应用案例 · · 6 min
"笨"搜索：零售行业 30% 销量的流失
我们分析了 5 家大型电商的搜索日志。结果令人担忧：客户知道自己想要什么，但您的搜索引擎听不懂。
Fabiano Brito
CEO & Founder
TL;DR
经典关键词搜索（Elastic/Solr）理解文本，不理解意图。在审计的 5 家电商中，30% 的搜索以零点击结束——不是因为没有产品，而是语义"文盲"。Vertex AI Search 通过向量搜索 + 多模态解决这一问题。平均转化率提升：+16%。
周五晚上。您的客户周六早上要参加婚礼。她绝望地在您的网站上搜索："适合白天郊区婚礼的长裙"。
您每月花 R$ 15,000 的搜索引擎回答：
搜索结果
未找到"郊区"的相关产品。
您是否想搜索"皮带"？
您是否想搜索"皮带"？
客户关闭标签页，去亚马逊购买了。您损失了 R$ 800——不是因为缺货，而是您的软件存在语义文盲。
关键词 vs 向量：数百万的差距
传统搜索寻找词语。Vertex AI Search 寻找含义。看看架构上的差异：
| 标准 | 传统搜索（Elastic/Solr） | Vertex AI Search（向量） |
|---|---|---|
| 查询："黑色跑步鞋" | 精确搜索："黑色" AND "跑步" | 理解："深色运动性能鞋" |
| 拼写错误 | 失败（"未找到结果"） | 自动上下文纠正 |
| 多模态 | 仅文字 | 文字 + 图片（以图搜索） |
| 模糊意图（"送给 30 岁姐姐的礼物"） | 返回无关结果 | 返回精准推荐 |
| 平均转化率（审计的 5 家电商） | 基准线 | +16% |
代码：机器如何"思考"
当客户输入"轻薄连衣裙"时，Vertex 不搜索字符串"轻薄"。它将她的意图转换为数学向量（嵌入），并在该向量空间中搜索相邻产品。
// 嵌入响应（简化版）
{
"query": "适合白天婚礼的裙子",
"intent_vector": [0.82, -0.45, 0.12, ...],
"nearest_neighbors": [
{
"id": "SKU-992",
"name": "碎花中长裙",
"score": 0.98 // 高语义相关性
},
{
"id": "SKU-551",
"name": "坡跟凉鞋",
"score": 0.85 // 视觉交叉销售
}
]
}
⚠️ 向量不能替代完善的商品目录
嵌入从您现有的文字中提取。如果 SKU-992 的描述只有"M 码碎花连衣裙"，代理就用这些信息工作。目录充实（属性、使用场合、视觉背景）是获得 100% 收益的前提。多模态在图片弥补文字不足时有帮助，但无法解决空目录的问题。
客户终于找到了自己都说不清楚的东西。这就是 30% 零点击搜索与 96% 前三名相关结果之间的差距。
搜索审计
您的电商是否在搜索环节损失了 30% 的销售？
Autenticare 审计分析 30 天的搜索日志，识别零点击查询，估算损失销售，并预测 Vertex AI Search 带来的收益。输出商业案例和 60 天计划。