Умный поиск для интернет-магазина: чем он отличается от обычного поиска, фильтров и подборщика

Что вы узнаете:

• простое объяснение, чем умный поиск отличается от поиска по словам, фильтров и диалогового подборщика
• таблицу выбора из трёх решений с требованиями к данным
• список того, что подготовить в каталоге до запуска
• метрики и проверку результата без обещаний роста

Коротко: что такое умный поиск и кому он нужен

Умный поиск для интернет-магазина - это та же строка поиска на сайте, но она ищет товары по смыслу запроса, а не только по совпадению слов. Такой поиск может учитывать опечатки и синонимы, принимает запрос своими словами и выдаёт список подходящих товаров. Диалога при этом нет: покупатель вводит запрос и получает список.

На наш взгляд, умный поиск стоит рассматривать, когда покупатели называют товары не так, как они записаны в каталоге, а нужную позицию сложно найти среди ассортимента. Если в каталоге несколько десятков позиций или покупатели приходят с готовым артикулом, обычно хватает обычного поиска и фильтров.

От диалогового подборщика умный поиск отличается тем, что не задаёт уточняющих вопросов. Подборщик ведёт разговор, а поиск отвечает на один запрос. Как внедряют подборщик, мы уже разбирали в статье «Внедрение интерактивного подборщика». Здесь речь о строке поиска и о том, как выбрать между тремя решениями.

Три решения: обычный поиск, умный поиск, подборщик

Сначала разберёмся в понятиях. Их легко смешать и выбрать не то решение.

	Обычный поиск по словам	Умный поиск	Диалоговый подборщик
Как работает	Ищет совпадения слов запроса со словами в названии и описании	Сочетает поиск по словам и смыслу, учитывает опечатки и синонимы	Задаёт уточняющие вопросы и сужает выбор до нескольких вариантов
Что умеет	Находить товары по точному названию, артикулу или идентификатору	Находить товары по запросу своими словами, с опечаткой или другим названием	Вести покупателя от задачи к товару и объяснять выбор
Когда подходит	Небольшой каталог, покупатели знают артикул	Покупатели называют товар по-своему	Товары похожи друг на друга, а выбор зависит от нескольких параметров, например совместимости или назначения
Что нужно в данных	Аккуратные названия и артикулы	Названия, описания, характеристики, список синонимов и журнал запросов	Характеристики и применимость товаров, а также параметры, без которых выбор невозможен
Слабое место	Может не найти товар, если слова в запросе и каталоге не совпали	Может показать «похожее» вместо точного совпадения; поиск нужно настраивать и проверять	Нужны диалог и правила; при неполных данных подборщик может ошибиться

Фильтры - отдельный инструмент. В рамках этого сравнения они отбирают товары по заданным параметрам, например бренду, цене или размеру. Покупателю нужно понимать, какие характеристики выбрать. Фильтры и умный поиск могут дополнять друг друга: поиск помогает найти нужный раздел или группу товаров, а фильтры - сузить выбор.

Как это работает простыми словами

Умный поиск может сочетать несколько приёмов. Вот основные.

Опечатки. Поиск допускает небольшое различие между введённым словом и словом в каталоге. Например, запрос «шампун» может найти товар, даже если покупатель пропустил букву. В документации поисковых движков такой подход называют нечётким поиском (fuzzy); допустимое число правок настраивается.

Синонимы. Для пары «кроссовки - кеды» или «колодки - тормозные накладки» можно задать правило: запрос по одному слову находит товары, в описании которых есть другое. Такие правила настраивает человек; для этого не обязательно использовать ИИ. Это один из способов учесть частые расхождения между словами покупателя и каталога.

Поиск по смыслу. Модель превращает запрос и описания товаров в числовые «отпечатки» смысла - векторы - и ищет близкие друг к другу. Поэтому запрос «что-то для жарки блинов» может найти сковороду, хотя слова «жарка» в названии нет. Такой подход называют семантическим, или векторным, поиском.

Гибридный поиск. Он объединяет поиск по словам и поиск по смыслу. У семантического поиска есть слабое место: он может пропустить точное совпадение и вернуть похожие товары. Артикул или название новой модели могут быть незнакомы модели, которая превращает текст в векторы. Поиск по словам помогает находить точные названия и артикулы, а смысловой - учитывать разные формулировки. Баланс между подходами подбирают на реальных запросах; универсальной пропорции нет.

Ранжирование. Если найдено много товаров, их порядок влияет на то, что покупатель увидит первым. Стоит заранее решить, что важнее для вашего магазина: например, наличие товара или близость к запросу. Это выбор для бизнеса, а не только техническая настройка.

Отдельный вариант - языковая модель, которая формулирует ответ на основе результатов поиска. Важно, чтобы она опиралась на найденные товары, а не отвечала без них. Передача модели найденных данных может снижать риск выдумок, но не исключает его. Поэтому ответы нужно проверять на тестовом наборе запросов.

Что близко из решений LLAIM

Отдельной услуги «умный поиск» у LLAIM нет. Близкую задачу для покупателя решает ИИ-подборщик: покупатель описывает задачу своими словами, а подборщик предлагает товары из каталога и показывает карточки с артикулом и ссылкой на страницу товара. По описанию на странице решения подборщик предлагает только товары из базы, а если данных для ответа нет - зовёт оператора.

Для сотрудников есть виртуальный ассистент: он ищет по документам, регламентам и базам знаний компании, а также показывает источник ответа. Если нужно, чтобы система не только отвечала, но и действовала в ваших системах, это задача ИИ-агентов. Как сказано на странице решения, они опираются на базу знаний компании и понимают формулировки, а не только ключевые слова. Что подойдёт именно вам, зависит от каталога и процесса.

Что подготовить до запуска

Качество поиска зависит и от каталога, и от настройки. Перед запуском стоит подготовить такой набор:

1. Выгрузку каталога. Названия, артикулы, категории, описания, характеристики и наличие. Если часть полей пустая, поиск может ошибаться при выборе товаров, для которых эти сведения важны.
2. Атрибуты, по которым покупатели выбирают товар. Например, совместимость, размер, назначение и материал. Если этих данных нет в каталоге, поиск по смыслу не сможет надёжно использовать их при подборе.
3. Список синонимов и сокращений. Запишите, как покупатели называют товары в вашей нише, в том числе жаргонными и бытовыми словами. Источниками могут быть вопросы менеджерам, чаты и звонки.
4. Журнал поисковых запросов. Он поможет увидеть, что вводят покупатели и какие запросы не дают результата. В Google Analytics 4 расширенные события включают поиск по сайту: событие view_search_results и параметр search_term. Событие срабатывает, если в URL страницы с результатами поиска есть параметр запроса (по умолчанию, по справке Google, это q, s, search, query или keyword); попросите разработчика проверить, что на вашем сайте это так. Возможности других платформ зависят от конкретной системы.
5. Набор проверочных запросов. Для начала можно взять примерно два-три десятка реальных запросов и для каждого отметить, какой товар должен быть в выдаче. Добавьте и запросы про товары, которых нет в каталоге: в таких случаях поиск должен показать пустой результат.
6. Ответственного за проверку. Назначьте человека, который будет регулярно разбирать запросы без результата и при необходимости дополнять список синонимов.

Как измерять

Метрики нужны, чтобы понять, помогает ли поиск, а не чтобы обещать рост. Результат зависит от каталога, аудитории и состояния сайта. Поэтому лучше сравнивать собственную динамику, а не ориентироваться на чужие цифры.

• Доля запросов без результата. Это число запросов, по которым ничего не нашлось, делённое на общее число запросов. Универсальных пороговых значений мы не приводим: полезнее смотреть на динамику своего магазина.
• Содержание запросов без результата. Регулярно разбирайте самые частые запросы: есть ли товар в каталоге, не мешает ли опечатка или другое название, либо товара действительно нет в ассортименте. Если товара нет, это может быть поводом оценить ассортимент, а не признаком ошибки поиска.
• Переходы из поиска в карточку товара. Можно отслеживать долю поисковых сессий, после которых покупатель открыл карточку.
• Повторные запросы подряд. Если покупатель сразу переписывает запрос, это может быть признаком, что первый результат его не устроил.
• Заказы после поиска. Можно считать долю сессий с поиском, в которых покупатель оформил заказ. Это не единственный показатель качества поиска: на заказ также влияют цена, наличие и доставка.
• Обращения к менеджерам. Если вопросов «что у вас есть для…» стало меньше, это может быть косвенным признаком, что поиск помогает. Но само по себе такое изменение не доказывает, что причина именно в поиске.

Стоит сравнивать периоды одинаковой длины и с учётом сезонности. Если это возможно, часть трафика можно оставить на старом поиске, чтобы сопоставить результаты.

Риски

Ложные совпадения. Поиск по смыслу может вернуть «похожее»: например, показать другую модель по запросу с конкретным названием. Для товаров, где важна точность, например запчастей, крепежа и совместимых аксессуаров, это стоит проверять особенно внимательно. Не стоит заменять точный поиск по артикулам и названиям смысловым: оба типа запросов лучше проверять отдельно.

ИИ придумывает товар. Если ответ формулирует языковая модель, она может назвать позицию, которой нет в каталоге, или приписать товару характеристику. Передача найденных карточек модели может снижать риск, но не исключает его. Можно показывать рядом с ответом артикул и ссылку на товар, а если данных не хватает - сообщать об этом или передавать вопрос человеку. Так, по описанию на странице решения, работает ИИ-подборщик LLAIM. Это не означает стопроцентной точности: перед запуском нужен проверочный набор запросов, а после запуска - выборочная проверка.

Неполные и неаккуратные данные. Дубли карточек, пустые характеристики и одинаковые названия у разных товаров могут мешать поиску. Каталог стоит проверить до запуска, а не рассчитывать, что настройка поиска сама устранит такие проблемы.

Персональные данные в журнале запросов. Покупатели могут случайно вводить в строку поиска лишнее: фамилию, телефон или номер заказа. Поэтому журнал может содержать такие данные. Заранее определите срок хранения, ограничьте доступ и при необходимости очищайте записи с личными данными. Как организовать это в соответствии с законодательством о персональных данных, проверьте у своего юриста и в актуальной редакции норм.

Лишняя сложность. Умный поиск нужно настраивать, проверять и сопровождать. Если потенциальная польза невелика, обычно разумнее начать с синонимов и учёта запросов.

Когда умный поиск не нужен

• В каталоге несколько десятков позиций: покупателю может быть проще просмотреть их, чем вам - настраивать поиск.
• Покупатели приходят с готовым артикулом или точным названием: обычный поиск может справиться с такой задачей.
• Вы не знаете, что люди ищут, потому что журнала запросов нет. Стоит начать со сбора запросов и добавления синонимов: это можно проверить до внедрения новых технологий.
• Выбор зависит от нескольких параметров, а покупателю трудно описать задачу одной строкой. Тогда, на наш взгляд, больше подходит подборщик с уточняющими вопросами. Пример такой задачи - запчасти и техника, см. разбор бота для заказа автозапчастей.
• Данные каталога сильно неполные. Сначала стоит привести каталог в порядок.

Как проверить результат

1. До запуска проверьте набор запросов из шага 5 на старом поиске и запишите, сколько раз нужный товар оказался на первых местах.
2. Повторите проверку на новом поиске. Сравните отдельно запросы с артикулом, опечаткой, синонимом и описанием задачи: так можно увидеть, где поиск стал работать лучше, а где хуже.
3. Добавьте в набор запросы про товары, которых нет в каталоге. Для них пустой результат - правильный ответ.
4. Первые несколько недель можно вручную просматривать журнал: проверять нулевые выдачи, повторные запросы и жалобы менеджеров.
5. Через один-два месяца (ориентир, а не норма) можно сравнить метрики из предыдущего раздела с показателями за сопоставимый период до запуска, учитывая сезонность и рекламу.
6. Если поиск стал хуже находить товары по артикулам, можно проверить настройки поиска по словам. Если хуже срабатывают запросы с описанием задачи, проверьте синонимы и атрибуты каталога.

Если хотите обсудить, что подойдёт для вашего каталога - поиск, подборщик или их сочетание, оставьте заявку: первичная консультация и оценка сроков и стоимости.

Источники

• Google Cloud: страница About hybrid search (семантический, токенный и гибридный поиск)
• Meilisearch, раздел о режимах поиска: режимы keyword, semantic и hybrid search, их сильные и слабые стороны
• Elasticsearch, описание: параметр fuzziness запроса match; поиск с синонимами
• Справка Google Analytics: расширенные события, поиск по сайту (view_search_results)
• Справка Google Analytics: параметры запроса в URL для события view_search_results
• Страницы решений LLAIM: ИИ-подборщик товаров, виртуальные ассистенты, ИИ-агенты