Wszystkie wpisy

Inteligentna wyszukiwarka produktowa - 4 rozwiązania powiązane z AI i literówkami klientów

Kupujący z literówką w zapytaniu ma znaleźć produkt zamiast pustej strony. 4 rozwiązania, od tolerancji literówek po ranking z modelem językowym.

Klient wpisuje „rower elekryczny 29 cali" i dostaje pustą stronę albo 400 wyników bez związku z pytaniem. Sklep traci w tej chwili osobę, która wiedziała, czego chce, i była gotowa zapłacić.

Cztery rozwiązania wyszukiwarki opisane niżej, od tolerancji literówek po ranking z modelem językowym, działają tylko tak dobrze, jak dane w katalogu, po których szukają.

Co kosztuje wyszukiwarka, która nie znajduje

Kupujący, który używa wyszukiwarki, zwykle wie, czego szuka. Wpisuje markę, model, rozmiar albo cechę. To najbardziej zdecydowana część ruchu w sklepie i jednocześnie ta, która najszybciej wychodzi, kiedy lista wyników nie zawiera tego, co miała zawierać.

Pusta strona wyników ma dwa źródła. Pierwsze to zapytanie, z którym silnik sobie nie radzi, czyli literówka, liczba mnoga, skrót albo nazwa potoczna zamiast nazwy z cennika. Drugie to katalog, w którym produkt istnieje, ale w takiej postaci, że żaden silnik go nie dopasuje. Producent zapisany na cztery sposoby. Pojemność akumulatora raz w watogodzinach, raz w amperogodzinach, raz w opisie zamiast w atrybucie. Ten sam model jako trzy osobne karty, bo przyszedł od trzech dostawców. Do katalogu Trippi ten sam produkt przychodził od kilku dystrybutorów, każdy w innym zapisie nazwy i z innym zestawem atrybutów. Wyszukiwarka nad takim katalogiem może być dowolnie droga i dalej będzie pokazywać trzy karty tego samego roweru albo żadnej.

Koszt zaniechania ma dwie pozycje. Pierwsza to sprzedaż, która nie doszła do skutku, bo kupujący nie znalazł produktu, który sklep miał na stanie. Druga to praca zespołu, który ręcznie dopisuje synonimy, ustawia promowane wyniki dla popularnych fraz i odpowiada na maile z pytaniem, czy sklep ma dany model, chociaż model jest w ofercie od roku. Obie pozycje rosną razem z katalogiem. Przy 500 produktach da się je obejść ręcznie, przy 12 000 SKU już nie.

Prosty test zajmie kwadrans. Weź 20 ostatnich zapytań z logów wyszukiwarki, które skończyły się zerem wyników, i sprawdź ręcznie, ile z tych produktów sklep ma na stanie. Wynik mówi, czy problem leży w silniku, czy w danych.

Trzy podejścia do wyszukiwania w sklepie

Porównanie jest jakościowe. Wynik każdego z podejść zależy od wielkości katalogu, liczby dostawców i od tego, w jakim stanie są dziś dane produktowe. Liczby z jednego wdrożenia są w sekcji o Trippi niżej.

Podejście Literówka w zapytaniu Synonim albo nazwa potoczna Co się dzieje, gdy dane są niespójne Praca po stronie firmy Zmiana reguł Uzależnienie od dostawcy oprogramowania
Wyszukiwanie wbudowane w platformę sklepową (dopasowanie tekstu w bazie) Zero wyników Zero wyników, chyba że ktoś dopisał słowo kluczowe do produktu Zwraca wszystko, co pasuje tekstowo, razem z duplikatami Ręczne dopisywanie słów kluczowych do produktów Ograniczona do tego, co platforma przewidziała Zależne od platformy sklepowej
Zewnętrzna usługa wyszukiwania (SaaS z tolerancją literówek i modelem AI) Dopasowanie mimo literówki Słownik synonimów utrzymywany w panelu usługi Indeksuje dane w takiej postaci, w jakiej przyszły. Duplikaty i braki atrybutów trafiają do wyników Utrzymanie słownika i reguł rankingu w cudzym panelu W granicach konfiguracji usługi Wysokie. Indeks, słownik i reguły żyją u dostawcy, a cennik zwykle liczy się od zapytań lub rekordów
Własny silnik nad uporządkowanym katalogiem (schematy produktów, atrybuty z jednostkami) Dopasowanie do jednej kanonicznej nazwy Synonimy przypięte do kategorii i atrybutów zamiast do pojedynczych produktów Niespójne dane nie przechodzą importu, więc nie trafiają do wyników Pilnowanie schematu przy imporcie od dostawców Reguły są kodem, który należy do firmy Niskie. Silnik da się wymienić, dane zostają

Trzecie podejście nie wyklucza drugiego. Zewnętrzna usługa nad uporządkowanym katalogiem działa lepiej niż nad nieuporządkowanym, bo dostaje jeden rekord na produkt i atrybuty w jednych jednostkach. W drugim podejściu zespół łata skutki złych danych w panelu usługi, produkt po produkcie. W trzecim porządkuje dane raz, przy imporcie. Sklepy budujemy na Laravelu i Lunar PHP, na licencji MIT, bez opłat licencyjnych. Za schematy produktów odpowiada nasz pakiet wizcodepl/lunar-product-schemas, ten sam, który pilnuje katalogu Trippi. Zakres takiego projektu opisuje strona dopasowanego e-commerce B2C.

Droga zapytania od pola wyszukiwania do listy wyników

Przepływ niżej pokazuje, co system robi z zapytaniem „rower elekryczny cube 29 cali 625wh". Każdy krok korzysta z danych, które ktoś przygotował wcześniej.

  1. Kupujący wpisuje zapytanie. System rozbija je na pojedyncze słowa i liczby i sprowadza słowa do formy podstawowej, więc „rowery" i „rower" to ten sam element.
  2. Dla każdego słowa system szuka dopasowania w indeksie z tolerancją na 1-2 zamienione litery. „Elekryczny" trafia w „elektryczny", bo w indeksie jest jedna forma tego słowa.
  3. Słowo „cube" jest porównywane z listą marek. Trafia, bo marka ma w katalogu jedną kanoniczną nazwę zamiast czterech wariantów zapisu.
  4. „29 cali" i „625wh" zostają rozpoznane jako wartości atrybutów, czyli rozmiar koła w calach i pojemność akumulatora w watogodzinach. Zamieniają się w filtry, tak jakby kupujący zaznaczył je na listingu.
  5. Słownik synonimów dokłada do zapytania „e-bike" i „ebike", bo w kategorii rowerów elektrycznych te słowa wskazują to samo.
  6. Silnik zwraca listę, w której jeden model to jeden wynik, a warianty rozmiaru ramy i koloru siedzą wewnątrz karty produktu.
  7. Ranking układa wyniki według dopasowania, dostępności i ceny. Jeśli sklep ma w rankingu model językowy, dokłada on ocenę podobieństwa opisu produktu do zapytania.
  8. Kupujący widzi listę i filtry, które mają pokrycie w tej liście.

Kroki 3, 4 i 6 wymagają danych, których w typowym katalogu od kilku dostawców nie ma. W kroku 3 potrzebna jest jedna nazwa marki. W kroku 4 jednostki przy atrybutach. W kroku 6 deduplikacja i rozdzielenie wariantu od produktu.

Cztery rozwiązania, które zależą od danych katalogu

Cztery rozwiązania niżej różnią się rodzajem zapytania, z którym sobie radzą. Każde z nich potrzebuje katalogu, w którym produkt występuje raz, marka ma jedną nazwę, a atrybuty mają typ i jednostkę.

Tolerancja literówek na jednej nazwie produktu

Tolerancja literówek to dopasowanie przybliżone. Silnik liczy, ile liter trzeba zmienić, dodać albo usunąć, żeby z wpisanego słowa zrobić słowo z indeksu, i przyjmuje dopasowania z odległością 1 albo 2. „Shimano" wpisane jako „shimno" trafia. To rozwiązanie jest w zewnętrznych usługach wyszukiwania i w większości silników pełnotekstowych, więc samo w sobie nie wyróżnia sklepu.

Problem zaczyna się, gdy w indeksie jest kilka wersji tej samej nazwy. Jeśli marka występuje w katalogu jako „Cube", „CUBE Bikes", „Cube-Bikes" i „cube bikes gmbh", dopasowanie przybliżone rozrzuci produkty tej marki na cztery grupy o różnym wyniku dopasowania. Część rowerów pojawi się na górze listy, część na trzeciej stronie, a kupujący uzna, że sklep ma węższą ofertę, niż ma. Jednolite nazewnictwo marek i modeli, wprowadzone w sklepie Trippi zamiast czterech konwencji zapisu tego samego producenta, jest warunkiem, żeby tolerancja literówek dawała jedną listę.

Nazwa marki i modelu musi być ustalana przy imporcie od dostawcy, zanim produkt trafi do sklepu. Poprawianie nazw po fakcie kończy się przy pierwszej aktualizacji cennika, która nadpisze poprawki.

Słownik synonimów przypięty do kategorii i atrybutów

Kupujący rzadko używa nazw z cennika dystrybutora. Pisze „elektryk", „e-bike", „ebike", „rower z silnikiem". W cenniku jest „rower elektryczny", „E-Bike" albo „EBIKE", w zależności od dostawcy. Słownik synonimów mapuje słowa kupującego na słowa katalogu.

W większości platform słownik jest listą par słów na poziomie całego sklepu albo słowami kluczowymi dopisywanymi ręcznie do każdego produktu. Przy 12 000 SKU drugi wariant jest nie do utrzymania, a pierwszy myli kategorie. „Tarczówka" w kategorii rowerów oznacza wartość atrybutu hamulców, a w kategorii części jest osobnym produktem.

Rozwiązanie, które daje się utrzymać, to synonimy przypięte do kategorii i do wartości atrybutów. „Tarczówka" w rowerach wskazuje na wartość „tarczowe hydrauliczne" w atrybucie hamulców, a w częściach na typ produktu. Słownik ma wtedy kilkadziesiąt wpisów zamiast kilku tysięcy, a nowy produkt dziedziczy synonimy swojej kategorii i swoich atrybutów bez pracy ręcznej. Warunkiem jest drzewo kategorii, które odpowiada temu, jak kupujący nazywa rzeczy, oraz atrybuty z ustalonymi wartościami. W Trippi listing „Elektryczne" to 1368 produktów rozbitych na podkategorie, między innymi miejskie, trekkingowe, górskie i cargo.

Liczby i jednostki wyciągane z zapytania

Znaczna część zapytań w sklepach z asortymentem technicznym zawiera liczbę. „29 cali", „625 wh", „rozmiar M", „rama 54". Zwykła wyszukiwarka tekstowa traktuje „29" jak słowo i szuka go w opisach. Trafia w numer katalogowy, w wagę „12,29 kg" i w rok modelowy.

Rozwiązanie polega na tym, że system rozpoznaje w zapytaniu parę liczba plus jednostka i zamienia ją na filtr po atrybucie. „29 cali" staje się filtrem rozmiaru koła, „625 wh" filtrem pojemności akumulatora. Kupujący dostaje ten sam wynik, jaki dostałby po zaznaczeniu filtrów na listingu, tylko bez klikania. Sprzedawcy usług nazywają tę część wyszukiwarki rozpoznawaniem intencji, a pod spodem jest mapowanie fragmentu zapytania na pole w bazie.

To rozwiązanie nie działa, jeśli atrybuty nie mają jednostek. Gdy jeden dostawca podaje pojemność akumulatora w watogodzinach, drugi w amperogodzinach, a trzeci wpisuje ją w opis jako „bateria 625", system nie ma jednego pola, do którego mógłby przypiąć filtr. W Trippi schemat produktu wymusza, że pojemność akumulatora jest liczbą w watogodzinach, a rozmiar koła liczbą w calach, niezależnie od tego, który z czterech dystrybutorów przysłał produkt. System pilnuje też, co musi być uzupełnione przed publikacją, więc rower elektryczny bez pojemności akumulatora nie trafia do sklepu.

Ten sam mechanizm decyduje o filtrach na listingu. W Trippi wartości filtrów pochodzą wprost z atrybutów, więc nie da się wystawić filtra bez pokrycia w danych, a filtr bez wyników się nie pokazuje.

Model językowy w rankingu wyników

Czwarte rozwiązanie jest tym, które dostawcy usług wyszukiwania nazywają AI. Model językowy zamienia opis produktu i zapytanie kupującego na ciągi liczb, a silnik liczy odległość między nimi. Zapytanie „rower do dojazdów do pracy z bagażnikiem" nie zawiera żadnego słowa z nazwy produktu, a mimo to trafia w rowery miejskie i trekkingowe z bagażnikiem, bo ich opisy leżą blisko takiego zapytania. Model wylicza podobieństwo tekstów na podstawie tego, jakie słowa występowały razem w materiale, na którym go trenowano.

Drugi element to ranking oparty na zachowaniu kupujących. System zapisuje, które wyniki po danym zapytaniu były klikane i kupowane, i podnosi je w kolejnych wynikach. Po kilku tygodniach „rower dla dziecka 6 lat" wyświetla na górze te modele, które rodzice wybierali najczęściej.

W obu elementach jakość wyniku zależy od tekstu, który model dostaje. Jeśli ten sam rower ma trzy karty od trzech dostawców, model wyliczy trzy prawie identyczne ciągi liczb i zwróci trzy pierwsze wyniki, które są jednym produktem. Jeśli opis od dostawcy to dwa zdania i numer katalogowy, wynik modelu nie niesie informacji o tym, do czego rower służy. Deduplikacja i rozdzielenie wariantu od produktu, wykonane w Trippi przed jakąkolwiek pracą nad frontem sklepu, są warunkiem, żeby ranking z modelem zwracał listę różnych produktów zamiast jednego produktu w kilku kopiach.

W B2B ten element daje mniej. W panelu B2B dla iBox ponad 30 kontrahentów zamawia z katalogu ponad 8 000 pozycji od pięciu producentów. Kontrahent najczęściej ponawia poprzednie zamówienie albo zna model, który zamawia, więc zapytania opisowe prawie nie występują. Jedna kanoniczna nazwa produktu i numer katalogowy w osobnym polu dają tam jednak dokładnie to samo, co w sklepie dla konsumenta. Różnice między sklepem B2C a platformą zakupową B2B dotyczą cenników i limitów kupieckich.

Trippi - 22 000 pozycji od czterech dystrybutorów, 12 000 SKU w sklepie

Wyzwanie. Trippi sprzedaje rowery, e-bike i akcesoria rowerowe w sklepie na Lunar PHP i Laravelu. Katalog pochodzi od czterech dystrybutorów, z których każdy inaczej opisuje ten sam sprzęt. Inna nomenklatura, inne jednostki, różny poziom szczegółowości. Razem ponad 22 000 pozycji, z czego do sprzedaży ma trafić 12 000 SKU. Punktem startowym były dane w postaci, w jakiej przysyłał je każdy z dostawców. Filtry były jednym zestawem na cały sklep, wspólnym dla rowerów, kasków i zapięć. Podpięcie nowego dostawcy zajmowało 2-3 tygodnie pracy programisty. Do produktu prowadziła wyszukiwarka i nazwa w brzmieniu z cennika.

Rozwiązanie. Praca poszła w dane, zanim ktokolwiek dotknął frontu sklepu. Deduplikacja produktów występujących u kilku dostawców, żeby jeden model był jedną kartą. Jednolite nazewnictwo marek i modeli zamiast czterech konwencji zapisu. Rozdzielenie wariantu, czyli rozmiaru ramy i koloru, od osobnego produktu. Schematy produktów, w których rower elektryczny, rower dziecięcy, kask i zapięcie mają własne zestawy atrybutów z typami i jednostkami, a system pilnuje, co musi być uzupełnione przed publikacją. Filtry przypięte do kategorii, z wartościami wprost z atrybutów. Dane od każdego z czterech dostawców są sprowadzane do tego standardu już przy imporcie, więc kolejna aktualizacja cennika nie psuje tego, co zostało uporządkowane.

Wyniki. W sklepie jest 12 000 SKU wybranych z 22 000, według reguł, które Trippi zmienia bez programisty. Listing „Elektryczne" to 1368 produktów rozbitych na podkategorie. Kupujący dochodzi do produktu przez kategorie i filtry, a wyszukiwarka pracuje na tym samym katalogu. Podpięcie nowego dostawcy skróciło się z 2-3 tygodni do 2-3 dni. Każde z czterech rozwiązań opisanych wyżej da się uruchomić na tym katalogu bez ponownego porządkowania danych.

Checklista dla zarządu

Pytania do sprawdzenia przed decyzją o wyszukiwarce z AI:

  • Ile zapytań w wyszukiwarce sklepu w ostatnim miesiącu skończyło się zerem wyników i ile z tych produktów było na stanie?
  • Czy ten sam produkt od dwóch dostawców jest w sklepie jedną kartą czy dwiema?
  • Ile wariantów zapisu ma w katalogu najczęściej sprzedawana marka?
  • Czy pojemność, rozmiar i waga są osobnymi polami z jednostką, czy fragmentem opisu?
  • Kto decyduje, które produkty z cennika dostawcy wchodzą do sklepu, i czy da się to zmienić bez programisty?
  • Gdzie jest zapisany słownik synonimów, w kodzie sklepu, w panelu zewnętrznej usługi czy w głowie osoby od katalogu?
  • Czy sklep zapisuje, co kupujący wpisali i co po tym kliknęli?
  • Ile trwa podpięcie nowego dostawcy i kto to robi?

Porozmawiajmy o wyszukiwarce w Twoim sklepie

Jeśli w Twoim sklepie klienci wpisują nazwę modelu i dostają pustą stronę, a zespół dopisuje synonimy ręcznie, to dobry moment na rozmowę. Pokaż nam eksport katalogu od jednego dostawcy i logi wyszukiwarki z ostatniego miesiąca, a my powiemy, które z czterech rozwiązań zadziała od razu, a które czeka na uporządkowanie danych. Jak budujemy takie sklepy, opisuje strona dopasowanego e-commerce B2C. Cały projekt Trippi, od reguł selekcji oferty po filtry, jest opisany w realizacji dla Trippi.

O autorze

Kuba Szcześniak

Kuba Szcześniak

Founder · Lead engineer

Pracuję z hurtowniami, dystrybutorami i sklepami, które przerosły pudełkową platformę: mają katalog od kilku dostawców, indywidualne cenniki i procesy, których SaaS nie udźwignie.