Português
1. Busca híbrida que realmente entende: a busca full-text é rápida, mas não entende o contexto
A busca full-text é rápida, mas não entende o contexto. Os modelos vetoriais entendem o significado, mas podem perder correspondências exatas. A busca híbrida que estamos desenvolvendo combina as duas abordagens e adiciona uma camada extra: re-ranking construído com base em dados comportamentais e nos objetivos de negócio de cada loja. O resultado? Um mecanismo de busca que pensa como um vendedor experiente, não como um banco de dados.
2. Um assistente de IA que guia o cliente ao produto certo
Às vezes, um cliente não sabe exatamente o que está procurando. Nosso AI Shopping Assistant ajuda a encontrar produtos com mais facilidade. Ele guia o cliente por uma conversa, refina os requisitos e exibe produtos relevantes diretamente do catálogo da loja. Todo o deployment pode ser realizado em dois dias.
O que medimos
Acompanhamos se a busca híbrida realmente apresenta melhor desempenho (meta: pelo menos 8 testes A/B bem-sucedidos), e se conseguimos fazer o deployment do assistente de forma rápida e repetida (meta: 7 ou mais deployments em dois dias, 10 ou mais lançamentos piloto no total).
Por que isso é importante para nós
Uma busca melhor não significa apenas uma melhor User Experience. Significa taxas de conversão mais altas, maior valor médio de pedido e clientes que voltam. Esse é um objetivo que compartilhamos com cada um dos nossos clientes.
Esta pesquisa é realizada no âmbito do projeto Aplicação de GenAI para Melhoria da Busca e Descoberta de Produtos no E-Commerce (GENAI-ECO, código do projeto: 17I04-04-V05-00077), financiado pela União Europeia com recursos do Plano de Recuperação e Resiliência da República Eslovaca. O projeto ocorre de outubro de 2025 a junho de 2026.
