Panduan Pencarian Semantik Adobe Commerce – Beragampengetahuan

Ekstensi Pencarian Semantik Magento 2 memungkinkan pelanggan mencari produk menggunakan kecerdasan buatan dan pemrosesan bahasa alami (NLP).

Ia menggunakan algoritme NLP untuk menafsirkan arti kueri penelusuran, memungkinkannya memahami istilah dan konteks yang relevan serta membantu memberikan hasil penelusuran yang lebih akurat.

Ekstensi Pencarian Semantik Magento 2 memungkinkan pengguna melakukan kueri menggunakan bahasa alami, yang membuat proses pencarian lebih ramah pengguna.

Pelanggan dapat menyaring hasil pencarian berdasarkan berbagai atribut seperti kisaran harga, merek, ukuran, warna, dan lainnya.

Jika pelanggan memasukkan frasa pendek dan terfragmentasi atau kalimat kompleks, pelanggan dapat mengetahui maksud di balik penelusuran dan memberikan hasil yang akurat atau relevan.

Oleh karena itu, ekstensi ini cukup inovatif untuk meningkatkan pengalaman berbelanja pelanggan secara keseluruhan di situs e-commerce Magento 2.

Jika Anda ingin menyempurnakan toko eCommerce Magento 2 Anda dengan mencari produk menggunakan gambar, Anda dapat melihat ekstensi Pencarian Produk Magento 2 berdasarkan Gambar.

• Ini memungkinkan pengguna untuk mencari produk menggunakan permintaan pencarian.
• Ini memungkinkan pengguna untuk memfilter hasil pencarian berdasarkan berbagai atribut.
• Administrator dapat mengatur nomornya. Hasil untuk produk yang cocok.
• Administrator dapat mengonfigurasi nilai jarak untuk meningkatkan akurasi pencarian.
• Pelanggan akan mendapatkan hasil yang relevan atau akurat berdasarkan pertanyaan mereka.
• Ia menggunakan kecerdasan buatan dan teknologi pemrosesan bahasa alami untuk memahami pertanyaan bahasa alami.
• Ini kompatibel dengan produk Magento 2 GraqhQL API untuk pencarian.

Instalasinya sangat sederhana, sama seperti ekstensi Magento 2 standar.

#Unduh modul

Pertama, Anda perlu masuk ke toko beragampengetahuan, buka bagian Akun Saya > Produk yang Saya Beli, verifikasi, lalu unduh dan unzip isi folder zip tersebut di sistem Anda.

#Unggah folder

Setelah mengekstrak zip modul, ikuti jalur src>app dan salin folder aplikasi ke direktori root Magento 2 di server seperti yang ditunjukkan di bawah ini:

# Jalankan perintah

Anda perlu menjalankan perintah berikut:

php bin/magento setup:upgrade

php bin/magento setup:di:compile

php bin/magento setup:static-content:deploy

php bin/magento indexer:reindex

php bin/magento cache:flush

# Perintah tambahan

Anda perlu menjalankan perintah berikut untuk membuat penyematan:

Buat/perbarui penyematan produk yang ada melalui terminal

php bin/magento generate:embeddings

Buat/perbarui penyematan produk yang dipilih melalui terminal

php bin/magento generate:embeddings -p 1,2,3

Untuk menerjemahkan bahasa modul, silakan telusuri aplikasi/kode/beragampengetahuan/AISearch/i18n dan edit file en_US.csv.

Setelah itu, ganti nama CSV menjadi “en_SA.csv” dan terjemahkan semuanya di sebelah kanan setelah koma ke dalam bahasa Arab. Setelah mengedit CSV, simpan.

Sekarang, unggah ke jalur aplikasi/kode/beragampengetahuan/AISearch/i18n Instalasi Magento 2 terletak di server.

Pencarian semantik Magento 2 akan diterjemahkan ke dalam bahasa Arab. Ini mendukung bahasa RTL dan LTR.

Pengguna dapat mengedit CSV seperti yang ditunjukkan pada gambar di bawah ini.

Setelah berhasil menginstal modul, administrator akan menavigasi ke Store->Configuration->AI Configuration untuk mengkonfigurasinya.

Administrator juga dapat mengakses konfigurasi dengan membuka Konfigurasi AI -> Konfigurasi Umum.

Pengaturan Umum:

Titik akhir ChromaDB – Administrator harus memasukkan titik akhir ChromaDB.

catatan: ChromaDB digunakan di sini sebagai database vektor.

Titik akhir server LLM – Masukkan titik akhir server LLM.

Pengaturan Pencarian Kecerdasan Buatan:

sejumlah hasil – Administrator mengatur jumlah hasil pencarian produk yang ditampilkan di front end setelah pencarian query.

jarak – Administrator menetapkan nilai jarak untuk keakuratan hasil pencarian.

catatan: Nilai jarak harus lebih besar dari 0 dan kurang dari atau sama dengan 10 (menunjukkan presisi pencarian, dimana 1 sangat akurat).

Setelah menyelesaikan semua pengaturan, klik “Simpan Konfigurasi” untuk menyimpan konfigurasi.

Setelah modul berhasil dikonfigurasi, tampilan front-end akan seperti yang ditunjukkan pada gambar di bawah ini.

Untuk memulai pencarian kueri suatu produk, pelanggan akan memasukkan permintaan pencarian mereka di bilah pencarian yang ditunjukkan di atas.

Magneto 2 Semantic Search menggunakan kecerdasan buatan dan pemrosesan bahasa alami (NLP) untuk menemukan kueri penelusuran pelanggan Anda dan mencari tahu maksudnya.

Setelah itu, ini menampilkan hasil yang relevan atau akurat di toko. Seperti yang Anda lihat pada cuplikan di bawah, ini memberikan hasil yang akurat.

Katakanlah Anda sedang mencari jam tangan digital pria, Anda dapat menggunakan kueri penelusuran berikut “jam tangan pria dengan tampilan digital dan lampu latar LED” di toko.

Permintaan pencarian mencakup “jenis produk” dan atribut “nomor”.

Pelanggan akan menerima daftar produk hasil pencarian, seperti terlihat pada gambar di bawah ini.

Pengguna situs web juga dapat menemukan hasil yang akurat dengan menggunakan kueri penelusuran jika produk tersedia di toko.

Pelanggan juga dapat menggunakan kueri penelusuran untuk menemukan produk dengan bantuan nilai atribut.

Misalnya, pelanggan menggunakan atribut “kapas” dengan informasi produk dan mereka mendapatkan daftar kaos berbahan katun.

Pelanggan juga dapat mencari produk menggunakan nilai atribut lain seperti kisaran harga. Mari kita lihat sebuah contoh.

Di sini, pelanggan memasukkan kueri penelusuran “Celana Pendek Pria di bawah 50”. Dengan menggunakan teknologi NLP, ia mengetahui arti pertanyaan dan menemukan bahwa pelanggan menanyakan harga produk.

Dan akan menampilkan hasil untuk semua produk dengan harga di bawah 50.

Itulah inti dari ekstensi Pencarian Semantik Magento 2.

Jika Anda masih mengalami masalah, jangan ragu untuk menambahkan tiket di beragampengetahuan.uvdesk.com dan beri tahu kami masukan Anda sehingga kami dapat menyempurnakan modul ini.

ashwinirani.bd927
1 lencana