AI untuk Carian Visual: Membolehkan Pelanggan Mencari Produk dengan Foto dan Bukan Kata Kunci

Terdapat jurang antara apa yang pelanggan boleh lihat dan apa yang mereka boleh terangkan. Seseorang melihat lampu di apartmen rakan dan mahu membelinya. Mereka tahu dengan tepat rupanya tetapi tidak tahu apa yang hendak ditaip ke dalam bar carian. Lampu lantai arka tembaga moden pertengahan abad dengan asas marmar? Mungkin. Tetapi mereka mungkin hanya mencari lampu emas melengkung dan mendapat 2,000 keputusan yang tidak relevan.

Carian visual menutup jurang ini. Daripada menterjemahkan imej mental kepada kata kunci, pelanggan mengambil foto (atau memuat naik tangkapan skrin daripada media sosial) dan AI mencari produk yang serupa secara visual dalam katalog anda. Teknologi ini telah matang dengan ketara sejak beberapa tahun kebelakangan ini, dan ia menjadi ciri standard untuk jenama e-dagang yang berfikiran ke hadapan.

Bagaimana Teknologi Carian Visual Berfungsi

Pada dasarnya, carian visual menggunakan rangkaian neural konvolusi untuk menukarkan imej kepada perwakilan matematik yang dipanggil vektor ciri. Vektor ini menangkap ciri visual sesebuah imej: bentuk, warna, tekstur, corak, perkadaran dan hubungan ruang. Apabila pelanggan memuat naik imej carian, sistem menukarkannya kepada vektor ciri dan kemudian membandingkannya terhadap vektor ciri setiap produk dalam katalog anda, mengembalikan padanan terdekat.

Pemadanan ini bukan perbandingan piksel sempurna. Sistem memahami persamaan visual pada peringkat semantik. Foto sofa baldu biru yang diambil dari sudut dalam bilik bercahaya samar masih akan sepadan dengan foto produk studio bagi sofa yang sama atau serupa yang diambil secara langsung dengan pencahayaan profesional. AI telah belajar untuk melihat melampaui perbezaan dalam keadaan fotografi dan menumpukan pada ciri produk asas.

Sistem carian visual moden juga mengendalikan padanan separa dengan baik. Jika pelanggan memuat naik foto ruang tamu, sistem boleh mengenal pasti item individu dalam adegan tersebut: sofa, meja kopi, permaidani, lampu. Setiap item menjadi carian berasingan yang mengembalikan produk yang relevan. Keupayaan penguraian adegan ini menjadikan carian visual berguna walaupun pelanggan tidak fokus pada satu produk tertentu.

Kes Penggunaan yang Memacu Pendapatan Sebenar

Kes penggunaan carian visual paling biasa adalah inspirasi media sosial. Pelanggan melihat produk yang mereka suka di Instagram, Pinterest atau TikTok dan ingin mencari produk tersebut (atau item yang serupa) untuk dibeli. Keupayaan untuk mengambil tangkapan skrin pos tersebut dan mencari kedai anda dengan imej menangkap permintaan yang carian kata kunci tidak mampu lakukan.

Dari kedai ke dalam talian adalah satu lagi kes penggunaan yang berharga. Pelanggan melihat sesuatu yang mereka suka di kedai fizikal tetapi ingin membandingkan harga atau menyemak ulasan dalam talian. Foto produk segera memunculkan item yang sepadan dalam katalog anda, merapatkan jurang antara membeli-belah fizikal dan digital.

Untuk fesyen dan hiasan rumah secara khusus, carian visual membolehkan pemadanan gaya. Pelanggan memuat naik foto pakaian atau bilik dan sistem anda mencadangkan produk yang sepadan dengan gaya, palet warna dan estetika. Ini melampaui mencari item yang tepat dan menjadi alat penemuan yang meningkatkan saiz bakul.

Pendekatan Pelaksanaan

Terdapat beberapa cara untuk menambah carian visual ke kedai e-dagang anda. Yang paling mudah adalah ikon kamera dalam bar carian yang membolehkan pelanggan memuat naik atau mengambil foto. Apabila diaktifkan, ia membuka kamera peranti atau pemilih fail, menghantar imej ke API carian visual dan mengembalikan keputusan dalam format grid produk standard.

Pendekatan yang lebih bersepadu menanam carian visual sepanjang pengalaman membeli-belah. Halaman butiran produk boleh menunjukkan item yang serupa secara visual (versi yang lebih bijak daripada anda mungkin juga suka). Halaman kategori boleh membenarkan pelanggan menapis keputusan dengan memuat naik imej rujukan. Dan e-mel pemasaran atau iklan media sosial boleh memautkan dalam ke keputusan carian visual yang dipra-isi dengan imej produk yang ditampilkan.

Penyepaduan teknikal biasanya melibatkan API carian visual berasaskan awan. Imej katalog produk anda diindeks (proses sekali sahaja yang boleh mengambil masa beberapa jam untuk katalog yang besar), dan kemudian API mengendalikan pertanyaan carian dalam masa nyata. Masa respons biasanya di bawah satu saat, cukup pantas untuk pengalaman terasa serta-merta kepada pelanggan.

Pengindeksan Katalog dan Kualiti Imej

Kualiti keputusan carian visual anda sangat bergantung kepada kualiti imej katalog produk anda. Produk yang diambil pada latar belakang putih dengan pandangan yang jelas dan tidak terhalang diindeks dengan lebih baik berbanding imej gaya hidup di mana produk separa tersembunyi atau dikelilingi oleh elemen yang mengganggu. Kebanyakan sistem carian visual mengesyorkan mengindeks imej produk utama (latar belakang putih, produk sahaja) sebagai perwakilan kanon.

Saiz katalog penting untuk pengalaman pelanggan. Carian visual paling mengagumkan apabila katalog cukup besar sehingga terdapat padanan yang baik untuk kebanyakan imej carian. Katalog 500 produk akan kerap mengembalikan padanan biasa-biasa kerana produk yang betul tidak wujud dalam inventori. Katalog 50,000 produk jauh lebih cenderung untuk mempunyai padanan yang kuat untuk mana-mana imej carian.

Pengindeksan semula yang kerap memastikan produk baharu boleh dicari dengan segera. Kebanyakan platform carian visual menyokong pengindeksan tambahan, di mana produk baharu ditambah ke indeks tanpa membina semula keseluruhan perkara. Ini bermakna produk boleh dicari secara visual dalam beberapa minit selepas ditambahkan ke katalog anda.

Mengukur Prestasi Carian Visual

Metrik utama untuk carian visual adalah kadar carian-ke-klik (sejauh mana pelanggan klik pada keputusan carian visual), kadar carian-ke-pembelian (sejauh mana carian visual membawa kepada pembelian) dan skor relevan (sejauh mana keputusan yang dikembalikan sepadan dengan imej carian).

Pelaksanaan awal sering melihat kadar penukaran yang lebih rendah berbanding carian kata kunci, yang dijangkakan kerana carian visual sering digunakan untuk melihat-lihat dan menemui dan bukan carian dengan niat membeli. Lama-kelamaan, apabila sistem bertambah baik dan pelanggan belajar untuk mempercayainya, kadar penukaran biasanya meningkat.

Ujian A/B carian visual terhadap kumpulan kawalan (tiada carian visual tersedia) adalah cara paling boleh dipercayai untuk mengukur impak tambahannya. Ini menangkap bukan sahaja penukaran carian visual langsung tetapi juga kesan halo carian visual ke atas penglibatan tapak keseluruhan dan masa yang dihabiskan untuk melihat-lihat.

Had Semasa

Carian visual berfungsi paling baik untuk kategori produk dengan pembezaan visual yang kuat: fesyen, perabot, hiasan rumah dan aksesori. Ia kurang berguna untuk kategori di mana produk kelihatan serupa tetapi berbeza dari segi spesifikasi, seperti elektronik atau bekalan perindustrian. Foto komputer riba hitam tidak memberitahu sistem apa-apa tentang kelajuan pemproses atau RAM.

Kualiti imej daripada pelanggan boleh menjadi isu. Foto kabur, sudut yang melampau, pencahayaan yang lemah dan latar belakang yang berselerak semuanya mengurangkan ketepatan padanan. Sistem terbaik mengendalikan ini dengan baik, mengembalikan padanan anggaran dan bukan tiada keputusan, tetapi pengalaman sentiasa lebih baik dengan imej input yang jelas.

Pertimbangan privasi juga terpakai. Jika carian visual anda memproses foto yang dimuat naik pelanggan, anda memerlukan dasar yang jelas tentang bagaimana imej tersebut disimpan dan digunakan. Kebanyakan pelaksanaan memproses imej, mengekstrak vektor ciri, mengembalikan keputusan dan kemudian membuang imej asal. Bersikap telus tentang ini membina kepercayaan pelanggan. Ketahui lebih lanjut tentang pengalaman membeli-belah berkuasa AI di halaman industri e-dagang dan runcit kami.