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

15 января15 янв

3 мин

🔍 Поведение и ожидания клиентов при использовании поисковой строки стремительно меняются. ChatGPT, Perplexity и другие нейросети формируют у клиентов новый опыт работы с информацией: - формулировать запрос не конкретно, по-человечески; - в ответ получать готовый анализ, структуру и решение; - существенно сокращать время до принятия решения по сравнению с классическим поиском и ручным сравнением. И этот опыт они ожидают в каждом месте похожем на поисковую или диалоговую строку. При этом поиск остается одной из самых денежных точек воронки онлайн продаж: - в e-comm 25% покупателей используют поиск, но приносят 45% выручки. - конверсия сессий с поиском — в 2+ раза выше, чем без него. https://info.constructor.com/beyond-relevance-report Лексический поиск: фундамент, который никуда не делся Первые поисковые механики опирались на лексический поиск и вокруг текста со временем выросла сложная инфраструктура: морфология и опечатки, фильтры и фасеты, ручные категории и редиректы, операцион

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

Поведение и ожидания клиентов при использовании поисковой строки стремительно меняются.

ChatGPT, Perplexity и другие нейросети формируют у клиентов новый опыт работы с информацией:

- формулировать запрос не конкретно, по-человечески;

- в ответ получать готовый анализ, структуру и решение;

- существенно сокращать время до принятия решения по сравнению с классическим поиском и ручным сравнением.

И этот опыт они ожидают в каждом месте похожем на поисковую или диалоговую строку.

При этом поиск остается одной из самых денежных точек воронки онлайн продаж:

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

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

https://info.constructor.com/beyond-relevance-report

Лексический поиск: фундамент, который никуда не делся

Первые поисковые механики опирались на лексический поиск и вокруг текста со временем выросла сложная инфраструктура: морфология и опечатки, фильтры и фасеты, ручные категории и редиректы, операционная поддержка и масштабирование. Это работает, но у такого подхода есть предел: он опирается на слова, а не на смысл и намерение пользователя.

Тут на помощь приходят AI и LLM.

От «поиска по словам» к «поиску по смыслу»

Год назад мы делали концепт агентского поиска, который становится точкой входа во весь путь принятия решения,

а не просто механизмом подбора товаров. Как в истории о продавце, который продал машину, лодку и комплект для рыбалки клиенту, зашедшему в магазин «за мелочами для жены». Контекст решает! Но такие концепции — это большие и высокорисковые инвестиции. Поэтому на практике мы идём step by step, следуя за лидерами рынка и подтверждённой эффективностью.

Рабочий трек развития поиска с понятным ROI, который мы помогаем проходить нашим клиентам:

1. Гибридный отбор: лексический + векторный поиск:

- Лексический поиск

- Векторный поиск

Кейс:

Walmart в 2022 году при переходе на гибридный поиск получили +20% к числу релевантных позиций в выдаче и +5–10% к добавлению в корзину, подробно описали тут:

https://arxiv.org/pdf/2412.04637

2. Сортировка по вероятности покупки

- ML-ранжирование на обобщённых данных о связи запросов, кликов и покупок.

- персонализация по истории взаимодействий

- Гиперперсонализация

Кейсы:

+4.5% revenue от поиска

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

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

https://www.youtube.com/watch?v=wQ1mu1UBhtU

+30% контактов в похожих avito, 2020

https://habr.com/ru/companies/avito/articles/491942/