Modifier

Moteur de recherche de produit intelligent pour l’e-commerce

Azure AI Bot Service
Azure AI Search
Azure AI services
Azure SQL Database
Azure App Service

Cet exemple de scénario montre comment l’utilisation d’un service de recherche dédié peut considérablement augmenter la pertinence des résultats de la recherche pour vos clients de commerce électronique.

Architecture

Diagramme illustrant une vue d’ensemble de l’architecture des composants Azure impliqués dans un moteur de recherche de produit intelligent pour le commerce électronique.

Téléchargez un fichier Visio de cette architecture.

Workflow

Ce scénario couvre une solution de commerce électronique dans laquelle les clients peuvent rechercher via un catalogue de produits.

  1. Les clients accèdent à l’application Web de commerce électronique depuis n’importe quel appareil.
  2. Le catalogue de produits se trouve dans une base de données Azure SQL pour le traitement transactionnel.
  3. Azure AI Search utilise un indexeur de recherche pour maintenir automatiquement son index de recherche à jour via le suivi des modifications intégré.
  4. Les requêtes de recherche du client sont dirigées sur le service AI Search qui traite la requête et retourne les résultats les plus pertinents.
  5. Outre l’expérience de recherche basée sur le web, les clients peuvent également utiliser un bot conversationnel dans un réseau social ou directement à partir d’Assistants numériques pour rechercher des produits et affiner de manière incrémentielle leur requête de recherche et les résultats.
  6. Les clients peuvent également utiliser la fonction d'ensemble de compétences pour appliquer l'intelligence artificielle afin d'obtenir un traitement encore plus intelligent.

Composants

  • Azure App Service - Web Apps héberge des applications web permettant une mise à l’échelle automatique et une haute disponibilité sans avoir à gérer l’infrastructure.
  • Azure SQL Database est un service administré de bases de données relationnelle à usage général de Microsoft Azure, qui prend en charge des structures telles que les données relationnelles, JSON, spatiales et XML.
  • AI Search est une solution cloud qui offre une expérience de recherche riche concernant du contenu privé et hétérogène dans les applications web, mobiles et d’entreprise.
  • Azure AI Search fournit des outils pour créer, tester, déployer et gérer des bots intelligents.
  • Azure AI Services permet d’utiliser des algorithmes intelligents pour voir, écouter, énoncer, comprendre et interpréter les besoins des utilisateurs selon des modes de communication naturels.

Autres solutions

  • Vous pouvez utiliser des fonctionnalités de recherche dans la base de données, par exemple, via la recherche en texte intégral de SQL Server, mais votre magasin transactionnel traite alors également des requêtes (augmentant ainsi la puissance de traitement), et les fonctionnalités de recherche dans la base de données sont plus limitées.
  • Vous pourriez héberger le logiciel libre Apache Lucene (sur lequel AI Search est construit) sur des machines virtuelles Azure, mais vous reviendriez alors à la gestion d'une infrastructure en tant que service (IaaS) et vous ne bénéficieriez pas des nombreuses fonctionnalités qu'AI Search offre en plus de Lucene.
  • Vous pouvez également envisager de déployer Elasticsearch à partir de la Place de marché Azure, qui est un produit de recherche alternatif d’un fournisseur tiers, mais vous exécutez dans ce cas une charge de travail IaaS.

D’autres options pour la couche Données incluent :

  • Azure Cosmos DB : service de base de données multimodèle mondialement distribué de Microsoft. Azure Cosmos DB fournit une plateforme pour exécuter d’autres modèles de données tels que MongoDB, Cassandra, des données de graphe ou un stockage de tables simple. AI Search prend également en charge l'indexation des données provenant directement d'Azure Cosmos DB.

Détails du scénario

La recherche est le mécanisme principal grâce auquel les clients retrouvent et achètent des produits. Il est donc essentiel que les résultats de la recherche soient pertinents par rapport à l’intention de la requête de recherche et que l’expérience de recherche de bout en bout corresponde aux géants de la recherche en proposant des résultats quasi instantanés, une analyse linguistique, une correspondance géographique, un filtrage, des facettes, une saisie semi-automatique, une mise en surbrillance des correspondances, etc.

Imaginez une application web de commerce électronique classique avec des données produit stockées dans une base de données relationnelle telle que SQL Server ou SQL Database. Les requêtes de recherche sont souvent traitées à l'intérieur de la base de données en utilisant des requêtes LIKE ou des fonctions de recherche en texte intégral. Grâce à AI Search, vous libérez la base de données opérationnelle du traitement des requêtes et vous pouvez facilement tirer profit de ces fonctionnalités difficiles à implémenter qui offrent à vos clients la meilleure expérience de recherche possible. En outre, AI Search étant un composant de plateforme en tant que service (PaaS), vous n’avez pas à vous soucier de la gestion de l’infrastructure ni d’être un expert de la recherche.

Cas d’usage potentiels

Cette solution est optimisée pour le secteur de la vente au détail.

Les autres cas d’usage appropriés sont les suivants :

  • Recherche d’annonces ou de magasins immobiliers près de l’emplacement physique de l’utilisateur (pour les installations et l’industrie immobilière).
  • Recherche d’articles sur un site d’actualités ou de résultats sportifs, avec une préférence pour des informations plus récentes (pour le sport, les médias et l’industrie du spectacle).
  • Recherche dans de grands référentiels pour des organisations axées sur les documents, comme les décideurs politiques et les notaires.

Enfin, toute application incluant une quelconque forme de fonctionnalité de recherche peut tirer parti d’un service de recherche dédié.

Considérations

Ces considérations implémentent les piliers d’Azure Well-Architected Framework qui est un ensemble de principes directeurs qui permettent d’améliorer la qualité d’une charge de travail. Pour plus d’informations, consultez Microsoft Azure Well-Architected Framework.

Extensibilité

Le niveau tarifaire du service AI Search est principalement utilisé pour la planification de la capacité, car il définit le stockage maximum que vous obtenez et le nombre de partitions et de réplicas que vous pouvez configurer. Les partitions vous permettent d’indexer plus de documents et d’obtenir des débits d’écriture plus importants, tandis que les réplicas fournissent davantage de requêtes par seconde (RPS) et la haute disponibilité.

Vous pouvez modifier dynamiquement le nombre de partitions et de répliques, mais il n'est pas possible de changer de niveau de tarification. Vous devez donc choisir avec soin le niveau qui convient à votre charge de travail cible. Si vous devez changer de niveau, vous avez besoin de configurer un nouveau service en parallèle et de recharger vos index. Vous dirigerez ensuite vos applications vers le nouveau service.

Disponibilité

Azure AI Search fournit un contrat de niveau de service (SLA) de 99,9 % pour les lecture (c’est-à-dire les requêtes) si vous disposez d’au moins deux réplicas, et pour les mises à jour (c’est-à-dire la mise à jour de l’index de recherche) si vous disposez d’au moins trois réplicas. Vous devez donc configurer deux réplicas minimum si vous souhaitez que vos clients puissent effectuer une recherche fiable, et en configurer trois si des modifications réelles apportées à l’index doivent également être prises en compte dans les opérations de haute disponibilité.

Si des changements cassants doivent être apportés à l’index sans impliquer un temps d’arrêt (par exemple, modifier des types de données, supprimer ou renommer des champs), l’index devra être reconstruit. Comme pour le changement du niveau de service, cela implique de créer un nouvel index, de le renseigner à nouveau avec des données, puis de mettre à jour vos applications pour qu’elles pointent vers le nouvel index.

Sécurité

AI Search est conforme à de nombreuses normes de sécurité et de confidentialité des données, et peut donc être utilisé dans la plupart des secteurs d'activité.

Pour sécuriser l'accès au service, vous pouvez utiliser le contrôle d'accès Azure basé sur les rôles (RBAC) ou vous connecter avec des clés API.

Nous vous recommandons d'utiliser Azure RBAC car il utilise les rôles Azure, qui s'intègrent à Microsoft Entra ID. Lorsque vous utilisez les rôles Azure, vous pouvez également utiliser des méthodes d'authentification sans mot de passe comme les identités gérées pour les ressources Azure.

Les clés API comprennent les clés d'administration, qui offrent un accès complet pour toutes les opérations sur le contenu, et des clés de requête, qui offrent un accès en lecture seule à la collection de documents d'un index de recherche. Vous devez configurer les applications qui n'ont pas besoin de mettre à jour l'index pour utiliser une clé de requête et non une clé administrateur, en particulier si un appareil de l'utilisateur final, tel qu'un script s'exécutant dans un navigateur Web, effectue la recherche.

Vous pouvez également sécuriser l'accès au service AI Search au niveau du réseau en l'exposant via un point de terminaison privé.

Pertinence de la recherche

L’efficacité votre application de commerce électronique dépend en grande partie de la pertinence des résultats de la recherche pour vos clients. En réglant soigneusement votre service de recherche pour fournir des résultats optimaux sur la base d'une recherche utilisateur, ou en vous appuyant sur l'analyse du trafic de recherche pour comprendre les modèles de recherche de vos clients, vous pouvez prendre des décisions basées sur des données.

Les méthodes classiques de paramétrage de votre service de recherche incluent les suivantes :

  • Utilisation de profils de scoring pour influencer la pertinence des résultats de la recherche, par exemple, en fonction du champ correspondant à la requête, de l’ancienneté des données et de la distance géographique par rapport à l’utilisateur.
  • L'utilisation d'analyseurs de langage fournis par Microsoft qui utilisent une pile de traitement du langage naturel avancée pour mieux interpréter les requêtes.
  • Utilisation d’analyseurs personnalisés pour garantir que vos produits sont correctement trouvés, en particulier si vous souhaitez rechercher sur des informations non basées sur un langage comme la marque et le modèle d’un produit.

Optimisation des coûts

L’optimisation des coûts consiste à examiner les moyens de réduire les dépenses inutiles et d’améliorer l’efficacité opérationnelle. Pour plus d’informations, consultez Vue d’ensemble du pilier d’optimisation des coûts.

Pour étudier le coût de ce scénario, tous les services mentionnés précédemment sont préconfigurés dans le calculateur de coûts. Pour pouvoir observer l’évolution de la tarification pour votre cas d’usage particulier, modifiez les variables appropriées pour qu’elles correspondent à l’utilisation que vous prévoyez.

Examinez ces exemples de profils de coûts en fonction du volume de trafic que vous prévoyez de gérer :

  • Petit : ce profil utilise une seule application Web Standard S1 pour héberger le site web, le niveau gratuit du service Azure AI Bot, un seul service de recherche Basic et une base de données SQL Standard S2.
  • Moyen : Ce profil fait évoluer l'application Web vers deux instances du niveau Standard S3, met à niveau le service de recherche vers un niveau Standard S1 et utilise une base de données SQL Standard S6.
  • Grand : Ce profil utilise quatre instances d'une application Web Premium P2V2, met à niveau le service Azure AI Bot au niveau Standard S1 (avec 1 000 000 de messages dans les chaînes Premium), et utilise deux unités du service de recherche Standard S3 et une base de données SQL Premium P6.

Déployer ce scénario

Pour déployer une version de ce scénario, vous pouvez suivre ce didacticiel pas à pas qui fournit un exemple d’application .NET qui exécute un site Web de recherche de travaux. Il présente la plupart des fonctionnalités AI Search abordées jusqu’à présent.

Contributeurs

Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.

Auteur principal :

Pour afficher les profils LinkedIn non publics, connectez-vous à LinkedIn.

Étapes suivantes

Pour en savoir plus sur AI Search, consultez le centre de documentation, consultez les exemples, ou un site de démonstration complet en action.

Pour en savoir plus sur d’autres composants Azure, consultez ces ressources :