WooCommerce

Wyszukiwarka AI w sklepie internetowym: wyszukiwanie semantyczne zamiast dopasowania słów

· Krzysztof Balicki

Szklane i ceramiczne przedmioty na białym stole

Wyszukiwarka AI w sklepie rozumie, o co klientowi chodzi, a nie tylko porównuje litery. Dzięki temu znajdzie produkt nawet wtedy, gdy ktoś opisze go po swojemu. Standardowe wyszukiwarki WooCommerce i PrestaShop potrafią za to pokazać pustą stronę po wpisaniu synonimu, słowa z literówką albo opisu potrzeby zamiast nazwy produktu. Frustrujące? Bardzo. Poniżej wyjaśniamy, jak działa wyszukiwanie semantyczne, jak wygląda dobre wdrożenie, o co zapytać wykonawcę i jak sprawdzić, czy zmiana w ogóle się opłaciła.

Czym wyszukiwarka AI w sklepie różni się od zwykłego dopasowania słów?

Klasyczna wyszukiwarka szuka w tytule i opisie produktu dokładnie tych słów, które wpisał klient. Nic więcej. Wyszukiwarka semantyczna działa inaczej: porównuje znaczenie zapytania ze znaczeniem produktu. Robi to za pomocą embeddingów, czyli opis każdego produktu i każde zapytanie zamienia na zestaw liczb opisujących ich sens. Teksty o podobnym znaczeniu lądują blisko siebie. Według dokumentacji modeli embeddingów Google takie reprezentacje służą właśnie do wyszukiwania semantycznego i dają trafniejsze wyniki, lepiej uwzględniające kontekst niż metody oparte na słowach kluczowych. W praktyce wygląda to tak: zapytanie „buty na deszcz dla dziecka” znajdzie kalosze, choć słowa „deszcz” w ich nazwie nie ma.

Synonimy, literówki i język potoczny: co realnie zyskuje klient

Inteligentna wyszukiwarka produktów ogarnia synonimy, odmianę polskich słów i literówki bez słowników, które ktoś musiałby ręcznie prowadzić (a kto to robi regularnie? no właśnie). Polska fleksja to dla prostego dopasowania słów prawdziwa zmora. „Kurtkę”, „kurtki” i „kurtkami” to dla takiego algorytmu trzy zupełnie różne ciągi znaków. Model semantyczny widzi w nich to samo pojęcie. Radzi sobie też z mieszaniem języków, na przykład gdy polski klient wpisze angielską nazwę kategorii. Opisany w dokumentacji Google model gemini-embedding-2 umieszcza treści w wielu językach we wspólnej przestrzeni znaczeń.

Gdzie klasyczna wyszukiwarka wykłada się najczęściej? Na takich zapytaniach:

  • synonim: „pulower” zamiast „sweter” użytego w nazwie produktu,
  • literówka: „słuchawki bezprzewodowe” wpisane bez polskich znaków albo z przestawioną literą,
  • opis potrzeby: „coś ciepłego na zimowy spacer z psem”,
  • zastosowanie: „klej do drewna na zewnątrz” przy produkcie opisanym parametrami technicznymi.

Wyszukiwanie semantyczne a filtry: jak połączyć AI z atrybutami produktów

Semantyka dobrze wybiera trafne produkty. Ale filtry ceny, rozmiaru, dostępności i marki muszą dalej działać twardo, na danych z katalogu. Dlatego sensowne rozwiązania stosują wyszukiwanie hybrydowe: wyniki semantyczne łączą się z dokładnym dopasowaniem kodów SKU, numerów EAN i nazw modeli, bo tu liczy się każdy znak. Moim zdaniem opłaca się też wyłapywać filtry wpisane prosto w pole wyszukiwania, np. „czarna kurtka XL”, i od razu zawężać nimi listę wyników. Klient nie musi wtedy klikać w panel filtrów. I jeszcze jedno. Paliwem dla embeddingów są dane produktowe: pełne opisy, uzupełnione atrybuty, spójne kategorie. Ubogi katalog da słabe wyniki nawet w najlepszym modelu. Nie ma co liczyć na cud.

Jak wygląda dobre wdrożenie wyszukiwania semantycznego w WooCommerce i PrestaShop?

Dobre wdrożenie zaczyna się od analizy zapytań, które klienci już wpisują. Kończy się pomiarem efektów, a nie samym podpięciem modelu. Typowy przebieg wygląda mniej więcej tak:

  1. Eksport logów wyszukiwania z ostatnich miesięcy.
  2. Uporządkowanie danych produktowych: opisów, atrybutów i kategorii.
  3. Indeksowanie katalogu, czyli wyliczenie embeddingów dla wszystkich produktów.
  4. Konfiguracja wyszukiwania hybrydowego i filtrów.
  5. Testy na prawdziwych zapytaniach klientów, a nie na przykładach z prezentacji.
  6. Uruchomienie i stały monitoring.

Indeks musi się aktualizować przy każdej zmianie produktu, ceny czy stanu magazynowego. Inaczej wyszukiwarka z uśmiechem pokaże towar, którego dawno nie ma. A przy nietypowej strukturze katalogu wtyczka albo moduł pisane na zamówienie sprawdzają się lepiej niż łatanie gotowca na siłę.

Jakie pytania zadać wykonawcy wyszukiwarki AI?

Chodzi o to, żeby sprawdzić, czy wykonawca myśli o danych, kosztach utrzymania i pomiarze efektów. Efektowne demo to jeszcze nie wdrożenie. Polecam zapytać:

  • jak obsłużycie SKU, EAN i kody produktów,
  • po jakim czasie nowy produkt pojawi się w wynikach,
  • gdzie będą przetwarzane dane sklepu i zapytania klientów,
  • ile będą kosztować zapytania do modelu przy dużym ruchu,
  • jak zadziała wyszukiwarka zapasowa, gdy API modelu przestanie odpowiadać,
  • jakie wskaźniki pokażecie po wdrożeniu.

Ustal też, kto po zakończeniu współpracy zostaje właścicielem indeksu i konfiguracji. To wychodzi zwykle dopiero przy rozstaniu. Na koniec sprawdź, czy rozwiązanie dogaduje się z motywem sklepu i wtyczkami filtrów, których już używasz.

Jak zmierzyć efekt wdrożenia: zapytania bez wyników i inne wskaźniki

Najprostszy i najczytelniejszy wskaźnik? Odsetek zapytań bez wyników przed wdrożeniem i po nim. Do tego dochodzą kliknięcia w wyniki wyszukiwania, dodania do koszyka z poziomu wyszukiwarki i ponowne wyszukiwania tego samego klienta. Te ostatnie zwykle znaczą jedno: pierwsza próba nie trafiła. Lista najczęstszych zapytań bez wyników to w sumie gotowa lista poprawek, bo pokazuje braki w opisach, atrybutach albo konfiguracji. Porównuj okresy o tej samej długości i podobnym ruchu. A obietnice konkretnych wzrostów składane przed analizą danych? Traktuj je z dużą rezerwą.

Od czego zacząć wdrożenie wyszukiwarki AI w sklepie?

Wyciągnij z panelu zapytania klientów z ostatnich miesięcy i sprawdź, ile z nich kończy się pustą stroną. Ta jedna liczba pokaże, ile sprzedaży może przeciekać przez obecne rozwiązanie i od których kategorii zacząć. Wysoki wynik? Wtedy wyszukiwarka AI w sklepie zwykle daje szybki, mierzalny efekt. W k4.pl tworzymy wtyczki WooCommerce i moduły PrestaShop na zamówienie, więc możemy przygotować wdrożenie wyszukiwarki w sklepie dopasowane do Twojego katalogu i filtrów, które już działają.

Najczęstsze pytania

Czy wyszukiwarka AI zastąpi standardową wyszukiwarkę WooCommerce?

Tak, jako główna warstwa wyszukiwania. Dokładne dopasowanie zostaje jednak dla kodów SKU, numerów EAN i filtrów, bo tam liczy się zgodność co do znaku. Najlepiej działa połączenie obu metod w jednym, hybrydowym wyniku.

Czy wyszukiwanie semantyczne poradzi sobie z polskimi odmianami i literówkami?

Tak, bo porównuje znaczenie zapytania, a nie formę słowa. Odmiana przez przypadki czy brak polskich znaków nie przeszkadza więc w znalezieniu produktu. Ale jakość wyników i tak zależy od opisów produktów: im pełniejsze dane, tym trafniejsze dopasowania.

Ile trwa wdrożenie inteligentnej wyszukiwarki produktów?

To zależy od wielkości katalogu, jakości danych i liczby integracji, na przykład z filtrami czy systemem magazynowym. Rzetelny wykonawca poda harmonogram po analizie zapytań i danych produktowych. Nie przed nią.