Автор:
Каролина Пенгрин
Аккаунт-менеджер компании any
Каролина сопровождает enterprise- и SME-партнеров any, работает с задачами поиска, внедрения продуктов и качества клиентского опыта в e-commerce.
О партнёре
Всем знаком глобальный тренд 2020-х годов — ювелирные украшения не классических, а необычных узнаваемых форм: серьги-змеи, подвеска-сердце или браслет-гвоздь. Такие позиции регулярно появляются в коллекциях российских ювелирных магазинов: Poison Drop, Viva La Vika, UVI, MIUZ, Sunlight и других.
Такие же поисковые запросы (например, «серьги-змеи») становятся все более привычным сценарием поиска — эту закономерность инженеры-лингвисты Any обнаружили в крупном интернет-магазине ювелирных изделий.
Однако в большинстве товарных каталогов эта информация просто отсутствует: в фид обычно передаются материал, вставки, вес, бренд и другие характеристики. Из-за этого часть запросов становится нулевыми, пользователь не находит нужное украшение, а интернет-магазин остается без продажи.
Как работает anyQuery
Чтобы закрыть этот класс запросов, команда инженеров-лингвистов использовала новый инструмент для выделения атрибутов из фотографий товара. С помощью искусственного интеллекта мы проанализировали изображения украшений, после чего модель автоматически определила форму изделия.
Полученные значения автоматически записываются в специальный поисковый атрибут товара, который затем используется поисковым движком наравне с обычными характеристиками. Так поиск начал «понимать» запросы, которые раньше невозможно было обработать только по текстовым данным.
В отличие от классического распознавания объектов, модель не определяет, что изображено на фотографии. Её задача точечная: найти только форму, которая используется покупателями в поисковых запросах. Например, если подвеска выполнена в форме компаса, поиск начинает понимать запрос «подвеска компас».
В отличие от классического распознавания объектов, модель не определяет, что изображено на фотографии. Её задача точечная: найти только форму, которая используется покупателями в поисковых запросах. Например, если подвеска выполнена в форме компаса, поиск начинает понимать запрос «подвеска компас».
Что изменилось после внедрения технологии
После автоматического выделения визуальных атрибутов удалось значительно расширить покрытие поиска: формы изделий были автоматически определены более чем для 10 000 товаров каталога.
В результате многие запросы, которые раньше относились к нулевым (пользователь не находил по ним товары после использования поиска на сайте), начали успешно обрабатываться основной поисковой стратегией. По итогам анализа топ-3000 нулевых 28% запросов начали находить товары по основной стратегии. Это означает, что количество нулевых запросов, не покрытых текстовой информацией, снизилось почти на треть.
Выделение формы изделия стало частью комплексного подхода к повышению качества работы с посетителями сайта. Расширенные названия товаров формировались сразу из нескольких источников: атрибутов из описаний, атрибутов из фото товаров, фасетов категорий сайта и однонаправленных поисковых синонимов. Такой подход позволил существенно сократить количество запросов, которые раньше невозможно было обработать автоматически.
В результате многие запросы, которые раньше относились к нулевым (пользователь не находил по ним товары после использования поиска на сайте), начали успешно обрабатываться основной поисковой стратегией. По итогам анализа топ-3000 нулевых 28% запросов начали находить товары по основной стратегии. Это означает, что количество нулевых запросов, не покрытых текстовой информацией, снизилось почти на треть.
Выделение формы изделия стало частью комплексного подхода к повышению качества работы с посетителями сайта. Расширенные названия товаров формировались сразу из нескольких источников: атрибутов из описаний, атрибутов из фото товаров, фасетов категорий сайта и однонаправленных поисковых синонимов. Такой подход позволил существенно сократить количество запросов, которые раньше невозможно было обработать автоматически.
Результат
После обогащения каталога новыми визуальными атрибутами качество поиска заметно выросло.
Метрика релевантности nDCG, которая показывает, насколько высоко в поисковой выдаче находятся наиболее подходящие товары, выросла:
Топ-3 товара: +7,8%
Топ-15 товаров: +5%
Топ-50 товаров: +3,4%
Метрика Items, которая показывает, насколько часто поиск выводит товары из категорий, соответствующих запросу пользователя, также улучшилась:
Топ-3: +5,3%
Топ-15: +1,7%
Топ-50: +2,4%
Еще одним важным результатом стало сокращение доли нулевых запросов: после внедрения визуальных атрибутов этот показатель снизился с 21% до 14%.
Это означает, что примерно 140 из каждых 2000 популярных запросов перестали быть «проблемными» и начали обрабатываться основной поисковой моделью. Для пользователей это означает более стабильную и релевантную выдачу, а для интернет-магазина — меньше неудачных поисковых сессий и выше вероятность того, что покупатель найдет нужное украшение с первой попытки.
Это означает, что примерно 140 из каждых 2000 популярных запросов перестали быть «проблемными» и начали обрабатываться основной поисковой моделью. Для пользователей это означает более стабильную и релевантную выдачу, а для интернет-магазина — меньше неудачных поисковых сессий и выше вероятность того, что покупатель найдет нужное украшение с первой попытки.
Итоги
Этот проект показывает, что для повышения качества поиска далеко не всегда требуется менять каталог или проделывать большую внутреннюю работу в интернет-магазине по изменению атрибутов. Если важная информация уже содержится в изображениях товаров, её можно автоматически извлечь с помощью искусственного интеллекта и превратить в полноценный поисковый атрибут: он будет приводить пользователей к нужным товарам и повышать количество заказов.
Автор:
Каролина Пенгрин
Аккаунт-менеджер компании any
Каролина Пенгрин — специалист по сопровождению клиентов в any. Она работает с enterprise- и SME-партнерами из разных e-commerce- и retail-сегментов.
В ее зоне ответственности — сопровождение проектов, внедрение новых продуктов, работа с качеством поиска и задачами снижения доли нулевых запросов. Каролина помогает командам разбирать задачи в контексте бизнеса, пользовательского опыта и реальных процессов на стороне партнера.
До any Каролина работала с медицинским оборудованием: развивала продуктовые направления, участвовала в выводе новых продуктов на рынок и работала с дистрибьютерской сетью. Также у нее есть опыт в сфере гостеприимства, где важны сервис, точность коммуникации и внимание к деталям.
В работе Каролина сочетает системность, клиентский фокус и широкий культурный кругозор. Ей важно не просто закрывать задачу, а подобрать решение, которое подходит конкретному проекту и его аудитории.
В ее зоне ответственности — сопровождение проектов, внедрение новых продуктов, работа с качеством поиска и задачами снижения доли нулевых запросов. Каролина помогает командам разбирать задачи в контексте бизнеса, пользовательского опыта и реальных процессов на стороне партнера.
До any Каролина работала с медицинским оборудованием: развивала продуктовые направления, участвовала в выводе новых продуктов на рынок и работала с дистрибьютерской сетью. Также у нее есть опыт в сфере гостеприимства, где важны сервис, точность коммуникации и внимание к деталям.
В работе Каролина сочетает системность, клиентский фокус и широкий культурный кругозор. Ей важно не просто закрывать задачу, а подобрать решение, которое подходит конкретному проекту и его аудитории.
Расскажем как повысить выручку в вашем интернет-магазине
