Az is rengeteget változott az utóbbi években, hogy a felhasználók milyen taktikát folytatnak, amikor a kívánt információra, vagy adott esetben termékre keresnek rá. A “klasszikus” technika a kulcsszavas keresés volt, amikor igyekeztünk a legjellemzőbb részeket, tulajdonságokat kiragadni (pl.: ing+férfi+kék), mára azonban egyre inkább az élő nyelven alapuló, ún. long tail keresések lettek gyakoribbak (pl. “piros hosszú női kabát, kék színű mintával, Nyíregyháza környékén”) A Google-nél ezt felismerték, és a relevánsabb találatok érdekében folyamatosan azon dolgoznak, hogy a keresőmotor megértse a szándékot, vagyis szemantikailag is tudja értelmezni a beírt szöveget, amelyhez természetesen mesterséges intelligenciát és gépi tanulást alkalmaznak.

A jelenlegi fejlesztéssel lényegében ezt a gondolatmenetet ültették át a webshopoknál használatos termékkeresőkbe, és azt állítják, hogy a pilot projektben résztvevő kereskedőknél (Lowe’s, Fnac Darty, Casas Pernambucanas) azonnal elkezdett nőni a konverziós arány. Neelima Sharma, a Lowe’s e-kereskedelmi, marketing és merchandising üzletágának alelnöke nyilatkozatában elmondta, hogy a Google-lel való együttműködés óta a lakásfelújítási termékekkel foglalkozó kereskedőnél jelentősen nőtt a konverziók száma, csökkent a találat nélküli keresések aránya, emelkedett az átkattintási arány, és jobbak lettek a keresési eredmények a long tail kereséseknél.

A Retail Search eszköznek nincs rendszeres fix díja, ehelyett a lekérdezések és a keresési eredmények böngészése után kell fizetni, ami 1000 műveletenként 2,5 dolláros költséget jelent. A leírás szerint ingyenesen tudjuk importálni a termékkatalógusunkat és a korábbi felhasználói műveleteket. Díjköteles viszont a tanulás és finomhangolás (2,5$/node óránként) illetve az előzetes szövegkitöltés (prediction) is.

Az implementáláshoz a Google a megszokott, részletes dokumentációt és supportot biztosítja, amely segítségével a fejlesztők gond nélkül be tudják építeni a Retail Search modult bármely webshopba. A dokumentációt a Google Cloud megfelelő szekciójában találhatjuk. A teljes cikk itt folytatódik.

Kövesd az oldalunkat a Facebook-on és a Twitteren is!