Transformando el descubrimiento de productos con búsqueda visual en leboncoin
Búsqueda a nivel de milisegundos
Cumplir con el estricto requisito de latencia de 200 ms.
80 millones de anuncios, recuperación fluida
Escalando la búsqueda vectorial en un conjunto de datos masivo.
De cero a MVP en seis meses
Implementación rápida de una búsqueda visual lista para producción.
Zilliz Cloud gave us the speed and scale we needed to power visual search at Leboncoin, meeting our sub-200ms latency target and making product discovery seamless for millions of users.
Yann Lemonnier
Acerca de Leboncoin
Leboncoin es uno de los sitios web más visitados de Francia y una plataforma líder de re-commerce, que permite a millones de usuarios comprar y vender artículos de segunda mano, encontrar viviendas o conectarse con oportunidades laborales. Con más de 28 millones de visitantes únicos mensuales, es el sitio de ventas privadas n.º 1 de Francia y la segunda plataforma de comercio electrónico más popular. Además, Leboncoin lidera los sectores del automóvil y bienes raíces, y es un actor clave en alquileres vacacionales y ofertas de empleo. Más de 500.000 profesionales y el 15 % de las empresas francesas utilizan la plataforma para vender, anunciarse o reclutar, lo que la convierte en un centro esencial tanto para particulares como para empresas.
Al ofrecer una amplia selección de artículos únicos, usados o reacondicionados a precios asequibles, Leboncoin permite a los usuarios tomar decisiones sostenibles que benefician tanto a sus presupuestos como al planeta. Como parte de Adevinta, se encuentra entre las principales plataformas de re-commerce, impulsando la economía circular, reduciendo los residuos y apoyando la sostenibilidad, al tiempo que proporciona valor económico tanto a usuarios como a empresas.
El desafío: modernizar las recomendaciones de productos con búsqueda visual
Yann Lemonnier, ingeniero de ML en Adevinta (anteriormente ML Enabler, ayudando a los equipos a adoptar tecnologías de IA), se unió a Leboncoin en 2024 para crear una función de búsqueda visual que finalmente se implementaría en todos los marketplaces bajo el paraguas de leboncoin.
Leboncoin permite a los usuarios comprar y vender productos de segunda mano, donde los vendedores cargan manualmente los detalles del producto, incluidas descripciones, precios y fotos. Este proceso genera una base de datos masiva, con aproximadamente 80 millones de anuncios activos que el equipo de ingeniería debe gestionar.
Para atraer a una nueva audiencia y modernizar la plataforma, Leboncoin decidió introducir la búsqueda visual como parte de su sistema de recomendación de productos. El objetivo era mejorar la experiencia del usuario haciendo que el descubrimiento de productos fuera más intuitivo y atractivo.
Construcción del sistema de búsqueda visual
El equipo comenzó investigando modelos visuales capaces de identificar imágenes similares dentro de su marketplace. Una vez que seleccionaron un modelo, se dieron cuenta de que necesitaban una base de datos vectorial de alto rendimiento para almacenar y recuperar los embeddings generados para las búsquedas de similitud. Su investigación apuntó rápidamente a Milvus como la base de datos vectorial líder, pero debido a limitaciones de recursos, optaron por Zilliz Cloud, una solución gestionada de Milvus.
El nuevo sistema de búsqueda visual introdujo dos funciones clave:
- Encontrar artículos similares– Los usuarios pueden hacer clic en un botón para descubrir productos similares.
- Búsqueda inversa de imágenes – Los usuarios pueden cargar una foto y buscar artículos coincidentes usando el icono de la cámara en la barra de búsqueda.
El proyecto comenzó seis meses antes de la llegada de Yann, con el equipo trabajando bajo un plazo ajustado para entregar un MVP en ese mismo período. Tuvieron que familiarizarse rápidamente con los modelos visuales, los embeddings y la coincidencia por similitud. Después de evaluar sus necesidades de infraestructura, el equipo determinó que una base de datos vectorial era esencial para almacenar y consultar embeddings de manera eficiente con el fin de respaldar la búsqueda por similitud.
Por qué Leboncoin eligió Zilliz Cloud
El equipo eligió Zilliz Cloud porque cumplía con su estricto requisito de latencia inferior a 200 ms, incluso al usar la región con sede en EE. UU. Más allá de la compatibilidad con Milvus, Zilliz Cloud ofrecía varias otras ventajas clave:
- Monitorización y escalabilidad – Las herramientas integradas simplificaron la observabilidad y el escalado.
- Compatibilidad con Milvus y transparencia de código abierto – El equipo podía inspeccionar la base de código para garantizar transparencia y fiabilidad.
- Facilidad de implementación – Crear un clúster era rápido y sencillo con la interfaz de usuario intuitiva de Zilliz Cloud.
Inicialmente, el equipo enfrentó desafíos con la ingesta de datos mediante Spark, pero la función Bulk Insert de Zilliz Cloud simplificó el proceso e hizo que la ingesta de datos fuera mucho más eficiente. Además de las imágenes de productos, el equipo también está incorporando datos modificados (interacciones de usuarios) en el proceso de ingesta utilizando software personalizado que convierte eventos en operaciones upsert de Milvus.
Resultados
Al implementar la búsqueda visual impulsada por Zilliz Cloud, Leboncoin modernizó con éxito su sistema de recomendación de productos, ofreciendo una experiencia fluida e intuitiva para los usuarios. Los resultados clave incluyen:
- Mayor interacción de los usuarios: La introducción de la búsqueda visual mejoró significativamente la interacción de los usuarios al permitirles encontrar fácilmente productos similares. Las funciones de búsqueda inversa de imágenes y “Encontrar artículos similares” llevaron a un mayor descubrimiento de productos y a una mejor retención de usuarios.
- Rendimiento rápido y escalable: Con más de 80 millones de anuncios en el marketplace, el sistema supera el exigente requisito de latencia de 200 ms, logrando una latencia aún menor. La escalabilidad de Zilliz Cloud garantizó que la plataforma pudiera manejar grandes volúmenes de datos sin comprometer la velocidad, incluso durante períodos de tráfico máximo.
- Búsqueda vectorial eficiente: El uso de Milvus integrado con Zilliz Cloud permitió al equipo gestionar eficientemente los embeddings vectoriales. La implementación sencilla y la función Bulk Insert de Zilliz Cloud hicieron que la ingesta de datos fuera rápida y fluida, permitiendo un desarrollo rápido del MVP.
- Solución preparada para el futuro: La escalabilidad de Zilliz Cloud permite a Leboncoin seguir innovando. El equipo planea integrar funciones avanzadas de IA, como modelos de lenguaje grandes (LLMs), para descripciones de productos automatizadas y explorar búsquedas de artículos basadas en audio.
Planes futuros: exploración de la búsqueda conversacional
Leboncoin planea mejorar aún más su plataforma con funciones de IA de vanguardia:
- Descripciones generadas por LLM– Automatizar las descripciones de productos para mejorar la calidad de los anuncios.
- Búsqueda conversacional– Permitir a los usuarios buscar artículos mediante consultas basadas en texto, impulsadas por modelos de lenguaje grandes (LLM), interfaces de chat y generación aumentada por recuperación (RAG) para obtener resultados más precisos y dinámicos.
Al seguir aprovechando la IA y la infraestructura escalable, Leboncoin está perfeccionando la experiencia de compra para millones de usuarios, manteniéndose competitivo en el ámbito del re-commerce.
Sigue las noticias, artículos, charlas en conferencias y meetups de Leboncoin organizados en sus oficinas → https://mylnker.com/leboncoin-tech