Completado —

Buscador semántico con Vertex AI para e-commerce.

Project owner @ Funiglobal

20 buscadores semánticos sobre Vertex AI Search for Commerce para Funidelia, e-commerce de Zaragoza, subiendo la conversión post-búsqueda en 20 mercados.

Sustitución del buscador interno de Funidelia y sus marcas hermanas por una flota de 20 buscadores especializados sobre Vertex AI Search for Commerce. Objetivo: subir la conversión de las búsquedas internas — el flujo de tráfico con mayor intención de compra y peor tasa de cierre en e-commerce de moda y disfraces.

Punto de partida

Funidelia y sus 19 mercados verticales (por país e idioma) usaban un buscador custom basado en match exacto de tokens + boosting manual de categorías. La conversión post-search era ~40% inferior a la media del sitio: el usuario escribía "vestido de carnaval rojo" y obtenía página vacía o resultados literales sin entender intención. La búsqueda era cuello de botella, no palanca.

Aproximación

Vertex AI Search for Commerce ofrece tres ventajas clave para este caso:

  • Comprensión semántica gratuita. Sinónimos, faltas de ortografía y consultas en idiomas mixtos resueltas por el modelo sin diccionarios manuales.
  • Catálogo como ciudadano primero. El índice se alimenta del catálogo estructurado de productos (no de HTML scrapeado), con atributos tipados — categoría, talla, color, marca — que el modelo usa como features de ranking.
  • Personalization signals en pipeline. Eventos de browsing, addToCart y compra alimentan el ranking sin código extra; el A/B test se hace contra el buscador anterior con una flag.

Ejecución

5 meses para llegar a producción en los 20 mercados:

  • M1-M2: ingest pipeline desde catálogo de producto (Python + GCP Dataflow) y mapeo schema producto→Vertex AI Catalog. Validación de calidad del índice sobre dataset histórico de búsquedas reales.
  • M3: A/B test con el 5% del tráfico en el mercado piloto (ES). Medición de CTR sobre resultados, conversion post-search y revenue per search.
  • M4-M5: rollout progresivo a los 19 mercados restantes con tuning per-mercado de reglas de boosting (en algunos países el peso de la marca pesa más que la categoría).

Resultado

Mejora medible de la conversión post-search en cada mercado donde se desplegó. El proyecto demuestra que la GenAI aplicada a e-commerce no son chatbots — es ranking semántico sobre datos estructurados existentes, con ROI mucho más claro y menos riesgo regulatorio.