Нейронный поиск для маркетплейса промышленных товаров
Модуль семантического поиска для B2B-маркетплейса промышленных товаров, обеспечивающий высокую точность результатов при текстовом запросе. Система понимает профессиональную терминологию, сокращения, артикулы и синонимы промышленной номенклатуры — и возвращает позиции, соответствующие запросу закупщика, инженера или снабженца.
Ключевое отличие:
Адаптирован под промышленные товары, где стандартный полнотекстовый поиск теряет значительную долю релевантных позиций из-за разночтений в названиях, марках стали, типах, размерах и единицах измерения. Нейросетевая модель обучена на промышленной номенклатуре.
Зачем это нужно?
Проблема
Промышленная номенклатура — одна из самых сложных для поиска: одна и та же позиция может иметь до 15 вариантов написания (ГОСТ, ТУ, торговое название, сленг, артикул производителя)
Стандартный полнотекстовый поиск (Elasticsearch, keyword match) пропускает значительную часть релевантных позиций: «труба 159х6 ст20» может не находиться по запросу «труба бесшовная 159 мм сталь 20»
Закупщик вынужден формулировать запрос несколько раз, перебирая варианты написания — время поиска одной позиции может доходить до 5–7 минут вместо нескольких десятков секунд
На маркетплейсе с сотнями тысяч SKU ненайденная позиция равна потерянной продаже: по нашим оценкам, до 25% запросов на B2B-маркетплейсах с некачественным поиском заканчиваются уходом пользователя
Решение
Модуль нейронного поиска решает проблему через:
Векторное представление каждой позиции каталога с учетом технических характеристик, ГОСТ, марок и синонимов
Семантическое понимание запроса: «нержавейка 12Х18Н10Т лист 2 мм» сопоставляется с «Лист нержавеющий AISI 321 2,0×1000×2000»
Нормализацию единиц измерения, типов, размеров и сокращений в реальном времени
Гибридный поиск: нейронный семантический + точный по артикулу/ГОСТ — для покрытия всех типов запросов
Основные функции
(01)
Семантический поиск по каталогу
- Понимание запросов на естественном языке с профессиональной терминологией.
- Автоматическое разрешение синонимов: марки стали, стандарты (ГОСТ ↔ DIN ↔ AISI), торговые названия.
- Ранжирование результатов по релевантности с учетом типа, размера, материала и назначения.
(02)
Нормализация промышленной номенклатуры
- Приведение размеров к единому формату: «159×6», «159*6 мм», «Ду150» → единый тип, размер.
- Сопоставление марок материалов по таблицам соответствия (Ст3 = S235JR, 12Х18Н10Т = AISI 321).
- Обработка сокращений и сленга: «нержа», «чернуха», «оцинковка» → корректные категории.
(03)
Гибридный поиск: нейронный + точный
- Точный поиск по артикулу, коду ОКПД2, номеру ГОСТ — без потерь при копировании из спецификации.
- Семантический поиск при свободном текстовом запросе.
- Автоматический выбор стратегии поиска в зависимости от типа запроса.
(04)
Автодополнение и подсказки
- Мгновенные подсказки при вводе с учетом контекста предыдущих запросов.
- Предложение уточняющих фильтров: марка стали, тип, размер, ГОСТ, производитель.
- Исправление опечаток и транслитерации (англ. ↔ рус. раскладка).
Ключевые характеристики
Параметр
Значение
Точность поиска (precision)
95% на верифицированном каталоге
Полнота поиска (recall)
≥ 90%
Время отклика
менее 200 мс
Размер каталога
до 15 000 000 SKU
Поддержка стандартов
ГОСТ, ТУ, DIN, AISI, ASTM, EN
Языки запросов
Русский, английский
Интеграция
REST API, SDK для веб-витрины
Обновление индекса
Инкрементальное, менее 5 минут на 10 000 позиций
Сценарии применения
(01)
Поиск позиции по свободному текстовому запросу
Цель:
Закупщик вводит описание позиции в привычных терминах и получает релевантный результат с первой попытки
Эффект:
Сокращение времени поиска одной позиции с нескольких минут до десятков секунд; рост конверсии поиска
(02)
Поиск по спецификации или заявке
Цель:
Инженер копирует строку из проектной спецификации или заявки на закупку — система находит соответствие в каталоге
Эффект:
Исключение ручного перебора артикулов, снижение доли ошибок при подборе
(03)
Кросс-поиск аналогов и заменителей
Цель:
Поиск аналогов при отсутствии точной позиции: по марке материала, типу, размеру и функциональному назначению
Эффект:
Снижение доли «нулевых» результатов поиска
(04)
Поиск для интеграционных сценариев (API)
Цель:
Автоматический подбор позиций из каталога маркетплейса по данным из ERP или заявки через API
Эффект:
Автоматизация массового подбора, сокращение рутинной нагрузки на снабженцев
Ценность для заказчика
Операционная эффективность
Рост конверсии поиска за счет корректной интерпретации запросов в промышленной терминологии.
Сокращение времени подбора позиции — с нескольких минут до десятков секунд для типичных запросов.
Снижение нагрузки на менеджеров-консультантов в части обращений «помогите найти позицию».
Экономический эффект
Расчет приведен для маркетплейса с GMV ~5 млрд руб./год и 500 000+ SKU. Эффект пропорционален масштабу.
Статья экономии
База расчета
Допущение
Оценка в год
Статья экономии
Рост конверсии поиска → дополнительный GMV
База расчета
GMV 5 млрд руб./год
Допущение
Прирост конверсии поиска на 3–5 п.п.; маржа платформы ~5%
Оценка в год
7 500 000 – 12 500 000 руб.
Статья экономии
Снижение оттока «нулевых» результатов → удержание пользователей
База расчета
Доля нулевых результатов 20–25% от поисковой сессии, средняя покупка после удержания
Допущение
Конверсия удержанного пользователя 30–40%
Оценка в год
5 000 000 – 10 000 000 руб.
Статья экономии
Снижение нагрузки на менеджеров-консультантов
База расчета
ФОТ команды поддержки
Допущение
Снижение объема обращений по поиску на 50–70%
Оценка в год
2 000 000 – 3 600 000 руб.
Статья экономии
Ускорение цикла закупки для покупателей (retention)
База расчета
LTV покупателей
Допущение
Рост повторных покупок на 5–10%
Оценка в год
3 000 000 – 6 000 000 руб.
Итого:
17 500 000 – 32 000 000 руб./год
Ключевой эффект
Рост конверсии и удержания пользователей. Конкретные значения зависят от текущего уровня конверсии поиска у заказчика и структуры клиентской базы.
Стратегические преимущества
Качество поиска — один из ключевых факторов удержания на B2B-маркетплейсе
Нормализованная номенклатура — основа для аналитики цен, рейтингов поставщиков и рекомендаций
Масштабируемость: модель дообучается на новых категориях без переписывания логики поиска
Экономика проекта
При стоимости лицензии и внедрения 6 млн руб. в первый год и эксплуатационных расходах 3 млн руб. в год начиная со второго:
Показатель
1-й год
2-й год и далее
Показатель
Затраты
1-й год
12 млн руб. (внедрение)
2-й год и далее
4 млн руб. (поддержка)
Показатель
Ожидаемая экономия
1-й год
17,5 – 32 млн руб.
2-й год и далее
17,5 – 32 млн руб.
Показатель
Чистый эффект
1-й год
5,5 – 20 млн руб.
2-й год и далее
13,5 – 28 млн руб.
Срок окупаемости:
5–9 месяцев при указанных параметрах GMV.
Для маркетплейса с меньшим GMV срок окупаемости пропорционально увеличивается.