Tudo o que quer saber antes de instalar.
Uma análise detalhada de como o Vector Search Native: Pesquisa Semântica por IA para WooCommerce funciona, porque o construímos assim e o raciocínio por trás das funcionalidades acima.
Porque é que a pesquisa nativa do WooCommerce já não chega
O motor de pesquisa do WooCommerce assenta numa simples correspondência LIKE na base de dados. Se o seu cliente escrever casaco verão algodão leve e o seu produto se chamar blazer estival em linho, não encontrará nada. Pior ainda: em consultas longas ou imprecisas, os seus melhores produtos ficam invisíveis. A pesquisa semântica resolve o problema comparando o sentido das palavras, e não a sua forma.
Como funciona a pesquisa semântica
Cada produto é convertido num vetor de algumas centenas a alguns milhares de números por um modelo de IA (um embedding). A consulta do utilizador é convertida em vetor pelo mesmo modelo. O plugin calcula depois a similaridade por cosseno entre o vetor da consulta e todos os vetores de produto guardados, e apresenta os melhores resultados. Os modelos modernos captam a semântica com uma fineza impressionante e funcionam mesmo com consultas mal escritas ou em vários idiomas.
Indexação incremental, ou seja, económica
Cada texto de produto é convertido num hash SHA-256 antes de qualquer chamada à API. Se o hash existente corresponder, nenhuma chamada é feita. Isso significa que um cron que passa a cada minuto num catálogo estável não custa nada. Só os produtos realmente alterados desencadeiam um novo embedding.
O recurso alternativo, a sua rede de segurança
Se a API do fornecedor estiver temporariamente indisponível, se a sua chave estiver mal configurada, ou se a consulta for tão específica que a pesquisa semântica devolva menos de N resultados (limiar configurável), o plugin deixa silenciosamente a pesquisa nativa do WooCommerce assumir. Os seus clientes nunca veem uma página de resultados vazia por causa de um problema do lado da IA.
Que fornecedor escolher
O text-embedding-3-small da OpenAI oferece a melhor relação qualidade/preço para a maioria das lojas. O Voyage AI propõe modelos treinados especificamente para a pesquisa em comércio eletrónico, com uma qualidade de recuperação muitas vezes superior. O embed-multilingual-v3.0 da Cohere é imbatível em catálogos que misturam vários idiomas europeus na mesma base. Pode alternar entre os três sem perder a configuração: basta uma reindexação.
Instalação e configuração em 3 minutos
Carregue o ZIP, ative e vá a WooCommerce e depois a Vector Search. Escolha um fornecedor, cole a sua chave de API, selecione um modelo e clique em Test connection. Se o teste passar, clique em Queue all products for reindex e depois em Auto-process until done. O seu catálogo passa a ser pesquisável pelo sentido.
Ainda não existem avaliações.