Semantic Commerce Search

Исходные данные и проблематика (System Error)

Крупный ритейлер одежды и аксессуаров (SKU > 100,000 позиций) имел катастрофический показатель "Zero Results Rate" — доля поисковых запросов, на которые сайт выдавал "Товар не найден". Проблема заключалась в устаревшем алгоритме поиска, который искал точное совпадение букв в названии (lexical search).

Если клиент писал "красные осенние кроссы", а в базе товар назывался "Кроссовки демисезонные Nike, цвет алый", сайт выдавал пустоту. Клиенты не хотят думать, как правильно называется товар в вашей 1С, они пишут интуитивно, с опечатками, сленгом и длинными описаниями ("то самое черное платье с открытой спиной"). До 25% горячего трафика сливалось на этапе поиска.

Архитектура решения (DS Solution)

Мы произвели полную хирургическую замену поискового движка. Вместо поиска по ключевым словам мы внедрили Vector Semantic Search (семантический поиск). Каждый товар в базе (его название, описание, категория и даже характеристики изображения) был пропущен через NLP-модель и превращен в многомерный математический вектор (Embedding).

Когда клиент вводит запрос "легкая куртка на весну", запрос также векторизуется. Алгоритм ищет не совпадение букв, а ближайшие точки в векторном пространстве (Cosine Similarity) — то есть товары, подходящие по смыслу. Система мгновенно понимает, что "куртка на весну" = "ветровка", "демисезонное пальто", "анорак".

Протокол интеграции (Deployment Protocol)

1. Data Vectorization: Пакетная обработка всего каталога (PIM-системы) с помощью моделей Sentence-Transformers. Загрузка эмбеддингов в высокоскоростную векторную БД (Milvus/Elasticsearch).
2. Synonym & Typo Mapping: Дообучение модели на специфическом сленге fashion-индустрии и автоматическая толерантность к опечаткам.
3. Ranking Logic: Настройка гибридного поиска (Hybrid Search). Мы смешиваем семантику с жесткими фильтрами: сначала смысл, потом сортировка по наличию на складе и маржинальности.
4. Frontend API: Бесшовная замена эндпоинта поиска на сайте и в мобильном приложении без остановки продаж.

Измеримый импакт (ROI)

Результаты А/В тестирования показали радикальное изменение метрик. Количество пустых поисковых выдач (Zero Results) сократилось на 60%. Интеллектуальный поиск начал спасать "сложные" запросы пользователей.

Конверсия в добавление товара в корзину (Add to Cart Rate) из поиска выросла на 35%. За счет того, что клиенты стали находить именно то, что им нужно, общая конверсия сайта выросла на 18%, что дало миллионы рублей дополнительной выручки ежемесячно без увеличения маркетингового бюджета. Алгоритм монетизировал уже существующий трафик.