Keyword vs semantica: l'esempio che chiarisce tutto
Un cliente cerca «occhiaie» in un negozio di cosmetica. Tre motori reagiscono in modo diverso:
- Motore di ricerca classico (keyword). Restituisce 0 risultati se nessun prodotto ha la parola «occhiaie» nel titolo o nella descrizione.
- Motore di ricerca con sinonimi manuali. Restituisce i prodotti «contorno occhi» se il merchant ha configurato in anticipo la regola «occhiaie → contorno occhi». Funziona ma richiede manutenzione manuale costante.
- Motore di ricerca con IA semantica. Converte «occhiaie» in un vettore e confronta con il vettore di ogni prodotto. «Contorno occhi», «siero anti-pigmentazione», «patch decongestionanti» appaiono ordinati per vicinanza concettuale. Senza configurare nulla.
Tre scenari in cui l'IA si ripaga da sola
- Zero-result rate alto. Se più del 10-15% delle tue ricerche restituisce «nessun risultato», stai perdendo conversione diretta. L'IA semantica abbassa tipicamente quel rapporto della metà, perché capisce varianti e concetti.
- Vocabolario diverso tra cliente e produttore. Il tuo produttore scrive «siero vitamina C 10%»; il tuo cliente cerca «anti-macchie per pelle spenta». La semantica collega i due senza che tu scriva regole.
- Multi-lingua con traduzioni irregolari. Catalogo tradotto in 5 lingue ma descrizioni brevi in alcune. Gli embedding cross-lingua permettono di trovare prodotti anche se il testo nella lingua del cliente è povero.
Costo reale dell'IA nel motore di ricerca
Il costo di inferenza (calcolo degli embedding) è crollato drasticamente dal 2023. Oggi un catalogo da 10.000 prodotti si processa per meno di 1 €/mese. La differenza di pricing tra i fornitori non riflette il costo reale — riflette una decisione commerciale.
FAQ
Cos'è esattamente la ricerca semantica?
Una ricerca che capisce cosa significa la query del cliente, non solo quali parole ha usato. Dietro c'è un modello linguistico che converte sia la query sia ogni prodotto in vettori numerici (embedding), e misura la vicinanza semantica tra di essi. Per questo «occhiaie» trova «contorno occhi» — nessun match per parola, ma concetti vicini nello spazio vettoriale.
La ricerca per keyword è ancora utile?
Sì, e di fatto la migliore implementazione è ibrida (quello che fa Findalo): keyword + semantica allo stesso tempo. La keyword risolve ricerche esatte («Nike Air Max 90»), la semantica risolve ricerche concettuali («scarpe da corsa per lunghe distanze»). Eliminare una rompe l'altra.
L'IA mi rende il motore di ricerca più caro?
Dipende. Alcuni fornitori fanno pagare l'IA come add-on premium: Doofinder attiva IA visiva e personalizzazione solo nel piano Advanced (~349 €/mese), Algolia NeuralSearch nei piani ~$500+/mese. Findalo la include dal Pro (49 €/mese) perché il tuo costo fisso principale è il catalogo, non l'inferenza.
Quando vale la pena mettere IA nel motore di ricerca?
Tre segnali chiari: (1) zero-result rate alto (>10% del traffico di ricerca non trova nulla), (2) catalogo con sinonimi non normalizzati o vocabolario tecnico del cliente diverso da quello del produttore, (3) multi-lingua con traduzioni irregolari. Se ti riconosci in due dei tre, l'IA semantica si ripaga da sola.
E i modelli LLM tipo ChatGPT nel motore di ricerca?
Ci sono due cose distinte. Gli embedding semantici (quello che fa Findalo) sono maturi, economici e migliorano i risultati senza allucinazioni. La generazione con LLM (riassunti, risposte conversazionali) è più acerba — costo maggiore, latenza maggiore, rischio di hallucination. La valutiamo per la Phase D, ma il motore di ricerca semantico di oggi copre già la maggior parte del valore.