Solutions · Search & Discovery
Buscador ecommerce: el producto correcto a la primera.
Cada producto en la categoría correcta, con los atributos y sinónimos que el índice necesita para razonar: agentes de IA que trabajan sobre la capa que lee tu motor de búsqueda. Con Algolia, FactFinder, Coveo o el buscador que venía con tu plataforma, el techo de relevancia lo pone el catálogo que hay debajo.
El problema
El motor solo encuentra lo que dice el catálogo
Las búsquedas que fallan son las normales. Cuando le pedimos a una cadena de alimentación sus peores búsquedas en su propia web, nos mandó cuatro, que aquí traducimos: agua sin gas, pan tierno, pimientos amarillos, atún. Palabras corrientes, y en tres de ellas, un nombre de producto sin ningún atributo asociado.
Lo que falla es la coincidencia, no la búsqueda. Buscas pantalones rojos y aparece un producto que se llama zanahoria, porque la palabra coincidía. Buscas una camisa elegante y te encuentras con una marca que se llama, literalmente, Elegant. El motor hizo exactamente lo que se le pidió, con lo único que se le dio.
Debajo de las dos está la taxonomía, y normalmente son dos taxonomías. Un minorista nos pasó su árbol y nos dijo qué mitad era real: 1.000 categorías finales activas frente a 3.000 si se cuentan las antiguas desactivadas, y además un grupo de categorías finales que seguían vivas bajo un padre que se había desactivado. Los filtros de búsqueda, las páginas de aterrizaje de SEO y la aceptación en los marketplaces leen ese árbol, así que una categoría que no se resuelve te cuesta las tres cosas a la vez.
Casos de uso habituales
Las tareas de búsqueda
Estos son algunos de los agentes de IA que trabajan aquí, y el área no se limita a ellos. Cada uno es un flujo de trabajo con su propio resultado y sus propias cifras, y lee las mismas fichas que lee el resto del catálogo.
Findability
La categoría y las palabras que la rodean
Lo que decide si un producto aparece está por debajo de la consulta, y ahí trabajan los agentes. Primero, la categoría: cada producto clasificado en el nivel correcto de tu propio árbol, de forma continua, con un informe de la distancia entre el árbol que diseñaste y el que usas de verdad. Un caso límite se decide por categoría y no por palabra clave, así que un kit solar fijo para balcón es un producto distinto de un panel portátil por mucho que se parezcan las palabras. Los productos sin un hueco válido vuelven como la lista de categorías que le faltan a tu taxonomía. Después, la capa de atributos que lee el índice: se generan los atributos que faltan, se normalizan los existentes y se preparan las listas de sinónimos y variantes que necesita el motor, para que una búsqueda de pantalones rojos devuelva pantalones. Con Algolia, FactFinder, Coveo o un motor agéntico, esa capa es el techo de todos ellos.
Relevance lift after attribute fill
El ciclo de correcciones
Cada corrección mejora la siguiente ejecución
Tu equipo juzga el resultado. Un valor es correcto, o es incorrecto y se corrige una sola vez. Cada veredicto cambia la siguiente ejecución: la puntuación sobre tu propia muestra se mueve y el agente parte de lo que aprendió la anterior. Así, la proporción de valores que necesitan revisión humana no deja de bajar, medida en tu catálogo y con tus reglas, no con la media de los demás.
Cómo trabajamos
En producción en tu catálogo en semanas, no en meses
Hacemos las cuatro fases con tu equipo, sobre los sistemas que ya tienes, y cada una termina con una cifra acordada de antemano.
- 01
Diseño
Analizamos cómo entran tus datos y cómo sale el resultado, y acordamos el KPI de negocio que el agente tiene que mover.
- 02
Implementación
Construimos el agente y lo probamos con una muestra de tu propio catálogo, acordada contigo. Cada cambio se evalúa con esa muestra, así que el ajuste se basa en cifras.
- 03
Demostración
Damos el trabajo por terminado cuando el KPI llega al objetivo en todo el catálogo y tú mismo has visto las cifras.
- 04
Evolución
Seguimos a cargo de la cuenta. Tus correcciones siguen mejorando el agente, el KPI se mantiene donde lo necesitas y el siguiente caso de uso parte del contexto que ya ha creado este.
Para grandes empresas, sobre un catálogo que no puede fallar
Funciona sobre los sistemas que ya tienes
Lee tu PIM, ERP y DAM a través de sus API y les devuelve el resultado.
Nada dudoso llega a un canal
Cada valor se revisa con tus reglas, y lo dudoso pasa a revisión antes de llegar a un canal de venta.
Tus datos siguen siendo tuyos
Tu propio espacio de trabajo aislado. Nunca se mezcla con modelos compartidos y puedes exportarlo cuando quieras.
Cada ejecución queda registrada
Cada valor lleva su fuente, su ejecución y su puntuación, así que, si uno sale mal, ves por qué.
Questions
Lo que nos preguntan las empresas de retail
¿Qué es el buscador interno de un ecommerce?
La barra de búsqueda de tu propia web y los datos de producto que lee. La mayoría de los fallos de búsqueda se achacan al motor y no son culpa del motor. No devuelve nada porque el producto no tiene color, ni material, o tiene una categoría que nadie buscaría. No sustituimos el motor de búsqueda. Arreglamos lo que tiene que leer.
¿Sustituís nuestro motor de búsqueda?
No. Trabajamos sobre la capa que indexa. Con Algolia, FactFinder, Coveo o el buscador que venía con tu plataforma, el agente mejora los atributos, los sinónimos y las categorías con los que razona el motor, y el motor se queda donde está.
¿Cómo sabéis que la clasificación es correcta?
Se mide, no se da por supuesto. La precisión se puntúa con un conjunto de evaluación que validan tus propios expertos, y se presenta como un porcentaje con los errores listados producto a producto.
¿Qué pasa con los productos que no tienen una categoría válida?
Se señalan, no se fuerzan. La ejecución te devuelve las categorías que le faltan a tu taxonomía como una decisión que tienes que tomar, separadas de los productos que de verdad estaban mal colocados.
Nuestra taxonomía cambia todo el rato. ¿Eso es un problema?
No, es lo normal. La clasificación se hace sobre el árbol que está activo, y cuando el árbol cambia, el conjunto de evaluación y el umbral acordado se vuelven a fijar en lugar de darse por buenos.
¿Quién decide los casos dudosos?
Tú. Dónde va un tipo de producto es una decisión de merchandising, así que el límite que marques se convierte en una regla explícita.
¿De quién son los datos?
Tuyos. Los agentes aprenden de las correcciones que hace tu equipo, y puedes exportar los datos y las correcciones en cualquier momento.