Model do kolejności wyników wyszukiwania w katalogu

Ocenia się całą drogę do produktu: czy właściwy produkt jest na liście, na którym miejscu i czy klient do niego dociera. Model ustawiający kolejność nie pomoże, jeśli wyszukiwarka w ogóle nie znajduje produktu, bo opis zastosowania nie pasuje do żadnego słowa w karcie. Wtedy pierwszym krokiem są lepsze nazwy, synonimy i opisy zastosowań.

Najpierw znaleźć, potem ustawić kolejność

Załóżmy, że klient szuka „lampki na biurko z zaciskiem”. W katalogu jest odpowiedni produkt, ale wyszukiwarka pokazuje najpierw zwykłe lampki stojące, a model z zaciskiem dopiero dalej. Jeśli odpowiednia pozycja już znalazła się wśród kandydatów, można ocenić zmianę ich kolejności. Jeżeli jej nie ma, najpierw trzeba sprawdzić opis produktu, filtry i samo wyszukiwanie.

Ta różnica wpływa na zakres zamówienia. Model porządkujący otrzymaną listę nie podniesie produktu, którego na niej nie dostał. Poprawa synonimów albo brakującej cechy w katalogu może rozwiązać problem wcześniej, bez dodatkowego uczenia.

Sentence Transformers opisuje modele Cross Encoder używane do ponownego porządkowania kandydatów znalezionych przez wyszukiwarkę. W takim zastosowaniu model ocenia parę: zapytanie i opis wyniku. Zespół może porównać taką kolejność z obecnymi wynikami.

Co zespół uznaje za trafny wynik

Opiekun katalogu powinien wyjaśnić, dlaczego lampka z zaciskiem odpowiada zapytaniu, a zwykła stojąca nie spełnia wskazanej cechy. Warto zachować również pytania, przy których pasuje kilka produktów. Ocena trafności nie musi wskazywać jednej sztuki jako jedynej poprawnej odpowiedzi.

Popularność i promocja produktu są osobnymi decyzjami handlowymi. Jeśli firma zmienia kolejność z tych powodów, trzeba odróżnić to od oceny zgodności z pytaniem. Inaczej pracownik będzie poprawiał model według kryterium, którego wcześniej nie uzgodniono.

Gotowy model porządkujący wyniki może wystarczyć. Fine-tuning, czyli jego dalsze uczenie na sprawdzonych przykładach, warto rozważyć przy powtarzalnych pomyłkach dotyczących języka klientów i cech asortymentu. Zespół dostarcza wtedy ocenę trafności, a wykonawca sprawdza, czy adaptacja zmienia listy także dla innych zapytań.

Zakup oceniany na całej drodze do produktu

Porównanie powinno uwzględniać zarówno zapytania, dla których obecna wyszukiwarka zawodzi, jak i te, które obsługuje dobrze. Kierownik widzi, czy poprawa trudnych przypadków nie pogarsza prostych wyszukiwań po nazwie. Ważne jest także oczekiwanie na listę: bardziej trafny wynik musi pojawić się w czasie użytecznym dla klienta.

Pierwszy zakres można ograniczyć do wskazanej części katalogu i zapytań o zastosowanie. Nie trzeba od razu zmieniać całego sklepu. Klient wnosi znajomość produktów i decyzje o tym, co ma oznaczać trafność; Syntalith porównuje dostępne podejścia oraz przygotowuje wynik do oceny zespołu.

Opisz zapytanie, przy którym odpowiedni produkt ginie w wynikach. Od niego możemy zacząć rozmowę o wyszukiwaniu. Informacje o współpracy są w cenniku Syntalith.

Ile to kosztuje

Od czego zacząć

Na bezpłatnej analizie wybieramy jeden proces i 20 do 100 spraw, które zespół już obsłużył. Porównujemy prostszą zmianę z dostosowanym modelem na przypadkach, których model nie widział, a w 2 dni robocze dostajesz pisemne podsumowanie z ceną. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację w ramach aplikacji AI.