feedgen
1.0.0
إخلاء المسؤولية: هذا ليس أحد منتجات Google الرسمية.
يعمل FeedGen بشكل أفضل مع ما يصل إلى 30 ألف عنصر. هل تتطلع إلى التوسع بشكل أكبر؟ انضم إلى Product Studio API alpha (تواصل مع [email protected]) أو فكر في معالجة خلاصتك في BigQuery.
نظرة عامة • البدء • ما الذي يحله • كيف يعمل • كيفية المساهمة • تسليط الضوء على المجتمع
gemini-1.5-pro و gemini-1.5-flashstructured_title و structured_description عند استيراد مخرجات FeedGen إلى Merchant Center بدلاً من title description على التوالي. راجع هذه التعليمات للحصول على التفاصيل.gemini-1.5-pro-preview-0409 . يرجى ملاحظة أن اسم النموذج قد يتغير (بشكل مفاجئ) في المستقبل.gemini-1.0-pro و gemini-1.0-pro-visiongemini-pro و gemini-pro-vision )gemini-pro-vision )v1 والتحول إلى JS/TS على main FeedGen هي أداة مفتوحة المصدر تستخدم أحدث نماذج اللغات الكبيرة (LLMs) من Google Cloud لتحسين عناوين المنتجات وإنشاء أوصاف أكثر شمولاً وملء السمات المفقودة في خلاصات المنتجات. فهو يساعد التجار والمعلنين على عرض مشكلات الجودة وإصلاحها في خلاصاتهم باستخدام الذكاء الاصطناعي التوليدي بطريقة بسيطة وقابلة للتكوين.
تعتمد الأداة على Vertex AI API الخاص بـ GCP لتوفير إمكانات الاستدلال ذات اللقطات الصفرية والقليلة على برامج LLM الأساسية لـ GCP. من خلال المطالبة بعدد قليل من اللقطات، يمكنك استخدام أفضل 3 إلى 10 عينات من خلاصة التسوق الخاصة بك لتخصيص استجابات النموذج تجاه بياناتك الخاصة، وبالتالي تحقيق جودة أعلى ومخرجات أكثر اتساقًا. يمكن تحسين ذلك بشكل أكبر من خلال ضبط النماذج الأساسية باستخدام بيانات الملكية الخاصة بك. تعرف على كيفية ضبط النماذج بدقة باستخدام Vertex AI، بالإضافة إلى فوائد القيام بذلك، في هذا الدليل.
ملاحظة: يرجى التحقق مما إذا كانت لغة الخلاصة المستهدفة هي إحدى اللغات المدعومة من Vertex AI قبل استخدام FeedGen، والتواصل مع Google Cloud أو ممثلي الحساب إذا لم يكن الأمر كذلك.
للبدء مع FeedGen:
Getting Started يعد تحسين خلاصات التسوق هدفًا لكل معلن يعمل مع Google Merchant Center (MC) لتحسين مطابقة طلبات البحث، وزيادة التغطية، وفي نهاية المطاف نسب النقر إلى الظهور (CTR). ومع ذلك، فمن المرهق مراجعة حالات رفض المنتج في MC أو إصلاح مشكلات الجودة يدويًا.
يعالج FeedGen هذه المشكلة باستخدام الذكاء الاصطناعي التوليدي - مما يسمح للمستخدمين بإظهار مشكلات الجودة وإصلاحها وملء فجوات السمات في خلاصاتهم بطريقة تلقائية.
FeedGen هو تطبيق يستند إلى Apps Script ويتم تشغيله كشريط جانبي HTML (راجع HtmlService للحصول على التفاصيل) في جداول بيانات Google. قالب جدول بيانات Google Sheets المرتبط هو المكان الذي يحدث فيه كل السحر؛ فهو يحمل خلاصة الإدخال التي تحتاج إلى التحسين، إلى جانب قيم التكوين المحددة التي تتحكم في كيفية إنشاء المحتوى. يُستخدم جدول البيانات أيضًا للتحقق البشري (اختياري) وإعداد خلاصة تكميلية في Google Merchant Center (MC).
تعد اللغة التوليدية في Vertex AI، وبشكل عام، ميزة/تقنية ناشئة. نوصي بشدة بمراجعة العناوين والأوصاف التي تم إنشاؤها يدويًا والتحقق منها. يساعد FeedGen المستخدمين على تسريع هذه العملية من خلال توفير درجة لكل من العناوين والأوصاف (إلى جانب المكونات التفصيلية) التي تمثل مدى "جودة" المحتوى الذي تم إنشاؤه، إلى جانب طريقة جداول البيانات الأصلية للموافقة المجمعة على المحتوى الذي تم إنشاؤه عبر مرشحات البيانات.
أولاً، قم بإنشاء نسخة من جدول بيانات القالب واتبع الإرشادات المحددة في قسم البدء . الخطوة الأولى هي مصادقة نفسك على بيئة Apps Script عبر زر التهيئة كما هو موضح أدناه.
بعد ذلك، انتقل إلى ورقة عمل التكوين لتكوين إعدادات الموجز، وإعدادات Vertex AI API (بما في ذلك تقدير التكاليف التي سيتم تكبدها)، والإعدادات للتحكم في إنشاء المحتوى.
يعمل إنشاء الوصف عن طريق أخذ بادئة المطالبة الواردة في ورقة التكوين ، وإلحاق صف من البيانات من الإدخال وإرسال النتيجة كمطالبة إلى LLM. يمنحك هذا مرونة كبيرة في تشكيل الصياغة والأسلوب والمتطلبات الأخرى التي قد تكون لديك. سيتم توفير جميع البيانات من موجز الإدخال كجزء من المطالبة.
إذا تم توفير رابط صفحة ويب في موجز الإدخال، فيمكنك أيضًا تحديد خانة الاختيار Use Landing Page Information لتحميل وتمرير المحتوى المنقّح لصفحة الويب الخاصة بالمنتج إلى الموجه. يتم استخراج جميع علامات span و p من محتوى HTML الذي تم جلبه ويتم تجميعها معًا لتكوين فقرة إضافية من المعلومات التي يتم تمريرها إلى LLM في الموجه، بالإضافة إلى إرشادات مخصصة حول كيفية استخدام هذه المعلومات الإضافية. سيتم استخدام استجابات الويب JSON كما هي دون تحليل إضافي. علاوة على ذلك، يتم تخزين معلومات صفحة الويب التي تم جلبها مؤقتًا باستخدام CacheService الخاصة بـ Apps Script لمدة 60 ثانية لتجنب إعادة جلب المحتوى وإعادة تحليله لإنشاء العناوين (وهو استدعاء منفصل لـ Vertex AI API).
اختياري : يمكنك أيضًا تقديم أمثلة للأوصاف في قسم أمثلة اللقطات القليلة (انظر أدناه). سيتم إلحاقها بالبادئة السريعة أيضًا وإبلاغ النموذج بكيفية ظهور الأوصاف الجيدة .
يتم إخراج النتيجة مباشرة كوصف مُنشأ
نظرًا لأن طلاب LLM لديهم ميل إلى الهلوسة، فهناك خيار لسؤال النموذج (في تعليمات المتابعة ضمن نفس الموجه) إذا كان الوصف الذي تم إنشاؤه يلبي معاييرك. يقوم النموذج بتقييم الوصف الذي أنشأه للتو ويستجيب بدرجة رقمية بالإضافة إلى المنطق. يتم توفير أمثلة لمعايير التحقق من الصحة والتسجيل لإعطاء بعض التلميحات حول كيفية توجيه النموذج لتقييم الأوصاف - على سبيل المثال، يتضمن المعايير بالإضافة إلى قيم النقاط النموذجية.
تستخدم العناوين الحث على اللقطات القليلة؛ تقنية حيث يمكن للمرء اختيار عينات من موجز الإدخال الخاص به كما هو موضح أدناه لتخصيص استجابات النموذج تجاه بياناته. للمساعدة في هذه العملية، يوفر FeedGen صيغة مفيدة لجداول بيانات Google:
= FEEDGEN_CREATE_CONTEXT_JSON( ' Input Feed ' !A2)والتي يمكن استخدامها لملء حقل معلومات "السياق" في جدول الأمثلة السريعة عن طريق سحبه لأسفل، تمامًا كما هو الحال مع صيغ جداول البيانات الأخرى. يمثل هذا "السياق" صف البيانات بالكامل من خلاصة الإدخال لهذا العنصر، وسيتم إرساله كجزء من المطالبة إلى Vertex AI API.
بعد ذلك، يجب عليك ملء الأعمدة المتبقية يدويًا في جدول أمثلة اللقطات السريعة، والتي تحدد المخرجات المتوقعة من قبل LLM. تعتبر هذه الأمثلة مهمة جدًا لأنها توفر الأساس الذي ستتعلم عليه LLM كيفية إنشاء المحتوى لبقية موجز الإدخال. أفضل الأمثلة للاختيار هي المنتجات التي:
نوصي بإضافة مثال واحد على الأقل لكل فئة فريدة ضمن خلاصتك، خاصة إذا كان تكوين العنوان المثالي سيختلف.
يقوم FeedGen افتراضيًا باستخدام السمات من خلاصة الإدخال بدلاً من قيم السمات التي تم إنشاؤها لإنشاء العنوان، لتجنب هلوسة LLM وضمان الاتساق. على سبيل المثال، سيتم استخدام القيمة Blue من سمة خلاصة الإدخال Color لعنصر خلاصة معين للعنوان المقابل له بدلاً من القيمة التي تم إنشاؤها Navy . يمكن تجاوز هذا السلوك من خلال خانة Prefer Generated Values في قسم الإعدادات المتقدمة في إعدادات مطالبة العنوان ، ويكون مفيدًا عندما يحتوي موجز الإدخال نفسه على بيانات خاطئة أو ذات جودة رديئة.
ضمن هذا القسم نفسه، يمكنك أيضًا تحديد قائمة بالكلمات الآمنة التي يمكن إخراجها في العناوين التي تم إنشاؤها حتى لو لم تكن موجودة مسبقًا في خلاصتك. على سبيل المثال، يمكنك إضافة كلمة "الحجم" إلى هذه القائمة إذا كنت ترغب في إضافة بادئة لجميع قيم سمة Size بها (أي "الحجم M" بدلاً من "M").
وأخيرًا، يمكنك أيضًا تحديد ما إذا كنت ترغب في أن يقوم LLM بإنشاء عناوين لك باستخدام مربع الاختيار Use LLM-generated Titles . يتيح ذلك لـ LLM فحص قيم السمات التي تم إنشاؤها وتحديد القيم التي سيتم ربطها معًا - تجنب التكرارات - بدلاً من المنطق الافتراضي حيث سيتم دمج جميع قيم السمات معًا. من المفترض أن تعمل هذه الميزة بشكل أفضل مع نماذج Gemini مقارنةً بنماذج PaLM 2، حيث تتمتع نماذج Gemini بقدرات تفكير أفضل تسمح لها بالتحرك بشكل أفضل لطلب التعليمات عبر نماذج PaLM 2. علاوة على ذلك، تسمح لك العناوين التي تم إنشاؤها بواسطة LLM بتحديد الطول المطلوب للعناوين في المطالبة (150 حرفًا كحد أقصى لـ Merchant Center)، وهو ما لم يكن ممكنًا في السابق.
كما هو الحال مع الأوصاف، يمكنك أيضًا اختيار تحميل المعلومات من رابط صفحة الويب المتوفرة وتمريرها إلى LLM لإنشاء عناوين ذات جودة أعلى. يمكن القيام بذلك عبر مربع الاختيار Use Landing Page Information ، وعند تحديده، سيتم إدراج جميع الميزات المستخرجة من بيانات صفحة الويب ضمن سمة جديدة تسمى ميزات موقع الويب . ستتم بعد ذلك إضافة الكلمات الجديدة التي لم تغطيها السمات الموجودة إلى العنوان الذي تم إنشاؤه.
لقد انتهيت الآن من التهيئة وأصبحت جاهزًا لتحسين خلاصتك. استخدم قائمة التنقل العلوية لتشغيل الشريط الجانبي FeedGen والبدء في إنشاء المحتوى والتحقق من صحته في ورقة عمل التحقق من صحة المحتوى المُنشأ .
ستعمل عادةً ضمن طريقة العرض هذه لفهم المحتوى و/أو الموافقة عليه و/أو إعادة إنشائه لكل عنصر خلاصة على النحو التالي:
بمجرد الانتهاء من جميع الموافقات اللازمة والرضا عن المخرجات، انقر فوق تصدير إلى خلاصة المخرجات لنقل جميع عناصر الخلاصة المعتمدة إلى ورقة عمل خلاصة المخرجات .
الخطوة الأخيرة هي توصيل جدول البيانات بـ MC كملخص إضافي، ويمكن القيام بذلك كما هو موضح في مقالة مركز المساعدة هذه لحسابات MC القياسية، ومقالة مركز المساعدة هذه للحسابات المتعددة العملاء (MCA).
لاحظ وجود عمود att-p-feedgen في تغذية الإخراج. اسم العمود هذا مرن تمامًا ويمكن تغييره مباشرةً في ورقة عمل الإخراج. فهو يضيف سمة مخصصة إلى الخلاصة التكميلية لأغراض إعداد التقارير وقياس الأداء.
نظرًا لأن Gemini ( gemini-pro-vision ) هو نموذج متعدد الوسائط، فإننا قادرون أيضًا على فحص صور المنتج واستخدامها لإنشاء عناوين وأوصاف عالية الجودة. ويتم ذلك عن طريق إضافة تعليمات إضافية إلى مطالبات إنشاء العنوان والوصف الحالية لاستخراج ميزات المنتج المرئية من الصورة المقدمة.
بالنسبة للعناوين، يتم استخدام الميزات المستخرجة بطريقتين:
بالنسبة للأوصاف، يستخدم النموذج الميزات المستخرجة لإنشاء وصف أكثر شمولاً يسلط الضوء على الجوانب المرئية للمنتج. وهذا مهم بشكل خاص للمجالات التي يكون فيها الجاذبية المرئية أمرًا بالغ الأهمية؛ حيث يتم نقل التفاصيل الرئيسية للمنتج بشكل مرئي وليس بتنسيق نص منظم داخل الخلاصة. ويشمل ذلك الأزياء والديكور المنزلي والأثاث والعطور والمجوهرات على سبيل المثال لا الحصر.
أخيرًا، من المهم ملاحظة القيود التالية (هذه المعلومات صالحة أثناء المعاينة العامة لـ Gemini):
Image Link في ورقة عمل Input Feed . يتم تمرير معرفات GCS URI كما هي إلى Gemini (حيث أنها مدعومة بواسطة النموذج نفسه)، بينما يتم تنزيل صور الويب أولاً وتوفيرها بشكل مضمن كجزء من الإدخال إلى النموذج.image/png و image/jpeg MIME فقط. الأوصاف بدرجة أقل من Min. Evaluation Approval Score لن تتم الموافقة مسبقًا على Min. Evaluation Approval Score . يمكنك إعادة إنشائها عن طريق التصفية على نقاط الوصف وإزالة قيمة الحالة في علامة التبويب التحقق من صحة الإنشاء .
يوفر FeedGen درجة للعناوين التي تم إنشاؤها بين -1 و1 والتي تعمل كمؤشر للجودة. تشير الدرجات الإيجابية إلى درجات متفاوتة من الجودة الجيدة، في حين تمثل الدرجات السلبية عدم اليقين بشأن المحتوى الذي تم إنشاؤه. كما هو الحال مع الأوصاف، يمكنك تحديد الحد الأدنى من النقاط (القيمة الافتراضية هي 0) التي تريد أن يوافق عليها FeedGen مسبقًا.
دعونا نلقي نظرة فاحصة مع بعض الأمثلة الوهمية لفهم تسجيل الألقاب بشكل أفضل:
دعونا نلقي نظرة على مثال آخر لنفس المنتج:
<Brand> <Gender> <Category> <Product Type><Brand> <Gender> <Category> <Product Type> <Size>Product Type بطريقة أسوأ، ومن هنا جاءت النتيجة السلبية.تعتبر FeedGen محافظة في تسجيلها؛ سيتم تعيين درجة -0.5 كلما تمت إزالة أي كلمات، حتى لو كانت تلك الكلمات عبارات ترويجية مثل
get yours nowأوwhile stocks last، والتي لا ينبغي أن تكون جزءًا من العناوين وفقًا لأفضل الممارسات التي حددها Merchant Center (MC) .
حسنًا، ما الذي يجعل العنوان جيدًا؟ دعونا ننظر إلى مثال آخر:
وأخيرا، ما هي الحالة المثالية؟ دعونا نلقي نظرة على مثال أخير:
باختصار، تعمل أنظمة التسجيل على النحو التالي:
| هل هناك هلاوس؟ | هل قمنا بإزالة أي كلمات؟ | لا تغيير على الإطلاق؟ | هل قمنا بتحسين العنوان؟ | هل قمنا بملء الفجوات المفقودة أو استخراج سمات جديدة؟ |
|---|---|---|---|---|
| -1 | -0.5 | 0 | أضف 0.5 | أضف 0.5 |
يطبق FeedGen أيضًا بعض فحوصات الامتثال الأساسية لـ MC، مثل العناوين والأوصاف التي يجب ألا تزيد عن 150 و5000 حرف، على التوالي. إذا فشل المحتوى الذي تم إنشاؤه في هذه الاختبارات، فسيتم إخراج القيمة Failed compliance checks في عمود الحالة . كما هو مذكور أعلاه، سيحاول FeedGen إعادة إنشاء العناصر Failed أولاً عند النقر فوق الزر "إنشاء" .
لا يقوم FeedGen بسد الفجوات في خلاصتك فحسب، بل قد ينشئ أيضًا سمات جديدة تمامًا لم يتم توفيرها في موجز الإدخال . يمكن التحكم في هذا من خلال أمثلة قليلة في ورقة التكوين ؛ من خلال توفير سمات "جديدة" غير موجودة في الإدخال ضمن تلك الأمثلة، سيحاول FeedGen استخراج قيم تلك السمات الجديدة من القيم الأخرى في خلاصة الإدخال. دعونا نلقي نظرة على مثال:
| العنوان الأصلي | سمات المنتج في العنوان الأصلي | سمات المنتج في العنوان الذي تم إنشاؤه | قيم السمات التي تم إنشاؤها |
|---|---|---|---|
| كابري ضيق للأداء النسائي من ASICS | العلامة التجارية، الجنس، نوع المنتج | العلامة التجارية، الجنس، نوع المنتج، الملاءمة | ASICS، أداء نسائي، كابري للجري، ضيق |
لاحظ هنا كيف تم استخراج السمة Fit من Product Type . سيحاول FeedGen الآن أن يفعل الشيء نفسه بالنسبة لجميع المنتجات الأخرى في الخلاصة، لذلك على سبيل المثال سيستخرج القيمة Relaxed as Fit من العنوان Agave Men's Jeans Waterman Relaxed . إذا كنت لا تريد إنشاء هذه السمات، فتأكد من استخدام السمات الموجودة في موجز الإدخال فقط لأمثلة التحفيز القليلة. علاوة على ذلك، سيتم إضافة سمات الخلاصة الجديدة تمامًا هذه إلى Feedgen- في خلاصة الإخراج (على سبيل المثال، Feedgen-Fit) وسيتم فرزها حتى نهاية الورقة لتسهيل تحديد موقعها وحذفها إذا كنت لا ترغب في استخدامها .
نوصي بالأنماط التالية للعناوين وفقًا لمجال عملك:
| اِختِصاص | هيكل العنوان الموصى به | مثال |
|---|---|---|
| ملابس | العلامة التجارية + الجنس + نوع المنتج + السمات (اللون والحجم والمواد) | سترة نسائية من Ann Taylor، أسود (مقاس 6) |
| مستهلكة | العلامة التجارية + نوع المنتج + السمات (الوزن، العدد) | توين لاب ميجا CoQ10، 50 مجم، 60 كبسولة |
| السلع الصلبة | العلامة التجارية + المنتج + السمات (الحجم والوزن والكمية) | طقم كراسي فناء فرونت جيت ويكر، بني، 4 قطع |
| إلكترونيات | العلامة التجارية + السمة + نوع المنتج | تلفزيون سامسونج 88 بوصة ذكي LED مع شاشة منحنية 4K ثلاثية الأبعاد |
| كتب | العنوان + النوع + التنسيق (غلاف مقوى، كتاب إلكتروني) + المؤلف | 1000 كتاب طبخ وصفة إيطالية، غلاف فني من تأليف ميشيل شيكولوني |
يمكنك الاعتماد على هذه الأنماط لإنشاء أمثلة قليلة للمطالبة محددة في ورقة عمل FeedGen Config ، والتي ستوجه وفقًا لذلك القيم التي أنشأها النموذج.
ونقترح أيضًا ما يلي:
يرجى الرجوع إلى أدلة Vertex AI للتسعير والحصص والحدود لمزيد من المعلومات.
اعتبارًا من 9 نيسان (أبريل) 2024 ووفقًا لمواصفات بيانات المنتج المحدثة في Merchant Center، يجب على المستخدمين الكشف عما إذا كان الذكاء الاصطناعي التوليدي قد تم استخدامه لتنظيم المحتوى النصي للعناوين والأوصاف. يتمثل التحدي الرئيسي في ذلك في أنه لا يمكن للمستخدمين إرسال كل من title والعنوان structured_title ، أو description والوصف structured_description في نفس الخلاصة، حيث أن قيم الأعمدة الأصلية ستتفوق دائمًا على المتغيرات_ structured_ . لذلك، يحتاج المستخدمون إلى تنفيذ سلسلة إضافية من الخطوات بعد تصدير الأجيال المعتمدة إلى علامة تبويب خلاصة الإخراج الخاصة بـ FeedGen:
title description في علامة تبويب خلاصة الإخراج في FeedGen إلى structured_title و structured_description على التوالي.trained_algorithmic_media: إلى كل المحتوى الذي تم إنشاؤه.
سنقوم بأتمتة الخطوتين رقم 3 و4 لك قريبًا - تابعنا!
الاعتمادات لجلين ويلسون والفريق في Solutions-8 للحصول على التفاصيل والصور.
بالإضافة إلى المعلومات الموضحة في دليل المساهمة الخاص بنا، ستحتاج إلى اتباع هذه الخطوات الإضافية لإنشاء FeedGen محليًا:
npm install .npx @google/aside init وانقر فوق المطالبات.Script ID النصي للتطبيقات المرتبط بجدول بيانات جداول بيانات Google المستهدف. يمكنك معرفة هذه القيمة من خلال النقر على Extensions > Apps Script في قائمة التنقل العلوية للورقة المستهدفة، ثم الانتقال إلى Project Settings (رمز الترس) في عرض Apps Script الناتج.npm run deploy لإنشاء واختبار ونشر جميع التعليمات البرمجية (عبر clasp) في مشروع جدول البيانات / Apps Script المستهدف. 
