Keyword vs semàntica: l'exemple que ho aclareix tot
Un client cerca «ulleres» en una botiga de cosmètica. Tres motors reaccionen de manera diferent:
- Motor de cerca clàssic (keyword). Retorna 0 resultats si cap producte té la paraula «ulleres» al títol o a la descripció.
- Motor de cerca amb sinònims manuals. Retorna els productes «contorn d'ulls» si el merchant ha configurat prèviament la regla «ulleres → contorn d'ulls». Funciona però exigeix manteniment manual constant.
- Motor de cerca amb IA semàntica. Converteix «ulleres» en un vector i el compara amb el vector de cada producte. «Contorn d'ulls», «sèrum despigmentant», «pegats descongestius» apareixen ordenats per proximitat conceptual. Sense configurar res.
Tres escenaris on la IA es paga sola
- Zero-result rate alt. Si més del 10-15% de les teves cerques retorna «sense resultats», estàs perdent conversió directa. La IA semàntica baixa típicament aquesta ràtio a la meitat, perquè entén variants i conceptes.
- Vocabulari diferent entre client i fabricant. El teu fabricant escriu «sèrum vitamina C 10%»; el teu client cerca «antitaques per a pell apagada». La semàntica connecta tots dos sense que escriguis regles.
- Multiidioma amb traduccions desiguals. Catàleg traduït a 5 idiomes però amb descripcions curtes en alguns. Els embeddings cross-idioma permeten trobar productes encara que el text en l'idioma del client sigui pobre.
Cost real de la IA al motor de cerca
El cost d'inferència (calcular els embeddings) ha caigut dràsticament des del 2023. Avui un catàleg de 10.000 productes es processa per menys d'1 €/mes. La diferència de pricing entre els proveïdors no reflecteix el cost real — reflecteix una decisió comercial.
FAQ
Què és exactament la cerca semàntica?
Una cerca que entén què significa la query del client, no només quines paraules ha fet servir. Al darrere hi ha un model de llenguatge que converteix tant la query com cada producte en vectors numèrics (embeddings), i mesura la proximitat semàntica entre ells. Per això «ulleres» troba «contorn d'ulls» — cap match per paraula, però conceptes propers a l'espai vectorial.
La cerca per keyword encara és útil?
Sí, i de fet la millor implementació és híbrida (el que fa Findalo): keyword + semàntica alhora. La keyword resol cerques exactes («Nike Air Max 90»), la semàntica resol cerques conceptuals («sabatilles per córrer llargues distàncies»). Anul·lar-ne una trenca l'altra.
La IA m'encareix el motor de cerca?
Depèn. Alguns proveïdors cobren la IA com a add-on premium: Doofinder activa IA visual i personalització només al seu pla Advanced (~349 €/mes), Algolia NeuralSearch en plans ~$500+/mes. Findalo la inclou des del Pro (49 €/mes) perquè el teu cost fix principal és el catàleg, no la inferència.
Quan val la pena posar IA al motor de cerca?
Tres senyals clars: (1) zero-result rate alt (>10% del trànsit de cerca no troba res), (2) catàleg amb sinònims no normalitzats o vocabulari tècnic del client diferent del del fabricant, (3) multiidioma amb traduccions desiguals. Si t'identifiques amb dos dels tres, la IA semàntica es paga sola.
I els models LLM tipus ChatGPT al motor de cerca?
Hi ha dues coses diferents. Els embeddings semàntics (el que fa Findalo) estan madurs, són barats i milloren els resultats sense al·lucinacions. La generació amb LLM (resums, respostes conversacionals) està més verda — més cost, més latència, risc de hallucination. La valorem per a la Phase D, però el motor de cerca semàntic d'avui ja cobreix la major part del valor.