Исследователи представили масштабируемую систему для e-commerce, которая повышает обнаруживаемость товаров за счет генерации тематически связанных намерений. В отличие от классического поиска, ориентированного на строгое соответствие запросу, новый подход учитывает контекстные связи, предлагая пользователям комплементарные и альтернативные товары. Это решение позволяет повысить качество выдачи в категориях с высокой вариативностью, таких как продукты питания, напрямую влияя на конверсию.
Традиционные поисковые движки часто сталкиваются с проблемой низкой полноты выдачи, когда пользователь не находит товары, которые могли бы его заинтересовать, из-за слишком узких фильтров. Предложенная архитектура использует генеративные модели для расширения поискового пространства, анализируя скрытые связи между категориями и предпочтениями покупателей. Система автоматически определяет, какие товары являются взаимозаменяемыми или дополняющими, и интегрирует их в поисковую выдачу без потери релевантности.
Внедрение подобных механизмов позволяет ритейлерам эффективнее управлять ассортиментом и увеличивать средний чек за счет более точных рекомендаций в момент совершения покупки. Метод масштабируется для работы с большими каталогами, что делает его пригодным для крупных маркетплейсов, где ручная настройка связей между миллионами позиций невозможна.
Ключевые факты
- Система фокусируется на поиске альтернативных и комплементарных товаров, а не только на прямом совпадении ключевых слов.
- Метод направлен на решение проблемы низкой полноты выдачи (recall) в поисковых системах e-commerce.
- Архитектура разработана с учетом требований к масштабируемости для работы с крупными товарными каталогами.
- Основная цель разработки — повышение удовлетворенности пользователей и коммерческих показателей ритейлеров.