Нетрадиционное использование ChatGPT вместо базы данных с API или подбор запчастей «наоборот»
Друзья, мы веб-студия make shop, специализирующаяся на разработке интернет-магазинов и маркетплейсов, столкнулись с простой на первый взгляд задачей. Наш клиент, магазин автомобильных аккумуляторов massa.moscow, нуждался в разработке модуля для подбора аккумуляторов по модели автомобиля.
Проблематика
На первый взгляд, задача казалась простой, ведь на рынке существует множество баз данных запчастей. Однако эти базы работают по принципу "обратной логики": пользователь вводит номер детали, чтобы узнать, подходит ли она к его автомобилю. Нам же нужно было найти базу которая, которая позволяла бы вводить марку и модель автомобиля, чтобы на основе этой информации узнать размеры посадочного места под аккумулятор, его полярность, пусковой ток и другие характеристики. И нам такой базы найти не удалось. Есть множество сайтов конкурентов, но естественно никто из них своей базой не поделится. Давайте попробуем найти варианты решения проблемы.
Традиционные пути решения
На первый взгляд таких вариантов два
- Поиск базы
- Парсинг конкурентов
Первый вариант заключался в поиске готовой базы данных, содержащей необходимую информацию. Однако, несмотря на обширные поиски, подходящая база так и не была найдена – либо данные были неполными, либо устаревшими. И любая такая база распространяется обычно по подписке.
Второй вариант – парсинг данных с сайтов конкурентов – также оказался невыполнимым из-за высоких затрат и сложности задачи. Необходимо было собрать информацию по тысячам моделей автомобилей, основываясь на статистики, которая указывала бы, какие именно марки и модели наиболее востребованы нашими клиентами. Это создавало значительные трудности в реализации проекта, требуя значительных ресурсов и времени.
Поэтому данные пути решения мы тоже не стали использовать.
Нетрадиционные путь
В поисках оптимального решения мы пришли к идее симбиоза двух API. Первый мы использовали для доступа к обширной базе данных автомобилей, включающей марки, модели, поколения и модификации двигателя.
Эта база обеспечила нас необходимыми исходными данными. Затем, вступил в игру API от ChatGPT: мы разработали специализированные запросы (промпты), которые использовали информацию из базы данных авто для формирования конкретных вопросов о характеристиках соответствующих аккумуляторов. ChatGPT обрабатывал эти запросы и возвращал характеристики, необходимые для подбора аккумулятора. Далее, на основе этих данных мы формируем фильтр участвующей в подборе аккумулятора под конкретную марку авто.
Под капотом, чуть больше деталей или ответы на ваши возражения
- Скорость работы: Многие могут задаться вопросом о скорости работы модуля при каждом запросе к ChatGPT. Ответ прост – сам ChatGPT отвечает достаточно быстро. Хотя первоначальный запрос может занимать чуть больше времени, последующие запросы ускоряются за счет кеширования данных и создания категории под каждый автомобиль. На будущее сделали анимированную заглушку на случай поиска более 5 секунд. Появится в следующей версии модуля.
- Точность характеристик: Если характеристики аккумулятора подобраны неверно, наша система позволяет менеджерам вносить корректировки непосредственно через административную панель.
- Исключения и спецификации: В случае, если конкретный аккумулятор не подходит к автомобилю или не соответствует ожиданиям качества, мы разработали систему исключений, позволяющую легко исключить аккумулятор из категории.
- Обновление каталога: Каталог обновляется динамически - при запросе модели автомобиля из подборщика.
- SEO-оптимизация: Каждая категория аккумуляторов для определенной марки автомобиля имеет возможность индивидуальной настройки SEO-параметров, включая описания, заголовки и метаданные. Это обеспечивает высокую видимость в поисковых системах. На данный момент SEO работы еще не закончены, но скоро мета данные появятся на всех категориях.
- Оптимизация каталога: Чтобы не раздувать базу данных и не захламлять каталог, мы формируем его исключительно на основе запросов пользователей. Это гарантирует, что в каталоге будут представлены только те модели авто, которые действительно пользуются спросом.
- Статистика запросов: Модуль также предоставляет ценные данные о статистике запросов, что позволяет нам анализировать спрос и предпочтения пользователей по каждому типу автомобиля.
П.С.
Магазин только-только запустился и не все товары ещё оформлены, по этому не под все авто есть подходящее аккумуляторы. Но уже сейчас вы можете воспользоваться небольшим презентом от магазина.
По промокоду promo-vc скидка 500 рублей на заказ от 5000 рублей.
П.П.С.
На данный момент в тестировании находится модуль “Умное описание товара”, генерирующий описание через ChatGPT. О нём расскажу в следующей статье.
Будет интересно почитать как сгенерированное описание повлияет на SEO выдачу товара
Идея интересная, думаю в будущем нейросети можно будет использовать как полноценного продукт-менеджера
Модуль работает плохо. Поиск марки авто неудобен, проматывать весь список и искать мелко написанную марку авто неудобно. Реализуйте поиск по мере ввода марки авто. Ввел характеристики авто, поиск слетел. Появилась плашка, не все характеристики указаны.
Спс за комментарий. Стоит доработка в очереди.
Какая вероятность подбора неподходящего аккумулятора?
Процентов 5 по нашим прикидкам.
При первом создание категории под автомобиль, она вручную проверяется менеджером. По этому при дальнейшем использовании подборщика проблем быть не должно.