Трансформация поиска товаров с помощью визуального поиска в leboncoin

О Leboncoin

Leboncoin — один из самых посещаемых сайтов Франции и ведущая платформа re-commerce, позволяющая миллионам пользователей покупать и продавать подержанные товары, находить жилье или искать вакансии. С более чем 28 миллионами уникальных посетителей в месяц это сайт частных продаж №1 во Франции и вторая по популярности платформа электронной коммерции. Кроме того, Leboncoin лидирует в секторах автомобилей и недвижимости и является ключевым игроком в сфере аренды жилья для отпуска и размещения вакансий. Более 500 000 профессионалов и 15% французских компаний используют платформу для продаж, рекламы или найма, что делает ее важнейшим центром как для частных лиц, так и для бизнеса.

Предлагая огромный выбор уникальных, подержанных или восстановленных товаров по доступным ценам, Leboncoin помогает пользователям делать устойчивый выбор, который приносит пользу как их бюджету, так и планете. Являясь частью Adevinta, она входит в число ведущих платформ re-commerce, развивая циркулярную экономику, сокращая отходы и поддерживая устойчивое развитие, одновременно создавая экономическую ценность для пользователей и бизнеса.

Задача: модернизация рекомендаций товаров с помощью визуального поиска

Янн Лемонье, ML Engineer в Adevinta (ранее ML Enabler, помогавший командам внедрять технологии ИИ), присоединился к Leboncoin в 2024 году, чтобы создать функцию визуального поиска, которая в итоге должна была быть развернута на всех маркетплейсах под брендом leboncoin.

Leboncoin позволяет пользователям покупать и продавать подержанные товары, при этом продавцы вручную загружают сведения о товарах, включая описания, цены и фотографии. Этот процесс создает огромную базу данных — примерно 80 миллионов активных объявлений, которыми должна управлять инженерная команда.

Чтобы привлечь новую аудиторию и модернизировать платформу, Leboncoin решила внедрить визуальный поиск как часть своей системы рекомендаций товаров. Цель заключалась в улучшении пользовательского опыта за счет более интуитивного и увлекательного процесса поиска товаров.

Создание системы визуального поиска

Команда начала с исследования визуальных моделей, способных находить похожие изображения в рамках их маркетплейса. После выбора модели они поняли, что им нужна высокопроизводительная векторная база данных для хранения и извлечения эмбеддингов, генерируемых для поиска по сходству. Их исследование быстро указало на Milvus как на ведущую векторную базу данных, но из-за ограниченности ресурсов они выбрали Zilliz Cloud — управляемое решение на базе Milvus.

Новая система визуального поиска представила две ключевые функции:

• Найти похожие товары– Пользователи могут нажать кнопку, чтобы найти похожие товары.
• Обратный поиск по изображению – Пользователи могут загрузить фотографию и искать совпадающие товары с помощью значка камеры в строке поиска.

Проект начался за шесть месяцев до прихода Янна, и команда работала в условиях жесткого дедлайна, чтобы за тот же период выпустить MVP. Им нужно было быстро разобраться с визуальными моделями, эмбеддингами и сопоставлением по сходству. Оценив потребности инфраструктуры, команда определила, что векторная база данных необходима для эффективного хранения и запроса эмбеддингов, чтобы поддерживать поиск по сходству.

Почему Leboncoin выбрала Zilliz Cloud

Команда выбрала Zilliz Cloud, потому что она соответствовала их строгому требованию к задержке — менее 200 мс, даже при использовании региона в США. Помимо совместимости с Milvus, Zilliz Cloud предлагала несколько других ключевых преимуществ:

• Мониторинг и масштабируемость – Встроенные инструменты упростили наблюдаемость и масштабирование.
• Совместимость с Milvus и прозрачность open-source – Команда могла изучать кодовую базу для обеспечения прозрачности и надежности.
• Простота развертывания – Создание кластера было быстрым и простым благодаря интуитивному UI Zilliz Cloud.

Изначально команда столкнулась с трудностями при загрузке данных через Spark, но функция Bulk Insert в Zilliz Cloud упростила процесс и сделала загрузку данных гораздо более эффективной. Помимо изображений товаров, команда также включает измененные данные (взаимодействия пользователей) в процесс загрузки с помощью специального программного обеспечения, которое преобразует события в операции upsert Milvus.

Результаты

Внедрив визуальный поиск на базе Zilliz Cloud, Leboncoin успешно модернизировал свою систему рекомендаций товаров, обеспечив пользователям удобный и интуитивно понятный опыт. Ключевые результаты включают:

• Повышение вовлеченности пользователей: Внедрение визуального поиска значительно улучшило взаимодействие пользователей, позволив им легко находить похожие товары. Функции обратного поиска по изображению и “Find Similar Items” привели к росту обнаружения товаров и улучшению удержания пользователей.
• Быстрая и масштабируемая производительность: При более чем 80 миллионах объявлений на маркетплейсе система превосходит жесткое требование по задержке в 200 мс, достигая еще более низкой задержки. Масштабируемость Zilliz Cloud обеспечила способность платформы обрабатывать большие объемы данных без ущерба для скорости, даже в периоды пикового трафика.
• Эффективный векторный поиск: Использование Milvus, интегрированного с Zilliz Cloud, позволило команде эффективно управлять векторными эмбеддингами. Простое развертывание и функция Bulk Insert в Zilliz Cloud сделали загрузку данных быстрой и плавной, обеспечив быструю разработку MVP.
• Решение, готовое к будущему: Масштабируемость Zilliz Cloud позволяет Leboncoin продолжать внедрять инновации. Команда планирует интегрировать продвинутые функции ИИ, такие как большие языковые модели (LLMs), для автоматизированных описаний товаров и изучить поиск товаров на основе аудио.

Будущие планы: изучение разговорного поиска

Leboncoin планирует и дальше улучшать свою платформу с помощью передовых функций ИИ:

• Описания, сгенерированные LLM– Автоматизация описаний товаров для повышения качества объявлений.
• Разговорный поиск– Предоставление пользователям возможности искать товары с помощью текстовых запросов на базе больших языковых моделей (LLM), чат-интерфейсов и генерации с дополнением извлечением (RAG) для более точных и динамичных результатов.

Продолжая использовать ИИ и масштабируемую инфраструктуру, Leboncoin совершенствует опыт покупок для миллионов пользователей, оставаясь конкурентоспособным в сфере re-commerce.

Следите за новостями, статьями, выступлениями на конференциях и митапами Leboncoin, проводимыми в их офисах → https://mylnker.com/leboncoin-tech