Поиск, который наконец понимает по-человечески
AI-ассистент для подбора товаров
Проблема
Увеличение времени на исследование и выбор товаров
Быстрый рост числа онлайн-покупок в России
Рост использования маркетплейсов и интернет-магазинов
Почему это актуально?
Все мы хоть раз оказывались в ситуации: нужно что-то купить, а что именно — непонятно. Например: «хочу подарок маме на день рождения» или «что взять с собой в поход». Задача есть, а точного названия товара — нет. Стандартная поисковая строка маркетплейса ищет только по названиям — в этом и заключается проблема.
Встроить AI-ассистента прямо в поиск маркетплейса, чтобы пользователю не приходилось уходить на сторонние ресурсы за советом.
Мы предлагаем решение
Ассистент уточняет параметры и потребности
Объясняет, почему выбрал именно их
Формирует корзину для заказа
Всё в одном месте — от возникшей потребности до готового заказа
Как это работает?
Цель и задачи
Понять, в каких сценариях ассистент полезнее обычного поиска, а в каких - пока нет
Сформировать набор диалоговых сессий и провести оценку качества
Обеспечить поддержку нетривиальных сценариев пользовательских запросов
Реализовать рабочий end-to-end прототип AI-ассистента
Задачи
Помочь человеку найти товар, когда он не знает точного описания, — и довести до покупки с помощью AI-ассистента в поиске.
Цель
Как мы это делали
Начали разбирать более сложные сценарии и развивать возможности ассистента
Расширение продукта
8
Добавили guardrails и fallback-сценарии на случай, если что-то пошло не так
Надёжность системы
7
Научили систему ранжировать товары с учётом контекста диалога, а не только запроса
Реранжирование и ответ
6
С помощью LLM сгенерированы диалоги пользователей с ассистентом и оценено их качество
Система оценки качества
5
Придумали единый формат, по которому общаются между собой LLM, backend и остальные сервисы
Контракт ответа
4
Подключили Product Search
API, чтобы получать
структурированную выдачу товаров
Поиск товаров
3
Сделали основной цикл диалога и научились хранить контекст разговора
Диалоговый backend
2
Разобрались со сценариями, подготовили инфраструктуру для работы с LLM
Требования и инфраструктура
1
Наша супер team
Ануфриев Даниил
Синицына Мария
Багдасарян Эрик
Лавров Всеволод
Зайцев Андрей
Рухадзе Альбина
Рабош Артём
Абасов Ислам
Преподаватели
Мокеев Степан
Безлепкин Максим
Помыткин Никита
Шемяков Евгений
Прохоров Никита
Антипьев Алексей
Команда
Результат
Фотоотчёт