پیکربندی و پیشنمایش توصیهها و جستجو
- درک پیکربندیها و کنترلهای سرویسدهی
نظارت بر عملکرد و بهینهسازی
- تفسیر معیارهای کلیدی عملکرد
- پیکربندی هشدارها - اعمال بهترین شیوههای بهینهسازی
نتیجهگیری
- آموزش بیشتر