AI-пошук товарів в інтернет-магазині: як допомогти клієнту знайти потрібне

Покупець вводить у пошук «куртка для дощової осені». У каталозі ця модель описана як «мембранна демісезонна куртка з проклеєними швами». Жодного спільного слова — і звичайний пошук показує порожню сторінку, хоча потрібний товар лежить на складі. Людина йде до конкурента, а магазин навіть не дізнається, що втратив продаж.

AI-пошук товарів працює інакше: він намагається зрозуміти, що людина має на увазі, і зіставити намір із характеристиками товарів. Дощова осінь — отже, важливі водостійкість, демісезонність і, можливо, капюшон. Але якість такого пошуку залежить не стільки від «розумності» мовної моделі, скільки від того, наскільки добре описаний каталог.

Три типи покупців у вашому пошуку

Найпростіше проєктувати пошук не від технологій, а від людей, які ним користуються. У більшості магазинів це три різні сценарії.

Той, хто знає точно

Вводить артикул, модель або назву бренду: «Bosch GSR 12V-15». Йому потрібен не «розумний», а передбачуваний результат — точний збіг у першому рядку. Тут працює класичний лексичний пошук, і псувати його «розумінням змісту» не можна.

Той, хто описує проблему

Пише «тихий кондиціонер для спальні» або «взуття для бігу взимку». У каталозі цих слів немає, зате є рівень шуму, протектор і утеплення. Саме цей покупець отримує найбільше від семантичного пошуку, який порівнює зміст запиту й товару, а не окремі слова.

Той, хто ще обирає

Вводить просто «ноутбук» і отримує тисячу позицій. Йому потрібні не результати, а звуження: для роботи чи ігор, який бюджет, чи важлива вага. Для такого запиту корисні уточнювальні питання й фільтри, підібрані під намір.

Чому внутрішній пошук так впливає на продажі

Пошуком користуються люди, які вже сформулювали потребу. Це найгарячіша аудиторія магазину: відвідувачі, що скористалися пошуком, зазвичай помітно частіше купують, ніж ті, хто просто гортає каталог. Тому порожня сторінка результатів — це втрата покупця саме тоді, коли він був готовий платити.

Проблеми зазвичай типові. Пошук не розуміє помилок і транслітерації, тож «айфон» і «iphone» дають різні результати. Синоніми не пов'язані: «пилосос» знаходиться, а «порохотяг» — ні. Результати не враховують наявність, і першими стоять товари, яких немає. А запити, що нічого не знайшли, ніхто не аналізує.

Гібридна схема: чому вона перемагає

На практиці для e-commerce оптимальним виявляється гібридний пошук, який поєднує обидва механізми. Точний збіг обробляє артикули, коди й моделі, семантика — природну мову, а система ранжування вирішує, чий результат показати вище.

Виглядає ланцюжок так: виправлення помилок і нормалізація запиту, визначення наміру, підбір кандидатів обома механізмами, застосування фільтрів, ранжування, перевірка наявності та формування видачі.

Один принцип тут важливіший за технології: комерційний пріоритет не повинен ламати релевантність. Якщо система завжди піднімає товари з найбільшою маржею, покупці швидко перестануть довіряти пошуку. Безпечніший порядок — спочатку відсіяти нерелевантне, потім перевірити доступність, і лише всередині релевантної групи трохи підсилити потрібні бізнесу позиції.

Які дані потрібні, щоб це запрацювало

Мовна модель не знає, чому одна куртка підходить для подорожі, а інша — ні, якщо цього немає в даних. Основа розумного пошуку в інтернет-магазині — коректні назви й описи, категорії, бренди, заповнені атрибути, варіанти, сумісність, актуальні ціни й наявність, а також словник синонімів.

Окремо варто збирати поведінкові сигнали: що шукали, на що клікнули, що поклали в кошик. Вони допомагають ранжуванню більше, ніж будь-яка додаткова модель. Як звести все це в єдину структуру, ми розібрали в статті про підготовку каталогу товарів, а принципи роботи із запитами — у матеріалі про семантику інтернет-магазину.

Нульові результати — безкоштовне джерело інсайтів

Сторінка «нічого не знайдено» — це список того, чого покупці хочуть, але не отримують. Розбирайте такі запити щомісяця. Частина означає, що товару справді немає в асортименті — це підказка для закупівель. Частина — що товар є, але бракує синоніма. Буває, що не заповнений атрибут, за яким шукають, або запит узагалі стосується доставки чи статусу замовлення.

Для одних випадків достатньо поповнити словник, для інших — доповнити картки, для третіх — показати довідкову сторінку замість порожнього екрана. Навіть без жодного AI ця рутина помітно зменшує кількість втрачених покупців.

Приклад: як змінюється видача

Уявімо магазин побутової техніки й запит «тихий кондиціонер для спальні». До налаштувань пошук шукає слово «тихий» у назвах і не знаходить нічого. Після — система розпізнає намір, звертається до атрибута «рівень шуму», відбирає моделі до 24 дБ, перевіряє наявність і показує п'ять варіантів із поясненням різниці. Додатково пропонує уточнити площу кімнати, бо від неї залежить потужність.

Технічно змінилося небагато: з'явилися нормалізований атрибут шуму, словник синонімів і семантичний шар. Але для покупця це різниця між порожньою сторінкою й готовим рішенням.

Як виміряти результат

Головні показники: частка пошукових сесій із кліком по результату, частота нульових запитів, додавання в кошик після пошуку, конверсія пошукових сесій і дохід на таку сесію. Корисний сигнал — переформулювання: якщо людина змінює запит двічі-тричі, пошук її не зрозумів.

Цифр недостатньо. Раз на місяць варто вручну перевіряти релевантність на наборі з кількох десятків типових запитів. Висока конверсія не виправдовує систематично дивних результатів: покупці могли знайти товар попри пошук, а не завдяки йому.

Порядок впровадження

Починати варто не з вибору платформи, а з аналітики: зберіть реальні запити за кілька місяців і всі нульові результати. Далі очистіть атрибути й словники та доведіть до ладу точний пошук — це вже дасть приріст без жодної моделі.

Третій крок — семантичний пошук для природномовних запитів, четвертий — гібридне ранжування й A/B-тест проти старої версії. Уточнювальні питання й діалоговий режим додають останніми: це логічний місток до повноцінного ШІ-асистента для інтернет-магазину. Google Cloud описує такий сценарій звуження вибору як conversational filtering.

Часті запитання

Чи потрібен AI-пошук невеликому магазину?

Якщо в каталозі кілька сотень товарів, зазвичай достатньо добре налаштованого звичайного пошуку зі словником синонімів. Найбільший ефект AI дає в каталогах від кількох тисяч позицій із багатьма характеристиками.

Чи може AI-пошук показати товар, якого немає?

Правильно побудована система — ні. Результати формуються з реального каталогу з перевіркою наявності, а модель лише допомагає зрозуміти запит.

Скільки часу займає впровадження?

Базове налаштування гібридного пошуку на підготовленому каталозі займає кілька тижнів. Найдовше триває впорядкування даних, а не підключення технології.

Чи замінить AI-пошук фільтри?

Ні. Фільтри лишаються головним інструментом звуження вибору, а пошук допомагає в них потрапити. Про те, як не зламати при цьому SEO, ми писали в статті про фасетну навігацію.

AI-пошук — це продукт, який постійно вчиться на даних магазину. Команда GL.ua може інтегрувати пошуковий механізм із каталогом, залишками, аналітикою та ШІ-асистентом, щоб покупець переходив від запиту до потрібного товару без зайвих кроків. Детальніше — на сторінці створення інтернет-магазину.