«Колодки на китайский скутер, 50 кубов»: зачем нишевому интернет-магазину ИИ-подборщик

Покупатель пишет в магазин запчастей: «колодки на китайский скутер, 50 кубов, чёрный, 2019 год». Артикула он не знает, точную модель тоже. Каталог с фильтрами по марке, модели и типу детали на такой запрос не ответит, а поиск ищет только совпадения со словами в названии товара. В LLAIM делают ИИ-подборщик товаров: виджет на сайте, где покупатель описывает задачу своими словами, а система находит подходящие товары в каталоге магазина. Ответ приходит карточками с артикулом, применимостью и ссылкой на страницу товара, так что артикул можно сверить самому. В статье разобрано: - почему покупатель и каталог говорят на разных языках и в каких нишах это особенно заметно; - три правила работы подборщика: отвечает только по каталогу, уточняет вместо того, чтобы угадывать, и зовёт оператора, если ответа в базе нет; - где подборщик может ошибиться, например при скудных данных в каталоге; - кому он подходит, а кому хватит обычных фильтров; - как проходит запуск: одна категория, подготовка данных, настройка и тестирование, встраивание виджета. Типовой срок MVP для одного каталога или линейки товаров составляет 2-3 недели, но это ориентир, а не обещание: срок больше всего зависит от качества данных. Подборщик собирали и проверяли на демо-версии с тестовым каталогом, магазин и товары на иллюстрациях вымышленные. Статья о собственном продукте, это сказано в ней прямо. Полная версия материала - на VC.RU.

или оставьте заявку — перезвоним сами

Согласен(на) на обработку персональных данных Оставить заявку