FAQ

T-Brain est la plateforme d’IA commerciale de Topsort. Elle aide les détaillants à alimenter la recherche, les recommandations, le classement des produits et les prédictions avec des modèles adaptés à leurs produits et à leurs acheteurs. Vous pouvez utiliser T-Brain sans utiliser la plateforme publicitaire de Topsort.

​

Qu’est-ce qu’un Large Commerce Model ?

Un Large Commerce Model, ou LCM, est un modèle d’IA générative conçu pour comprendre le commerce. Il apprend à partir des informations produit, du comportement des acheteurs et du contexte pour comprendre ce que veulent les acheteurs et quels produits sont pertinents. Par exemple, un LCM peut aider à trouver des produits qui correspondent à la demande d’un acheteur, classer des recommandations ou prédire la probabilité qu’un acheteur achète un produit.

​

En quoi un LCM diffère-t-il d’un Large Language Model ?

Un Large Language Model, ou LLM, apprend principalement des motifs linguistiques. Un LCM apprend à partir de signaux commerciaux, notamment les catalogues de produits, les interactions des acheteurs et les achats. Cela aide T-Brain à tenir compte à la fois de ce qu’est un produit et de la façon dont les acheteurs interagissent avec lui.

​

À quoi puis-je utiliser T-Brain ?

T-Brain prend en charge quatre capacités principales :

• Retrieval : Trouver des produits pertinents pour les résultats de recherche et les recommandations.
• Prediction : Estimer des résultats tels que les clics et les achats de produits.
• Ranking : Ordonner des produits organiques, des produits sponsorisés, ou les deux, selon le résultat à optimiser.
• Understanding : Générer des embeddings, des représentations numériques de produits et d’acheteurs qui capturent les similarités et les relations. Vous pouvez aussi les utiliser dans vos propres modèles.

Ces capacités peuvent prendre en charge la recherche, la personnalisation du site, les communications et les agents commerciaux.

​

Dois-je déjà être client Topsort ?

Non. Vous pouvez téléverser des données depuis vos systèmes existants, entraîner des modèles, les évaluer, les déployer et les appeler via une API sans utiliser l’ad server de Topsort. Les clients Topsort existants peuvent aussi utiliser des jeux de données déjà synchronisés depuis Topsort.

​

De quelles données ai-je besoin ?

Fournissez votre catalogue de produits et au moins un mois d’historique d’événements, y compris tous les achats ainsi que les clics et impressions de produits payants. T-Brain organise les données en trois types de jeux de données : categories, products et events. Les événements doivent inclure un identifiant d’acheteur cohérent afin de relier les interactions et les achats. Si vous êtes client Topsort, trois jeux de données sont déjà synchronisés :

• Topsort-categories
• Topsort-products
• Topsort-events

Ces jeux de données se mettent à jour en temps réel. Vous pouvez les utiliser pour créer des tâches d’entraînement et téléverser des jeux de données supplémentaires si nécessaire. Consultez les exigences de données pour le format de fichier et les colonnes requises.

​

Comment téléverser des données ?

Consultez les exigences de données pour les instructions de création de jeux de données, de téléversement de fichiers Parquet et d’ajout de données mises à jour.

​

Comment entraîner un modèle ?

Une tâche définit ce que vous voulez qu’un modèle fasse et les jeux de données dont il doit apprendre.

1. Passez en revue les modèles disponibles dans l’onglet Model Garden. Choisissez le modèle et la capacité adaptés à votre cas d’usage, comme le classement de produits ou la prédiction de conversion.
2. Préparez vos jeux de données dans l’onglet Data. Utilisez les jeux de données Topsort synchronisés ou téléversez vos propres fichiers.
3. Créez une tâche dans l’onglet Tasks. Choisissez la capacité, sélectionnez les jeux de données requis et nommez la tâche. Par exemple, une tâche de classement de produits utilise des jeux de données produits et événements.
4. Lancez l’entraînement. T-Brain entraîne le modèle avec les jeux de données sélectionnés.
5. Suivez la progression dans l’onglet Training. Consultez les entraînements en file d’attente, en cours et terminés.
6. Examinez les résultats dans l’onglet Evals. Inspectez les métriques de qualité du modèle et comparez la performance avant de choisir de déployer.
7. Déployez le modèle. Votre application peut ensuite l’appeler via une API.
8. Testez le modèle déployé dans l’onglet Playground. Essayez des requêtes et inspectez les prédictions renvoyées et les temps de réponse.

​

Que signifie le fine-tuning ?

Le fine-tuning adapte un modèle de base avec les données de votre enseigne. Il spécialise le modèle pour votre catalogue, vos acheteurs et votre cas d’usage. Le modèle de base de T-Brain fournit un point de départ. Le fine-tuning l’aide à apprendre les motifs propres à votre boutique.

​

Comment évaluer un modèle ?

Utilisez l’onglet Evals pour évaluer la qualité du modèle et comparer les modèles entraînés à un modèle de référence ou à une base de comparaison. Vous pouvez aussi fournir des données de référence pour comparer votre approche actuelle à T-Brain. Les évaluations peuvent inclure :

• Qualité du modèle : La capacité d’un modèle à accomplir sa tâche de prédiction ou de classement. Par exemple, l’AUC ROC mesure la capacité d’un modèle de prédiction à distinguer les résultats positifs des résultats négatifs.
• Impact métier : Des comparaisons telles que la valeur des ventes par session, le taux de conversion, le revenu publicitaire et le taux de retour.
• Performance : Le temps de réponse, y compris la latence P95, le délai dans lequel 95 % des requêtes se terminent.

L’onglet Evals comprend des évaluations, des benchmarks, des jeux de test et des expériences. Utilisez les mesures pertinentes pour votre tâche et les données disponibles pour la comparaison.

​

Quelles protections et quels contrôles sont disponibles ?

T-Brain fournit plusieurs points de revue et de contrôle :

• Validation des données : Les fichiers téléversés sont vérifiés par rapport à la structure requise du jeu de données.
• Évaluation avant déploiement : Vous pouvez inspecter les résultats d’entraînement et comparer la qualité du modèle avant de déployer.
• Supervision au runtime : Dans l’onglet Runtime, vous pouvez suivre le volume de requêtes, la latence et les taux d’erreur des modèles déployés.

​

Comment actualiser un modèle ?

Pour les jeux de données que vous téléversez vous-même, allez dans l’onglet Data et cliquez sur Add Files pour fournir des données mises à jour. Les jeux de données Topsort synchronisés se mettent à jour en temps réel. Mettre à jour un jeu de données et mettre à jour un modèle entraîné sont deux étapes distinctes. Réentraînez le modèle avec les jeux de données actualisés, examinez sa performance et déployez le modèle mis à jour lorsqu’il est prêt.

​

Mes données sont-elles isolées des autres détaillants ?

Oui. Vos données téléversées et vos modèles fine-tunés sont entièrement isolés par détaillant et ne sont pas partagés avec d’autres détaillants.

​

Quelles sont les politiques de conservation et de suppression ?

Les politiques de conservation et de suppression peuvent être configurées selon vos exigences. Discutez de ces exigences avec votre représentant Topsort pendant la mise en place.

​

Puis-je apporter mon propre modèle ?

Oui. T-Brain peut héberger et déployer votre propre modèle. Vous pouvez aussi utiliser les embeddings T-Brain comme entrées de modèles que vous construisez vous-même.

​

Comment connecter un modèle à ma boutique ?

Votre application appelle un modèle déployé via une API et utilise sa réponse dans des expériences telles que la recherche ou les recommandations. La documentation API est disponible sur demande, y compris l’authentification, les formats de requête et de réponse, la latence et les limites de débit. Parlez à un représentant commercial Topsort pour commencer.

---