Bearbeiten

Intelligente Produktsuchmaschine für E-Commerce

Azure KI Bot Service
Azure KI Search
Azure KI Services
Azure SQL-Datenbank
Azure App Service

In diesem Beispielszenario wird veranschaulicht, wie durch die Verwendung eines dedizierten Suchdiensts die Relevanz der Suchergebnisse für Ihre E-Commerce-Kunden erheblich verbessert werden kann.

Architektur

Diagramm, das einen Überblick über die Architektur der Azure-Komponenten zeigt, die an einer intelligenten Produktsuchmaschine für den E-Commerce beteiligt sind.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Workflow

Mit diesem Szenario wird eine E-Commerce-Lösung abgedeckt, bei der Kunden einen Produktkatalog durchsuchen können.

  1. Die Kunden besuchen die E-Commerce-Webanwendung von jedem Gerät aus.
  2. Der Produktkatalog wird in einer Azure SQL-Datenbank für die transaktionale Verarbeitung verwaltet.
  3. Azure AI Search verwendet einen Suchindexer, um seinen Suchindex durch integrierte Änderungsverfolgung automatisch auf dem neuesten Stand zu halten.
  4. Die Suchanfragen der Kunden werden an den Dienst AI Search weitergeleitet, der die Anfrage verarbeitet und die relevantesten Ergebnisse liefert.
  5. Als Alternative zu einer webbasierten Suchumgebung können Kunden auch einen Konversationsbot in sozialen Netzwerken oder direkt über digitale Assistenten nutzen, um nach Produkten zu suchen und die Suchabfrage und die Ergebnisse inkrementell zu verfeinern.
  6. Optional können Kunden die Funktion skillset nutzen, um künstliche Intelligenz für eine noch intelligentere Verarbeitung einzusetzen.

Komponenten

  • Azure App Service - Web Apps hostet Webanwendungen und ermöglicht automatische Skalierung und hohe Verfügbarkeit, ohne dass die Infrastruktur verwaltet werden muss.
  • Azure SQL Database ist ein universeller, von relationalen Datenbanken verwalteter Dienst in Microsoft Azure, der Strukturen wie relationale Daten, JSON, Spatial und XML unterstützt.
  • AI Search ist eine Cloud-Lösung, die ein reichhaltiges Sucherlebnis über private, heterogene Inhalte in Web-, Mobil- und Unternehmensanwendungen bietet.
  • Azure AI Bot Service bietet Tools zum Erstellen, Testen, Bereitstellen und Verwalten intelligenter Bots.
  • Mit Azure AI Services können Sie intelligente Algorithmen nutzen, um Ihre Benutzerbedürfnisse durch natürliche Kommunikationsmethoden zu sehen, zu hören, zu sprechen, zu verstehen und zu interpretieren.

Alternativen

  • Sie können Funktionen für die datenbankinterne Suche verwenden, z.B. die SQL Server-Volltextsuche. In diesem Fall verarbeitet Ihr Transaktionsspeicher aber auch Abfragen (sodass eine höhere Verarbeitungsleistung benötigt wird), und die Suchfunktionen in der Datenbank sind stärker eingeschränkt.
  • Sie könnten die Open-Source-Lösung Apache Lucene (auf der AI Search aufbaut) auf Azure Virtual Machines hosten, aber dann müssen Sie wieder Infrastruktur als Service (IaaS) verwalten und profitieren nicht von den vielen Funktionen, die AI Search auf Lucene aufbaut.
  • Sie könnten auch die Bereitstellung von Elasticsearch aus dem Azure Marketplace in Betracht ziehen, ein alternatives und leistungsfähiges Suchprodukt eines Drittanbieters, aber auch in diesem Fall führen Sie eine IaaS-Arbeitslast aus.

Andere Optionen für die Datenschicht:

  • Azure Cosmos DB: eine global verteilte Datenbank von Microsoft mit mehreren Modellen. Azure Cosmos DB bietet eine Plattform für andere Datenmodelle, wie z. B. MongoDB, Cassandra, Graphdaten oder einfacher Tabellenspeicher. AI Search unterstützt auch die direkte Indizierung der Daten aus Azure Cosmos DB.

Szenariodetails

Die Suche ist der primäre Mechanismus, über den Kunden Produkte finden und schließlich kaufen. Daher ist es von entscheidender Bedeutung, dass die Suchergebnisse für die Absicht der Suchanfrage relevant sind und dass die durchgängige Sucherfahrung mit der von Suchgiganten übereinstimmt, indem sie nahezu sofortige Ergebnisse, linguistische Analyse, Geostandortabgleich, Filterung, Facettierung, automatische Vervollständigung und Trefferhervorhebung bietet.

Stellen Sie sich eine typische E-Commerce-Webanwendung vor, deren Produktdaten in einer relationalen Datenbank wie SQL Server oder SQL Database gespeichert sind. Suchanfragen werden oft innerhalb der Datenbank mit Hilfe von LIKE Abfragen oder Volltextsuche-Funktionen bearbeitet. Wenn Sie stattdessen AI Search verwenden, entlasten Sie Ihre operative Datenbank von der Abfrageverarbeitung und können problemlos die schwer zu implementierenden Funktionen nutzen, die Ihren Kunden das bestmögliche Sucherlebnis bieten. Da es sich bei AI Search um eine PaaS-Komponente (Platform as a Service) handelt, müssen Sie sich nicht um die Verwaltung der Infrastruktur kümmern oder ein Suchexperte werden.

Mögliche Anwendungsfälle

Diese Lösung ist für den Einzelhandel optimiert.

Zu den weiteren relevanten Anwendungsfällen zählen:

  • Suchen nach Immobilieneinträgen oder Geschäften in der Nähe des physischen Standorts des Benutzers (für Objektverwaltungs- und Immobilienbranche).
  • Suchen nach Artikeln auf einer Nachrichtenwebsite oder nach Sportergebnissen, wobei aktuelle Informationen bevorzugt werden (für Sport-, Medien- und Unterhaltungsbranche).
  • Durchsuchen von großen Repositorys nach dokumentorientierten Organisationen, z. B. Entscheidungsträgern und Notaren.

Letztendlich können alle Anwendungen, die über eine Art von Suchfunktionalität verfügen, von einem dedizierten Suchdienst profitieren.

Überlegungen

Diese Überlegungen beruhen auf den Säulen des Azure Well-Architected Frameworks, d. h. einer Reihe von Grundsätzen, mit denen die Qualität von Workloads verbessert werden kann. Weitere Informationen finden Sie unter Microsoft Azure Well-Architected Framework.

Skalierbarkeit

Die Preisstufe des AI Search Service wird hauptsächlich für Kapazitätsplanung verwendet, da sie den maximalen Speicherplatz und die Anzahl der Partitionen und Replikate definiert, die Sie bereitstellen können. Partitionen ermöglichen die Indizierung von mehr Dokumenten und einen höheren Schreibdurchsatz, während replicas mehr Abfragen pro Sekunde (QPS) und hohe Verfügbarkeit bietet.

Sie können die Anzahl der Partitionen und Replikate dynamisch ändern, aber es ist nicht möglich, die Preisstufe zu ändern. Sie sollten also sorgfältig abwägen, welche Stufe für Ihre Zielarbeitslast geeignet ist. Wenn Sie die Schicht trotzdem ändern müssen, müssen Sie einen neuen Dienst neben dem alten bereitstellen und Ihre Indizes dort neu laden, damit Sie Ihre Anwendungen auf den neuen Dienst verweisen können.

Verfügbarkeit

AI Search bietet ein Service-Level-Agreement (SLA) von mit einer Verfügbarkeit von 99,9 % für reads (d. h. Abfragen), wenn Sie mindestens zwei Replikate haben, und für Updates (d. h. Aktualisieren der Suchindizes), wenn Sie mindestens drei Replikate haben. Daher sollten Sie mindestens zwei Replikate bereitstellen, wenn Sie möchten, dass Ihre Kunden zuverlässig durchsuchen können, und drei, wenn tatsächliche Änderungen am Index auch als Hochverfügbarkeitsoperationen betrachtet werden sollen.

Wenn der Index ohne Ausfallzeit geändert werden muss (z. B. Ändern von Datentypen, Löschen oder Umbenennen von Feldern), muss der Index neu erstellt werden. Ähnlich wie beim Ändern der Dienstebene bedeutet dies, dass ein neuer Index erstellt werden muss, dieser wieder mit den Daten gefüllt werden muss und Ihre Anwendungen dann aktualisiert werden müssen, damit sie auf den neuen Index verweisen.

Sicherheit

AI Search entspricht vielen Sicherheits- und Datenschutzstandards, sodass Sie es in den meisten Branchen einsetzen können.

Um den Zugriff auf den Dienst zu sichern, können Sie Azure rollenbasierte Zugriffskontrolle (RBAC) verwenden oder sich mit API-Schlüsseln verbinden.

Wir empfehlen Ihnen, Azure RBAC zu verwenden, da es Azure-Rollen verwendet, die in Microsoft Entra ID integriert sind. Wenn Sie Azure-Rollen verwenden, können Sie auch passwortlose Authentifizierungsmethoden wie verwaltete Identitäten für Azure-Ressourcen verwenden.

Zu den API-Schlüsseln gehören Admin-Schlüssel, die vollen Zugriff auf alle Inhaltsoperationen bieten, und Query-Schlüssel, die nur Lesezugriff auf die Dokumentensammlung eines Suchindexes bieten. Sie sollten Anwendungen, die den Index nicht aktualisieren müssen, so einrichten, dass sie einen Abfrageschlüssel und keinen Verwaltungsschlüssel verwenden, insbesondere wenn ein Endbenutzergerät, z. B. ein in einem Webbrowser ausgeführtes Skript, die Suche durchführt.

Sie können den Zugriff auf den KI-Suchdienst auch auf Netzwerkebene sichern, indem Sie ihn über einen privaten Endpunkt ( ) freigeben.

Suchrelevanz

Wie erfolgreich Ihre E-Commerce-Anwendung ist, richtet sich größtenteils nach der Relevanz der Suchergebnisse für Ihre Kunden. Wenn Sie Ihren Suchdienst sorgfältig optimieren, um basierend auf der Recherche der Benutzer optimale Ergebnisse zu liefern, oder Analyse zum Suchdatenverkehr verwenden, um die Suchmuster Ihrer Kunden zu verstehen, können Sie anhand dieser Daten Entscheidungen treffen.

Beispiele für Möglichkeiten zur Optimierung Ihres Suchdiensts sind:

  • Mit Hilfe der Bewertungsprofile von kann die Relevanz der Suchergebnisse beeinflusst werden, z. B. auf der Grundlage des Feldes, das der Suchanfrage entspricht, der Aktualität der Daten und der geografischen Entfernung zum Nutzer.
  • Von Microsoft bereitgestellte Sprachanalysatoren, die einen fortschrittlichen Stack zur Verarbeitung natürlicher Sprache verwenden, um Abfragen besser zu interpretieren.
  • Verwendung von benutzerdefinierten Analysen, um sicherzustellen, dass Ihre Produkte richtig gefunden werden (vor allem, wenn Sie nach nicht sprachbasierten Informationen suchen möchten, z.B. Marke und Modell eines Produkts)

Kostenoptimierung

Bei der Kostenoptimierung geht es um die Suche nach Möglichkeiten, unnötige Ausgaben zu reduzieren und die Betriebseffizienz zu verbessern. Weitere Informationen finden Sie unter Übersicht über die Säule „Kostenoptimierung“.

Um die Kosten für dieses Szenario zu ermitteln, sind alle zuvor genannten Dienste im Kostenrechner vorkonfiguriert. Wenn Sie wissen möchten, welche Kosten für Ihren spezifischen Anwendungsfall entstehen, können Sie die entsprechenden Variablen an Ihre voraussichtliche Nutzung anpassen.

Betrachten Sie diese Beispielkostenprofile auf der Grundlage des zu erwartenden Datenverkehrs:

  • Small: Dieses Profil verwendet eine einzelne Standard S1 Web-App, um die Website zu hosten, die kostenlose Stufe des Azure AI Bot-Dienstes, einen einzelnen Basic Suchdienst und eine Standard S2 SQL-Datenbank.
  • Medium: Dieses Profil skaliert die Webanwendung auf zwei Instanzen der Ebene Standard S3, aktualisiert den Suchdienst auf eine Ebene Standard S1 und verwendet eine SQL-Datenbank Standard S6.
  • Groß: Dieses Profil verwendet vier Instanzen einer Premium P2V2 Web-App, aktualisiert den Azure AI Bot Service auf die Standard S1 Ebene (mit 1.000.000 Nachrichten in Premium-Kanälen) und verwendet zwei Einheiten des Standard S3 Suchdienstes und eine Premium P6 SQL Datenbank.

Bereitstellen dieses Szenarios

Um eine Version dieses Szenarios zu implementieren, können Sie dieses Schritt-für-Schritt-Tutorial befolgen, das eine .NET-Beispielanwendung bereitstellt, die eine Website zur Stellensuche ausführt. Sie demonstriert die meisten der bisher besprochenen KI-Suchfunktionen.

Beitragende

Dieser Artikel wird von Microsoft gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben:

Hauptautor:

Melden Sie sich bei LinkedIn an, um nicht öffentliche LinkedIn-Profile anzuzeigen.

Nächste Schritte

Um mehr über KI Search zu erfahren, besuchen Sie das Dokumentationscenter oder sehen Sie sich die Beispiele an.

Weitere Informationen zu anderen Azure-Komponenten finden Sie in den folgenden Ressourcen: