طراحی جستجوی فروشگاه با هوش مصنوعی
جستجو و فیلتر رو بر اساس مدلهای قابل خرید بسازید تا نتیجهای که کاربر باز میکنه با رنگ، اندازه، قیمت و موجودی انتخابی جور دربیاد.
طراحی جستجوی فروشگاه با هوش مصنوعی فقط انتخاب چند کلمه کلیدی یا مرتب کردن عنوانها نیست. اسکیل marketplace-search-and-ranking به ایجنتتون کمک میکنه مشخص کنه برای هر مدل قابل فروش چه اطلاعاتی در فهرست جستجو نگه دارید و عبارت کاربر رو چطور برای پیدا کردن همون اطلاعات آماده کنید. متن اصلی برای نمایش حفظ میشه، حتی اگر برای جستجو شکل حروف یا فاصلهها رو یکدست کنید.
مثلا کسی یک کفش مشکی در اندازه مشخص میخواد. اگر جستجو فقط اسم محصول مادر رو بدونه، ممکنه موردی بیاره که رنگ مشکی داره ولی اون اندازه در رنگ دیگه موجوده. میتونید مشخصات قابل خرید رو در سطح هر مدل وارد کنید و بعد برای دستهبندی نتیجهها تصمیم بگیرید. برچسبی که خریدار میبینه هم میتونه ترجمه بشه، در حالی که شناسه داخلی فیلتر ثابت میمونه.
کاربردها
- برای جستجوی مدل محصول، رنگ، اندازه و موجودی رو برای همون واحدی ثبت کنید که قابل سفارشه.
- در ساخت فیلتر فروشگاه، شناسه ثابت رو از برچسبی که برای هر زبان نمایش داده میشه جدا نگه دارید.
- برای یکدست کردن عبارت جستجو، همون قاعدهای رو به ورودی کاربر بزنید که روی متن فهرست اعمال شده.
- هنگام بررسی رتبه نتایج، دلیل بالا اومدن یک کالا رو با تطبیق متن و وضعیت قابل خرید توضیح بدید.
- چند جستجوی بینتیجه رو با مثال آزمایشی مرور کنید تا بفهمید مشکل از داده است یا از محدودیت فیلتر.
نصب و استفاده
- یک ایجنت، نمونه مجاز کاتالوگ و محیط جستجوی فروشگاه لازم دارید. برای آزمایش محلی یکدستسازی متن، Node نسخه ۲۰ یا جدیدتر کافیه.
- بگید «برای این سه مدل یک فهرست بساز و نشون بده وقتی خریدار رنگ و اندازه رو با هم انتخاب میکنه چه نتیجهای باید برگرده».
- جستجو رو با چند شکل نوشتن عبارت و با مدل ناموجود امتحان کنید. نتیجه رو با کالایی که در صفحه مقصد قابل خریده مقایسه کنید.
سوالات متداول
منبع
ساخته Naser Sadrmanesh. نام اصلی: marketplace-search-and-ranking، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub