رتّب فرص عناوين المنتجات وفق فجوات البحث

استخرج عبارات ذات نية عالية من كتالوج BigQuery وافحص عناوين المنافسين عبر المتصفح وأنتج توصيات تعديل مرتبة.

الهدف

سلّم فريق المنتجات تقريرًا بفجوات البحث والدرجات والعناوين المقترحة.

اضبط بيانات منتجات BigQuery للقراءة فقط وبيانات Vertex AI/ADK وحدد مجموعة المنتجات. [src10-google-score-product-title-opportunities-from-search-results]
يستخرج keyword_finding_agent كلمات الفئة والأسلوب والصفة والاستخدام؛ ويفحص search_results_agent عناوين المنافسين بأداة ComputerUseToolset. [src10-google-score-product-title-opportunities-from-search-results]
اطلب من comparison_root_agent إنشاء TitleOptimizationReport وترتيب التعديلات حسب فجوات الكلمات ودرجة قابلية البحث. [src10-google-score-product-title-opportunities-from-search-results]

تحقق من وجود معرّف منتج BigQuery وملاحظة منافس ودرجة 0–100 لكل بند؛ ولا تغير التوصية حقائق المنتج أو العلامة.

إذا لم يعرض BigQuery منتجات فتحقق من المشروع ومجموعة البيانات؛ وإذا تعذر البحث فوسم بيانات المنافسين بأنها غير متاحة بدل اختلاقها.

Python 3.11–3.12 وuv ومشروع Google Cloud ووصول قراءة إلى Vertex AI وBigQuery وChromium عبر Playwright.

يقرأ الكتالوج ويرسل طلبات بحث إلى مواقع التجزئة؛ وقد تترتب تكاليف نموذج/سحابة ولا يكتب إلى الكتالوج افتراضيًا.

راجع عناوين المنافسين ونتائج البحث دورياً، وقِس أثر تعديل العنوان على الزيارات والتحويل.

تعكس هذه القيم المستودع الأصلي كله، ولا تمثل إعجابات أو شعبية مهارة أو دليل منفرد.

لا تتوفر لقطة مقاييس بعد.

الترخيص: Apache-2.0