Keyword vs semântica: o exemplo que esclarece tudo
Um cliente pesquisa «olheiras» numa loja de cosmética. Três motores reagem de forma diferente:
- Motor de pesquisa clássico (keyword). Devolve 0 resultados se nenhum produto tiver a palavra «olheiras» no título ou descrição.
- Motor de pesquisa com sinónimos manuais. Devolve os produtos «contorno de olhos» se o merchant tiver configurado previamente a regra «olheiras → contorno de olhos». Funciona mas exige manutenção manual constante.
- Motor de pesquisa com IA semântica. Converte «olheiras» num vetor e compara com o vetor de cada produto. «Contorno de olhos», «sérum despigmentante», «patches descongestionantes» aparecem ordenados por proximidade conceptual. Sem configurar nada.
Três cenários em que a IA se paga sozinha
- Zero-result rate alto. Se mais de 10-15% das tuas pesquisas devolvem «sem resultados», estás a perder conversão directa. A IA semântica baixa esse rácio para metade tipicamente, porque entende variantes e conceitos.
- Vocabulário diferente entre cliente e fabricante. O teu fabricante escreve «sérum vitamina C 10%»; o teu cliente pesquisa «antimanchas para pele baça». A semântica liga os dois sem que escrevas regras.
- Multi-idioma com traduções desiguais. Catálogo traduzido para 5 idiomas mas descrições curtas em alguns. Os embeddings cross-idioma permitem encontrar produtos mesmo que o texto do idioma do cliente seja pobre.
Custo real da IA no motor de pesquisa
O custo de inferência (calcular embeddings) caiu drasticamente desde 2023. Hoje um catálogo de 10.000 produtos é processado por menos de 1€/mês. A diferença de preços entre fornecedores não reflete o custo real — reflete decisão comercial.
FAQ
O que é exatamente a pesquisa semântica?
Uma pesquisa que entende o que significa a consulta do cliente, não só que palavras usou. Por trás há um modelo de linguagem que converte tanto a query como cada produto em vetores numéricos (embeddings), e mede a proximidade semântica entre eles. Por isso «olheiras» encontra «contorno de olhos» — nenhuma correspondência por palavra, mas conceitos próximos no espaço vetorial.
A pesquisa por keyword continua a ser útil?
Sim, e na verdade a melhor implementação é híbrida (o que o Findalo faz): keyword + semântica ao mesmo tempo. A keyword resolve pesquisas exactas («Nike Air Max 90»), a semântica resolve pesquisas conceptuais («ténis para correr longas distâncias»). Anular uma parte a outra.
A IA torna o motor de pesquisa mais caro?
Depende. Alguns fornecedores cobram a IA como add-on premium: o Doofinder activa IA visual e personalização só no plano Advanced (~349€/mês), o Algolia NeuralSearch em planos ~$500+/mês. O Findalo inclui-a desde Pro (49€/mês) porque o teu custo fixo principal é o catálogo, não a inferência.
Quando vale a pena meter IA no motor de pesquisa?
Três sinais claros: (1) zero-result rate alto (>10% do tráfego de pesquisa não encontra nada), (2) catálogo com sinónimos não normalizados ou vocabulário técnico do cliente diferente do do fabricante, (3) multi-idioma com traduções desiguais. Se te identificas com dois dos três, a IA semântica paga-se sozinha.
E os modelos LLM tipo ChatGPT no motor de pesquisa?
Há duas coisas distintas. Embeddings semânticos (o que o Findalo faz) estão maduros, são baratos e melhoram resultados sem alucinações. Geração com LLM (resumos, respostas conversacionais) está mais verde — custo maior, latência maior, risco de hallucination. Estamos a avaliar para a Phase D, mas o motor de pesquisa semântico de hoje já cobre a maioria do valor.