Авторизация
Сброс пароля
Умный поиск для интернет-магазина лабораторного оборудования
Заказчик: ООО «Электрон-комплект»
Страница кейса/результат: https://elkomplect.ru/
Разработали умный поиск для интернет-магазина оборудования для лабораторий и промышленных предприятий. Понимает количественные параметры из запроса и подбирает товары даже для покупателя, не разбирающегося в тематике. Стоимость LLM-обогащения базы сократили в 10+ раз.
Агентство-исполнитель кейса
Take&Make
Строим поиск, который работает с реальными запросами — со сленгом, описанием задачи вместо названия товара, количественными ограничениями. И оптимизируем стоимость LLM-обогащения данных так, чтобы решение оставалось экономически осмысленным даже на десятках тысяч SKU.
1. Вводная задача от заказчика, проблематика, цели
elkomplect.ru продаёт оборудование для лабораторий и промышленных предприятий — от осциллографов до очистительных инструментов. Особенности номенклатуры: большой объём, специфические свойства, которые сложно понять без подготовки. С сайтом часто работают менеджеры по закупкам, которые сами не погружены в тематику — им нужен поиск, который поможет «не зная названия» найти подходящий товар. На старте структурированных карточек со свойствами по всей товарной базе не было.
2. Описание реализации кейса и творческого пути по поиску оптимального решения
Шли итерациями, получая обратную связь от реальных запросов.
Первая итерация — векторный поиск. Векторизовали описания товаров через Voyage, для запроса пользователя возвращали топ-5 ближайших по смыслу. Это закрыло базовые сценарии, но обнаружило ограничение: для технического оборудования критичны количественные характеристики (диапазон частот, точность, мощность), а в чистом векторном поиске они смешиваются с семантикой и теряются.
Вторая итерация — структурирование товарной базы. На основе имеющихся описаний с сайта сгенерировали наборы свойств для каждой категории и проставили значения этих свойств по всему каталогу. Здесь возникла проблема стоимости: прямой прогон LLM по нескольким десяткам тысяч товаров стоил бы сотни тысяч рублей. Решили её гибридно — комбинацией алгоритмических подходов и моделей разного класса (где можно дешёвой, где обязательно качественной). Стоимость процедуры сократили в 10+ раз.
Третья итерация — гибридный поиск, который объединяет семантический матчинг и количественные ограничения из запроса.
3. Результаты сотрудничества
- Запущен умный поиск, понимающий смысловые и количественные запросы
- Большая часть товарной базы автоматически обогащена структурированными свойствами
- Стоимость обогащения сокращена в
- 10+ раз
по сравнению с прямолинейным LLM-прогоном
- Метрики кликабельности и конверсии находятся в накоплении
4. Заключение
В e-commerce-проектах с технически сложной номенклатурой одной семантики недостаточно — нужна структура поверх данных. Кейс описывает рабочий рецепт: векторный поиск как основа, LLM-обогащение базы для количественных ограничений, гибридный поиск как итог, и серьёзная инженерная работа над стоимостью обогащения, без которой решение не масштабируется.
Агентство-исполнитель кейса
Take&Make
Строим поиск, который работает с реальными запросами — со сленгом, описанием задачи вместо названия товара, количественными ограничениями. И оптимизируем стоимость LLM-обогащения данных так, чтобы решение оставалось экономически осмысленным даже на десятках тысяч SKU.