Présentation de la recherche et des recommandations multimédias
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Cette page présente et décrit les fonctionnalités de Vertex AI Search pour les médias. La page fournit également des liens vers des informations, des tutoriels et des checklists pour vous aider à vous lancer avec Vertex AI Search pour les médias.
Vertex AI Search inclut deux fonctionnalités spécifiques au secteur des médias :
Recommandations de contenus multimédias Obtenez des recommandations de contenus multimédias tels que des vidéos, des actualités et de la musique. Les recommandations de contenus multimédias permettent aux audiences de découvrir des contenus plus personnalisés, comme les vidéos à regarder ou à lire ensuite, avec des résultats de qualité Google personnalisés en fonction des objectifs d'optimisation.
Recherche de contenus multimédias : Obtenez des résultats de recherche de qualité Google grâce à la compréhension avancée des requêtes et des documents conçue pour les contenus multimédias.
Fonctionnalités clés des applications multimédias
Les applications multimédias et les applications personnalisées dans Vertex AI Search présentent de nombreuses similitudes. Voici quelques fonctionnalités clés des applications multimédias :
Les applications multimédias nécessitent des événements utilisateur. Vous importez des événements utilisateur pour personnaliser les recommandations et classer les résultats de recherche pour votre audience.
Les applications multimédias nécessitent que les métadonnées multimédias soient conformes à un schéma prédéfini ou qu'elles utilisent un schéma personnalisé contenant un ensemble minimal de propriétés clés.
Schéma prédéfini : Cela permet aux recommandations et au classement dans les résultats de recherche d'utiliser des champs spécifiques aux contenus multimédias définis par Google, tels que les classifications de contenu, les notes globales, les personnes et l'année de production, pour générer des résultats basés sur l'engagement avec les contenus multimédias.
Schéma personnalisé : Le schéma personnalisé vous offre plus de flexibilité que le schéma prédéfini. Toutefois, les champs de votre schéma doivent correspondre aux propriétés clés obligatoires suivantes : title, category, uri, media_available_time et media_duration. La propriété category doit être un tableau de chaînes, et les quatre autres propriétés sont des chaînes.
En plus des propriétés de clé obligatoires, Google vous recommande de mapper autant de champs de schéma que possible aux propriétés de clé suggérées. Les propriétés de clé suggérées représentent des métadonnées multimédias similaires à celles du schéma prédéfini (par exemple, les classifications de contenu, les notes agrégées, les personnes et l'année de production).
Les applications de recommandations de contenus multimédias vous proposent différents types de recommandations.
Les applications de recommandation de contenus multimédias vous permettent de choisir le type de recommandation à générer. Par exemple, vous pouvez recommander d'autres contenus susceptibles d'intéresser les utilisateurs, des articles similaires ou les articles les plus populaires.
Les applications de recommandations média vous proposent un choix d'objectifs d'optimisation.
Par exemple, vous pouvez choisir d'optimiser les recommandations pour le taux de clics afin d'augmenter le nombre d'interactions avec le contenu ou pour le taux de conversion afin d'accroître la consommation de contenu.
Le tableau suivant décrit certaines différences fonctionnelles entre les magasins de données média et personnalisés.
Applications et data stores de contenus multimédias
Applications et datastores personnalisés
Les data stores sont toujours structurés.
Les datastores peuvent être de n'importe quel type (site Web, données non structurées, données structurées).
Exigez des données structurées avec un schéma prédéfini ou un schéma personnalisé dans lequel vous mappez vos champs de données à certaines propriétés clés requises.
Aucune propriété clé n'est requise pour les données structurées.
Pour les applications multimédias, les événements utilisateur sont obligatoires.
Pour les recommandations personnalisées, les événements utilisateur sont fortement recommandés, mais pas obligatoires.
Les événements utilisateur historiques importés sont associés de manière synchrone.
Les événements utilisateur historiques importés sont associés de manière asynchrone.
Si vous débutez avec Vertex AI Search, essayez les tutoriels de démarrage. Ces tutoriels vous guident pas à pas dans la création d'une application. Des données (documents et événements utilisateur) sont fournies pour les tutoriels. Vous n'avez donc besoin que d'un projet Google Cloud et d'un compte de facturation pour créer votre première application :
Il existe de nombreux points communs entre l'utilisation d'applications multimédias et celle d'applications personnalisées, mais certaines fonctionnalités ne s'appliquent qu'aux applications personnalisées et d'autres uniquement aux applications multimédias.
Utilisez les checklists suivantes pour vous guider dans les workflows typiques spécifiques aux médias :
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/03 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/03 (UTC)."],[[["\u003cp\u003eVertex AI Search for media offers media recommendations and media search capabilities, enabling personalized content discovery and advanced search functionalities tailored for media content.\u003c/p\u003e\n"],["\u003cp\u003eMedia apps in Vertex AI Search require user event data to personalize recommendations and refine search result rankings, ensuring content relevance for the audience.\u003c/p\u003e\n"],["\u003cp\u003eMedia apps need structured media metadata that either follows a predefined schema with specific media fields or a custom schema with mapped required properties like \u003ccode\u003etitle\u003c/code\u003e, \u003ccode\u003ecategory\u003c/code\u003e, \u003ccode\u003euri\u003c/code\u003e, \u003ccode\u003emedia_available_time\u003c/code\u003e, and \u003ccode\u003emedia_duration\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eMedia recommendation apps allow you to customize the type of recommendation generated, such as suggesting similar content or the most popular content, and choose optimization objectives like increasing click-through or conversion rates.\u003c/p\u003e\n"],["\u003cp\u003eVertex AI Search provides step-by-step tutorials and checklists for media apps, guiding users through app creation and workflows specific to media search and recommendations, such as structured data and user events.\u003c/p\u003e\n"]]],[],null,["# Introduction to media search and recommendations\n\nThis page introduces and describes the capabilities of Vertex AI Search\nfor media. The page also provides links to more information,\ntutorials and checklists, to get you started with\nVertex AI Search for media.\n\nVertex AI Search includes two capabilities specific for the media\nindustry:\n\n- **Media recommendations.** Get recommendations for media content such as\n videos, news, and music. With media recommendations, audiences can discover\n more personalized content, like what to watch or read next, with\n Google-quality results customized using optimization objectives.\n\n- **Media search.** Get Google-quality search results with advanced query and\n document understanding designed for media content.\n\n| **Note:** Don't be misled by the product name. With Vertex AI Search, you can create recommendations apps as well as search apps.\n\nKey features of media apps\n--------------------------\n\nThere are many similarities between media apps and custom apps\nin Vertex AI Search. Here are some key features of media\napps:\n\n- **Media apps require user events.** You upload user events to personalize\n recommendations and rank search results for your audience.\n\n- **Media apps require media metadata to conform to a predefined schema or\n to use a custom schema that contains a minimum set of key properties.**\n\n - **Predefined schema.** This lets recommendations and search ranking\n use Google-defined, media-specific fields such as content ratings,\n aggregated ratings, persons, and production year to help generate results\n based on media engagement.\n\n - **Custom schema.** The custom schema gives you more\n flexibility than the predefined schema. However, your schema fields must\n map to the following *required* key properties: `title`, `category`, `uri`,\n `media_available_time`, and `media_duration`. The `category` property\n must be an array of strings, and the other four properties are strings.\n\n In addition to the required key properties, Google recommends that you\n map as many other schema fields as possible to the *suggested* key\n properties. The suggested key properties represent similar media metadata\n to that in the predefined schema---for example, content ratings, aggregated\n ratings, persons, and production year.\n- **Media recommendations apps offer you a choice of recommendation type.**\n Media recommendations apps let you choose what kind of recommendation to\n generate, such as recommending other content that users might like, similar\n items, or the most popular items.\n\n- **Media recommendations apps offer you a choice of optimization objectives.**\n For example, you can decide whether to optimize recommendations for\n click-through-rate to increase the number of interactions with content or\n for conversion rate to increase the consumption of content.\n\nThe following table outlines some functional differences between media and\ncustom data stores.\n\nFor more information, see [About media data stores and\ndocuments](/generative-ai-app-builder/docs/media-documents) and [About apps and data\nstores](/generative-ai-app-builder/docs/create-datastore-ingest).\n\nGetting started tutorials\n-------------------------\n\nIf you are new to Vertex AI Search, try out the getting\nstarted tutorials. These tutorials guide you step-by-step through the creation\nof an app. Data (documents and user events) are provided for the tutorials so\nall you need is a Google Cloud project and a billing account to create your\nfirst app:\n\n- [Get started with media recommendations](/generative-ai-app-builder/docs/try-media-recommendations)\n- [Get started with media search](/generative-ai-app-builder/docs/try-media-search)\n\nChecklists\n----------\n\nThere is a lot of commonality between working with media apps and working with\ncustom apps, but some features apply only to custom apps and\nother features only to media apps.\n\nUse the following checklists to guide you through typical workflows specific\nto media:\n\n- [Media search checklist](/generative-ai-app-builder/docs/media-search-checklist)\n\n- [Media recommendations checklist](/generative-ai-app-builder/docs/media-recommendations-checklist)"]]
