Разочаровывающая «релевантность поиска» обошлась ритейлерам во всем мире более чем в 2 миллиона долларов.

Репутация Google как поставщика высокорелевантных результатов поиска установила исключительную планку для ожиданий пользователей в Интернете.

Независимо от того, являются ли наши поисковые слова длинными или короткими, простыми или сложными, есть ощущение, что Google «понимает нас» и может интуитивно предоставить именно то, что мы ищем. Это означает, что на поиск возлагаются большие надежды, и люди ожидают этого превосходства в Интернете.

Однако интернет-магазины им не соответствуют. Согласно исследованию Kin + Carta и Google Cloud, «релевантность поиска» является основной проблемой для 85% ведущих ритейлеров Великобритании, когда дело доходит до поиска товаров на их сайтах электронной коммерции.

Эти трудности с предоставлением релевантных результатов вызывают опасения по поводу отказа от поиска, которые обходятся большинству розничных продавцов электронной коммерции в миллионы фунтов стерлингов. По данным Google, это обходится ритейлерам более чем в 2 триллиона долларов в год по всему миру.

О том, как в полной мере использовать потенциал ИИ, Карл Томпсон, технический директор по данным и ИИ, Kin + Carta, рассказал о некоторых стратегиях оптимизации поиска Google. Один из подходов заключается в использовании «хвостовых» запросов для интерпретации.

Томпсон заявил, что когда пользователи вводят длинный поисковый запрос с тремя или более терминами, они часто используют естественный язык, приводя в качестве примера «платье для свиданий в маленьком размере». По его словам, более длинные вопросы, подобные этим, становятся все более распространенными, поскольку клиенты все больше привыкают к взаимодействию с чат-ботами ИИ в разговорной манере, поэтому очень важно, чтобы функции поиска магазинов могли успешно с ними справляться.

Томпсон подчеркнул важность преодоления разрыва между намерениями пользователя и информацией о продукте. Традиционные функции поиска часто с трудом понимают язык, используемый в каталогах продуктов, что затрудняет получение точных результатов. Однако использование крупных языковые модели (LLM) может помочь повысить релевантность поиска.

По словам Томпсона, поиск мотивации — еще один ключевой аспект поиска. Он сказал, что пользователи также все чаще обращаются к функциям поиска в поисках вдохновения, по сути, в поисках вдохновения для продукта, используя такие термины, как «Рождественские подарки для папы». Это почти обратная проблема с длинными условиями поиска: отсутствие точности делает сопоставление запроса с релевантными продуктами в инвентаре чрезвычайно сложным, добавил он. Кроме того, Томпсон отметил, что генеративный ИИ может помочь магазинам в этой ситуации. LLM могут точно уловить цель этих поисковых запросов и предложить лучшие ответы, поскольку они прошли обучение на таких больших наборах данных.

Устранение типографских ошибок также важно. Случайная опечатка или орфографическая ошибка неизбежны в онлайн-общении, особенно когда у пользователей мало времени. Технический директор по данным и искусственному интеллекту Kin + Carta сказал, что, хотя друг может не заметить опечатку в WhatsApp и по-прежнему правильно реагировать на сообщение пользователя, традиционные поисковые системы могут испытывать трудности.

Последствия отказа функции поиска огромны. Согласно исследованию Google. Три из каждых четырех клиентов уйдут в другое место. 77 процентов клиентов не возвращаются. Исследование показало, что если они не могут найти хотя бы один товар, 52% отказываются от корзины. По словам Томпсона, генеративный ИИ — идеальный подход для решения подавляющего большинства этих проблем. Однако преимущества выходят за рамки простого исправления ошибок и упрощения поиска.

Томпсон также заявил, что технологии LLM, такие как Google Cloud Retail Search, могут еще больше повысить статистику конверсии за счет персонализации результатов для каждый пользователь, в результате получается более интеллектуальный опыт — значительное отличие от устаревшего поиска. Он подчеркнул, что по сравнению с их традиционными поисковыми аналогами ритейлеры сообщают о 20-процентном увеличении дохода на одного посетителя при использовании этой технологии.

Это также означает, что результаты поиска и просмотра будут ранжироваться более разумно, добавил он. Томпсон также упомянул, что результаты будут определять, что клиент, скорее всего, купит и что принесет компании наибольший доход. Со временем он может стать гиперперсонализированным для отдельного клиента, а не просто для когорты, что снизит количество отказов от корзины и повысит вероятность повторных сделок.

По словам Томпсона, при наличии обоих (генеративного ИИ и LLM) этих функциональных частей розничная торговля становится больше направленной на то, чтобы направить поиск на то, что вы хотите продать, а не на попытки наложить на вашу поисковую систему жестко закодированные правила. Он подчеркнул, что при наличии генеративного ИИ предприятия могут начать быстро создавать эти «вау-моменты», уменьшая болевые точки в существующем поиске и создавая опыт, который просто работает.

Томпсон также отметил, что LLM быстро становятся важнейшим компонентом поисковых систем электронной коммерции, практически не требуя участия человека после внедрения. Он предупредил, что ритейлеры, которые не поспевают за этим переходом, рискуют потерять миллионы фунтов дохода.