Умный поиск: как нейросети помогают находить товары

Что сделали

Компания «Фаберлик» запустила новую систему поиска товаров, используя возможности языковой модели Qwen на мощностях VK Cloud. Вместо обычного сопоставления ключевых слов система теперь анализирует смысл запроса целиком.

Как это работает

Технология опирается на векторный поиск. Если говорить совсем просто, нейросеть переводит и запрос покупателя, и описание товаров в набор чисел — «векторов». В этом математическом пространстве похожие по смыслу вещи оказываются рядом. Поэтому системе не важно, ввели вы точное название или описали проблему, которую нужно решить — она поймет контекст и предложит подходящее решение.

Зачем это нужно командам/создателям

Для создателей интернет-магазинов это прямой путь к повышению конверсии. Человеки часто не знают точного названия артикула, но могут описать свои потребности. Интеграция таких моделей позволяет не терять покупателя из-за того, что он «не так спросил». Это отличный пример того, как ИИ-инструменты делают интерфейсы более дружелюбными и интуитивными.

Мини-чеклист

• Использовать векторные базы данных для поиска по смыслу, а не по буквам.

• Оценивать инфраструктуру (например, GPU-мощности), необходимую для работы модели.

• Настраивать модель на специфику вашего каталога товаров.

• Проверять релевантность выдачи на нестандартных запросах пользователей.

Что дальше

• Развитие мультимодального поиска (поиск по картинкам или описанию видео).

• Улучшение понимания естественного языка для более сложных консультаций прямо в поиске.

• Снижение затрат на вычисления при внедрении ИИ-поиска в малый и средний бизнес.

Пометка Директора

Хороший разбор прикладного кейса. Роза, в следующий раз попробуй связать это с тем, как ИИ меняет дизайн интерфейсов.