Este mes, la Fundación para el Fomento de la Innovación ha seleccionado a SearchBooster (un proyecto subsidiario de MediaNation, un servicio de búsqueda inteligente para tiendas en línea) como ganador de una subvención para desarrollar la búsqueda de productos por imágenes en el marco del programa nacional de «Economía Digital». El proyecto empleará el aprendizaje automático, las redes neuronales y los algoritmos de visión digital y estará disponible para su implementación en los sitios web en mayo del año próximo. Los resultados de la selección de proyectos y los ganadores se publican en el sitio web de la fundación.
La nueva tecnología es muy útil para las tiendas en línea con un surtido de más de 500 productos. Ayudará a los visitantes del sitio web a encontrar mucho más rápido los productos que necesitan en el amplio catálogo y aumentará la tasa de conversión de la tienda en línea.
SearchBooster tiene competidores occidentales como Multisearch, Algolia y otros desarrolladores de búsquedas inteligentes. Sin embargo, debido a los últimos acontecimientos, ellos han abandonado el mercado. La mayoría de estos sistemas se centran únicamente en la búsqueda de texto, donde no existe la posibilidad de buscar un producto visualmente. La única patente occidental similar que se puede destacar es la API de Google Vision. Sin embargo, en ella, las empresas tendrán que establecer su propia indexación e implementar la función en el sitio web. Así, el proyecto SearchBooster ofrecerá un producto de software completo y listo para instalar.
Otras soluciones son las tecnologías locales de tiendas en línea específicas. Ebay, en particular, ha introducido una función similar en su sitio web. Permite a los compradores utilizar imágenes para buscar productos entre los 1.200 millones de artículos del catálogo. Y dentro de un año, todos los proyectos de comercio electrónico rusos podrán implementar una funcionalidad similar.
Para encontrar el producto deseado, se pedirá al usuario que tome una foto o cargue una foto existente del producto en la barra de búsqueda. A continuación, algoritmos basados en el aprendizaje automático y la IA analizarán la foto subida y seleccionarán una lista de los productos más parecidos en tiempo real. El usuario puede tomar una foto de un producto en la calle o en cualquier otro lugar, encontrarlo inmediatamente en el catálogo y hacer un pedido de inmediato. La precisión al determinar el objeto principal en la foto es de al menos el 95%, y la velocidad de búsqueda no supera los 10 segundos.
El proyecto se ejecutará en dos fases:
Fase 1 (de mayo a noviembre de 2022). Durante la primera mitad del año, SearchBooster enseñará algoritmos inteligentes para eliminar el fondo e identificar el sujeto principal en una foto. Se aplicarán y probarán soluciones técnicas de ingeniería para borrar el fondo de la imagen y resaltar el objeto principal. Además, se elegirá la arquitectura de red neuronal más adecuada, seguida de un entrenamiento basado en los conjuntos de datos existentes. A continuación, se integrarán los principales módulos de detección de objeto principal y de eliminación del fondo.
Fase 2 (de diciembre de 2022 a mayo de 2023). En el segundo semestre, las redes neuronales aprenderán a buscar imágenes similares basándose en la distancia vectorial de sus representaciones digitales. Los especialistas de la agencia implementarán un módulo de búsqueda que tomará una representación digital de la imagen y buscará las imágenes más parecidas de los productos indexados. Y luego se conectará la tecnología al servicio principal de searchbooster.io y se realizarán pruebas a/b en grandes clientes reales.
Tras las pruebas con las tiendas en línea, el servicio se someterá a una fase de perfeccionamiento, en la que se recogerán las opiniones de los usuarios y se mejorarán las funciones de búsqueda de productos por imagen.
