חיפוש AI לאיקומרס: חיפוש סמנטי, היברידי ומבוסס כוונה מוסבר

חיפוש מילות מפתח (לקסיקלי) מתאים את המונחים המילוליים בשאילתה מול אינדקס הפוך — מהיר ומדויק לשמות מוצר מדויקים, אבל נכשל בשאילתות מנוסחות מחדש או תיאוריות כמו ״משהו אלגנטי לארוחת ערב״, כי אף אחת מהמילים האלה אולי לא מופיעה במוצר המתאים.

חיפוש סמנטי (וקטורי) במקום זאת מטמיע גם את השאילתה וגם את נתוני המוצר למרחב וקטורי משותף ומתאים לפי משמעות, כך ששאילתה מנוסחת מחדש או תיאורית עדיין יכולה להציג את המוצרים הנכונים.

חיפוש היברידי משלב את שתי השכבות — בדרך כלל שומר על המהירות והדיוק של התאמת מילות מפתח לשאילתות פשוטות ומדויקות, תוך נפילה להתאמה סמנטית למורכבות ולשפה טבעית — לעיתים עם שלב דירוג או boosting נוסף מעל.

שאילתה מורכבת בדרך כלל משלבת כמה תכונות (מחיר, אירוע, חומר, שימוש) בשפה טבעית, במקום לקרוא למוצר בשמו. אלה השאילתות שחיפוש מילות מפתח הכי פחות מצויד לטפל בהן, כי אין מחרוזת מילולית אחת להתאים מולה.

בפרויקט של Semantix, Garmin מדדה ש-23% מכל שאילתות החיפוש בחנות היו מורכבות מספיק כדי שלא היו מחזירות תוצאות תחת חיפוש מילות מפתח לבדו — חלק משמעותי מתעבורה יומיומית, לא מקרה קצה.

כי התאמה סמנטית עובדת על משמעות ולא על איות מדויק, אותה שכבה בסיסית שמטפלת בשאילתות מנוסחות מחדש יכולה גם לסבול שגיאות כתיב, ובקטלוגים רב-לשוניים להתאים שאילתות שהוקלדו בשפה אחרת מנתוני המוצר — בלי שלב תרגום נפרד להתאמה בסיסית.

בפרויקט של Semantix, Weinroute ייחסה 12% מההכנסות אונליין ל-Semantix Search שרץ כשכבת החיפוש המלאה בחנות בחודש מדידה אחד — דוגמה לחיפוש AI שפועל כחוויית החיפוש הראשית ולא כטלאי התאוששות צר.

חיפוש AI לא חייב להחליף מנוע חיפוש קיים. הוא יכול לרוץ כשכבה סמנטית קלה מעל אינדקס קיים — ולהחזיר את השאילתות שהמנוע הנוכחי נכשל בהן — או כמנוע ההיברידי המלא שמפעיל כל חיפוש בחנות. אלה שתי רמות אימוץ שונות, לא שתי טכנולוגיות שונות.