Búsqueda Semántica en un E-commerce de Moda
Un marketplace de moda detecta que el 28% de las búsquedas devuelve cero resultados o resultados irrelevantes. Los usuarios escriben como hablan: 'vestido para boda en la playa', 'algo cómodo para viajar en avión', 'zapatillas como las de la foto'. El buscador actual solo encuentra coincidencias exactas de palabras en el título del producto.
De dónde sale el dinero
Qué hacer ahora
- 1Medir ingresos perdidos por búsquedas sin resultado.
- 2Lanzar búsqueda híbrida (palabras + significado) a un 20% del tráfico.
- 3Reordenar el top de resultados por margen y stock.
Para llevar al comité
Una página con la decisión, el impacto, los riesgos, los pasos y el KPI de seguimiento.
Se abre la ventana de impresión: elige "Guardar como PDF".
Ojo: más volumen no siempre es más beneficio
Mostrar primero lo más parecido aunque no tenga stock en tu almacén o tenga margen mínimo. Combina relevancia con margen, stock propio y tasa de devolución en el orden de resultados.
KPI para el comité
Margen por búsqueda y tasa de búsquedas sin resultado.
Detalle para tu equipo de datos
Técnica propuesta: Embeddings + Búsqueda Vectorial
Por qué: El problema es de significado, no de palabras. Los embeddings colocan 'vestido para boda en la playa' cerca de 'vestido lino largo blanco' aunque no compartan palabras. La búsqueda vectorial encuentra los vecinos en milisegundos sobre cientos de miles de productos.
Coste de equivocarse: Cada búsqueda sin resultado es un cliente que se va a la competencia. Un buscador que muestra productos sin stock genera frustración y devoluciones.
Datos necesarios: Catálogo: 300.000 productos con título, descripción, atributos y fotos.; Logs de búsqueda: 50M de consultas con clics, añadidos al carrito y compras.; Búsquedas sin resultado y abandonos inmediatos tras buscar.