E-comm: от поиска по словам до agent 2 agent шопинга с высоким ROI

13 января13 янв

2 мин

🔍 Поведение и ожидание клиентов при использовании строки для ввода запроса меняется. ChatGPT, Perplexity, и другие нейросети создают у клиентов опыт: - формулировать запрос не конкретно - получать в результате готовые анализ и структуру - время достижения результата существенно ниже чем в классическом поиске и сравнении человеком. При этом поиск остается одной из самых денежных точек воронки: - в e-comm 25% покупателей используют поиск, но приносят 45% выручки. - конверсия сессий с поиском — в 2+ раза выше, чем без него. Первые поисковые механики опирались на лексический поиск и мы исторически обросли огромной инфраструктурой вокруг текста: словари синонимов, фильтры, ручные категории, сложная поддержка и масштабирование решения, но на помощь пришли AI и LLM. Год назад мы делали отлетевший концепт агентского поиска выворачивающий поведение клиента наизнанку: если раньше(да и сейчас) клиенты искали информацию по всему интернету, на форумах, в обзорах и у конкурентов, то мы предложи

E-comm: от поиска по словам до agent 2 agent шопинга с высоким ROI 🔍

Поведение и ожидание клиентов при использовании строки для ввода запроса меняется. ChatGPT, Perplexity, и другие нейросети создают у клиентов опыт:

- формулировать запрос не конкретно

- получать в результате готовые анализ и структуру

- время достижения результата существенно ниже чем в классическом поиске и сравнении человеком.

При этом поиск остается одной из самых денежных точек воронки:

- в e-comm 25% покупателей используют поиск, но приносят 45% выручки.

- конверсия сессий с поиском — в 2+ раза выше, чем без него.

Первые поисковые механики опирались на лексический поиск и мы исторически обросли огромной инфраструктурой вокруг текста: словари синонимов, фильтры, ручные категории, сложная поддержка и масштабирование решения, но на помощь пришли AI и LLM.

Год назад мы делали отлетевший концепт агентского поиска выворачивающий поведение клиента наизнанку: если раньше(да и сейчас) клиенты искали информацию по всему интернету, на форумах, в обзорах и у конкурентов, то мы предложили сделать их поиск точкой входа в интернет, форумы, обзоры и принятие решения по всему пути взаимодействия с товаром. Примерно как в рассказе о продавце, который продал, машину, лодку и полный комплект для рыбалки клиенту, который зашел в магазин только за гигиеническими средствами для жены. Контекст решает!

Чтож сейчас мы видим примеры на рынке как это уже делают (скрины яндекса во вложении), продолжая усиливать клиентский опыт угадывания намерения, готового анализа и структуры на выходе. Дальше только диалог с этим результатами, что уже тоже выкатил OpenAI и Shopify.

Если вы не Сэм Альтман или не обладаете похожими бюджетами на создание новой нормы на рынке, то вот трек развития поиска, который мы помогаем проходить нашим клиентам:

1. Усиливаем отбор позиций для выдачи гибридом (лексический + векторный поиск):

- Лексический поиск

Тут не будем подробно останавливаться, зрелые технологии.

- Векторный поиск

Кейс

По конверсиям, Walmart в 2022 при переходе на гибридный поиск получили +20% к числу позиция и +5-10% к добавлению в корзину, подробно описали что делали тут:

https://arxiv.org/pdf/2412.04637

2. Сортируем по вероятности покупки на основе накопленных данных

- Ранжирование с ml.

Пока ориентируемся на обобщенные данные связи запроса, покупки и других параметров.

- Персонализация

Добавляем знания, историю точек контакта и покупок по пользователям

- Гиперперсонализация

Добавляем информацию по похожим сессиям и постепенно сужаем и уточняем контекст по похожим.

Кейсы:

+4.5% revenue от поиска

https://voyado.com/resources/customer-cases/coop-obs-bygg/

+2% в конверсию в покупку от поиска lamoda, 2023