Кілька років тому пошук товарів в інтернеті був по суті 🔎 грою в ключові слова. Ви заходили в магазин, вводили щось у рядок пошуку й сподівалися, що вгадали формулювання. Іноді вгадували. Іноді ні. Якщо результати здавалися не тими, ви пробували ще раз, трохи інакше. Додавали колір. Прибирали якесь слово. Це трохи нагадувало розмову з кимось, хто розуміє лише дуже буквальні інструкції.
Довгий час саме так… і працювала e-commerce.
Пошукові системи зіставляли ключові слова в назвах і описах товарів. Якщо слова збігалися, товар з’являвся у видачі. Якщо ні, система, найпевніше, повністю його ігнорувала. Розумною вона не була, зате була передбачуваною. Проблема в тому, що інтернет-магазини виросли, а пошукові системи за ними не встигли.
Сьогодні в інтернет-магазині середнього розміру може бути 20 000 товарів. У великих маркетплейсах їх мільйони. Коли каталоги настільки великі, ✅ пошук за ключовими словами починає здаватися незграбним. Люди не завжди знають точну назву товару, який шукають, і точно не шукають так, як продакт-менеджери пишуть назви.
Саме тут штучний інтелект почав проникати в пошук товарів. І коли ви це помітите, то бачитимете його всюди.
Пошук завжди був трохи незграбним
Подумайте, як люди купують у реальному житті. Зайшовши в магазин одягу, ви навряд чи підете прямо до вішалки з написом «чорне бавовняне оверсайз-худі, розмір M». Ви роззираєтеся. Щось помічаєте. Щось привертає увагу. Онлайн-шопінг у цьому завжди був слабшим. Рядок пошуку став центром усього, і це добре працює, якщо ви точно знаєте, чого хочете. Але здебільшого люди шукають не так.
Хтось може ввести ⬇️
«зручне взуття, щоб стояти цілий день»
Або
«ноутбук для монтажу відео»
Це не назви товарів. Це проблеми.
Старим пошуковим системам це давалося важко, бо їх будували навколо збігу слів, а не сенсу. Якщо в описі товару не було точного формулювання, він міг узагалі не з’явитися.
Пошук на основі ШІ трохи змінює логіку. Замість питання «чи збігаються ці слова» він намагається відповісти на інше: що насправді шукає ця людина? Якщо хтось згадує, що стоїть цілий день, система може показати кросівки з підтримкою стопи чи робоче взуття з амортизацією. Якщо хтось згадує монтаж відео, вона може поставити вище ноутбуки з потужнішими GPU. Звучить очевидно, але таке тлумачення запитів стало нормою в пошуку e-commerce зовсім нещодавно.
Деякі блоги про e-commerce уважно стежать за цим зрушенням: гарний розбір теми є на 📌 ecomsizzlelab.com, де пишуть про те, як пошук на основі ШІ починає витісняти традиційний пошук за ключовими словами.
Магазин тихо стежить за тим, що роблять люди
Утім, більше зрушення стосується не пошуку. Воно стосується персоналізації. Десять років тому більшість сайтів e-commerce виглядала однаково для кожного відвідувача. Головна сторінка була статичною. Результати пошуку були ідентичними. Рейтинги товарів рідко змінювалися. Тепер усе значно гнучкіше. Сучасні платформи відстежують безліч дрібних поведінкових сигналів: кліки, час перегляду, покупки, покинуті кошики, повторні візити. У цьому немає нічого загадкового: здебільшого це звичайні дані аналітики.
Але моделі машинного навчання можуть пов’язувати ці сигнали так, як традиційні системи не вміли. З часом платформа складає приблизний профіль того, чому віддає перевагу покупець. Цінові діапазони, бренди, категорії товарів, навіть естетичний стиль. Тож коли двоє людей шукають одне й те саме, скажімо «куртка», магазин може непомітно показати їм різні результати. Один бачить спорядження для активного відпочинку. Інший бачить модні бренди. Більшість покупців цього ніколи не помічає. Їм просто здається, що сайт напрочуд добре підказує речі, які їм справді можуть сподобатися.
Рекомендації роблять більше роботи, ніж пошук
Якщо придивитися до більшості сайтів e-commerce сьогодні, значна частина знахідок узагалі вже не надходить із пошуку. Вона надходить із рекомендацій.
Ви, мабуть, бачили їх тисячу разів:
Разом із цим купують…
Вам може сподобатися…
На основі ваших переглядів…
Спочатку такі функції здавалися дрібними доповненнями. Тепер вони дають напрочуд велику частку продажів. Рекомендаційні системи працюють, помічаючи закономірності у величезній кількості взаємодій. Якщо тисячі людей купують камеру, а згодом певний об’єктив, цей зв’язок стає частиною моделі. Наступний покупець, який перегляне цю камеру, найпевніше, побачить поруч підказку з об’єктивом.
У теорії це просто, але коли даних стає достатньо багато, закономірності стають дуже точними. Тому під час перегляду вас іноді ведуть напрочуд доречними шляхами. Ви починаєте з одного товару, а в результаті знаходите ще три, які цілком логічні. І це не випадково.
Дані про товари важать більше, ніж здається
У всього цього є менш блискучий бік. Системи пошуку товарів на основі ШІ ☝️ дуже залежать від чистих даних про товари, і багато ритейлерів недооцінюють, наскільки це важливо. Якщо атрибути товарів неповні чи неузгоджені, алгоритмам важко. Системі стає складно зрозуміти зв’язки між товарами.
Наприклад, якщо в каталозі чітко не позначено, які черевики водонепроникні, система не зможе надійно рекомендувати водонепроникні черевики. Звучить очевидно, але безлад у даних про товари трапляється напрочуд часто. Ритейлери, які вкладаються в кращу структуру каталогу (чіткі атрибути, узгоджені описи, впорядковані категорії), часто одразу бачать покращення в пошуку та рекомендаціях.
Це не захоплива робота, але вона фундаментальна.
Покупки поступово стають розмовою
Ще одне цікаве зрушення - це 🙋♂️ поширення розмовних інтерфейсів. Замість того щоб вводити ключові слова й перебирати результати, покупці можуть ставити запитання звичайною мовою.
Щось на кшталт:
«Мені потрібен легкий ноутбук до 1 200 $ для графічного дизайну».
Розмовний асистент може розібрати такий запит, відфільтрувати каталог і показати кілька варіантів, які справді йому відповідають. Іноді він навіть пояснить різницю між ними. Це більше схоже на прохання про допомогу до продавця-консультанта, ніж на користування пошуковиком. Ми ще на початку цього переходу, але легко уявити, що він ставатиме дедалі поширенішим.
Візуальний пошук теж усе змінює
А ще є візуальний пошук. Іноді люди точно знають, чого хочуть на вигляд, але гадки не мають, як це описати. Куртка, крісло, пара кросівок: ви бачите щось гарне в Instagram і хочете щось схоже. Спроби описати це ключовими словами можуть дратувати.
Візуальний пошук ❌ прибирає здогадки. Ви завантажуєте зображення, а моделі комп’ютерного зору аналізують його візуальні ознаки: форми, текстури, кольори, візерунки. Потім система знаходить товари, що схожі на вигляд. У таких категоріях, як мода та декор для дому, цей підхід може бути неймовірно ефективним. Він перетворює пошук товарів на щось ближче до того, як люди природно мислять: візуально.
Більше зрушення, що відбувається під поверхнею
Якщо подивитися ширше, загальна зміна стає очевидною. E-commerce відходить від жорстких пошукових систем до систем знахідок, які поводяться радше як провідники. Пошук не зникає. Люди завжди хотітимуть швидко ввести запит, коли точно знають, що їм потрібно. Але дедалі більше роботи бере на себе магазин.
Рекомендації показують доречні товари. Персоналізація перетасовує рейтинги товарів. ШІ тлумачить розмиті запити. Візуальні інструменти допомагають знайти те, що покупці не можуть описати. Разом це дає досвід покупок, який здається менш механічним.
Утім, не всі переконані, що це зрушення цілком позитивне. Деякі автори, що пишуть про e-commerce, вважають, що сильна залежність від ШІ може робити інтернет-магазини менш прозорими і ускладнювати конкуренцію для менших брендів. Таку думку досить часто можна зустріти на ecomsizzlelab.com, де здебільшого скептичніше дивляться на те, скільки автоматизації насправді потрібно e-commerce.
Якщо вам цікаво стежити за цим боком дискусії, можна також підписатися на їхню розсилку : там регулярно коментують такі тренди, як пошук на основі ШІ, рекомендаційні системи та загальний напрям розвитку e-commerce.
І дивним чином це трохи наближає онлайн-шопінг до того, як люди купують у реальному світі: роздивляються, помічають, знаходять щось дорогою.