O que é a busca semântica e por que importa no ecommerce

Seu cliente digita «parafuzo inox m8» e o buscador da sua loja devolve uma página vazia. O produto existe, está em estoque e tem boa margem. O problema não é o catálogo: é que o buscador compara letras e o seu cliente procura um produto. A busca semântica resolve justamente isso. Neste artigo explicamos o que ela é, como funciona por dentro sem entrar em matemática e por que muda o resultado em uma loja online.

Busca literal versus busca por intenção

Um buscador convencional trabalha com correspondências de texto. Divide a consulta em palavras, procura essas palavras no título, na descrição e nos atributos de cada produto, e ordena por quantas aparecem e onde. Funciona bem quando o cliente digita exatamente o que está na ficha.

O problema é que quase nunca acontece. As pessoas digitam depressa, pelo celular, com abreviaturas e com o vocabulário que usam no dia a dia, não com o do seu catálogo. Um buscador literal falha em situações muito previsíveis:

• Erros de digitação: «parafuzo» não coincide com «parafuso».
• Sinônimos: o catálogo diz «saneamento» e o cliente digita «esgoto».
• Linguagem natural: «aquela broca para concreto» tem quatro palavras que não acrescentam nada à busca.
• Abreviaturas e jargão: «inox» por «aço inoxidável A2», «tb» por «tubo», «m8» como rosca.
• Ordem e forma: «tubo pvc 110 para esgoto» e «tubulação de PVC de 110 mm para saneamento» são a mesma necessidade.

A busca semântica não pergunta «quais produtos contêm estas palavras?», e sim «quais produtos se parecem com o que esta pessoa quer?». Busca pelo significado, não pela cadeia de caracteres.

O que são embeddings, explicado sem fórmulas

A peça central da busca semântica são os embeddings. Um embedding é uma lista de números que representa o significado de um texto. Um modelo treinado lê uma frase —uma consulta ou a ficha de um produto— e a converte em um ponto dentro de um espaço com muitas dimensões.

O importante não são os números em si, mas a distância entre os pontos. Dois textos com significado parecido ficam perto; dois textos sem relação ficam longe. Assim, «tubo esgoto 110» e «tubulação saneamento PVC 110 mm» acabam muito próximos mesmo compartilhando poucas palavras.

Como se usa em um buscador

O processo tem dois momentos:

1. Na indexação: cada produto do catálogo é convertido em um vetor a partir do seu título, descrição, categoria e atributos. Esse vetor é guardado junto com o resto dos dados do produto.
2. Na busca: a consulta do cliente é convertida em outro vetor com o mesmo modelo. O buscador localiza os produtos cujos vetores estão mais perto e os combina com outros sinais para ordenar o resultado.

Uma analogia útil: um buscador literal é o índice alfabético no final de um livro; um semântico é um vendedor que leu todo o catálogo e entende o que você pede mesmo que você diga do seu jeito.

Por que só a semântica não basta

Há um erro comum: pensar que os embeddings substituem a busca por texto. Não substituem, e no ecommerce menos ainda. Há consultas em que a correspondência exata é imprescindível:

• Uma referência de fabricante como «933-A2-0840» não tem «significado»: precisa ser encontrada tal qual.
• Uma medida como «M8» ou «110 mm» deve ser respeitada; um M10 não é um resultado aceitável mesmo que se pareça.
• Uma marca específica ou um código EAN exigem exatidão.

Por isso os buscadores que funcionam bem em catálogos reais combinam as duas abordagens. A recuperação por texto traz precisão com referências, medidas e atributos; a camada semântica traz compreensão da intenção. Sobre essa combinação aplicam-se depois as regras de negócio: estoque, margem, campanhas ou produtos que você quer destacar.

Tipo de consulta	O que resolve melhor	Exemplo
Referência ou código	Correspondência exata	«REF 933-A2-0840»
Medida ou atributo	Correspondência por campo	«m8», «110 mm», «24 V»
Erro de digitação	Tolerância ortográfica e semântica	«parafuzo inox»
Sinônimo ou jargão	Semântica	«esgoto» → saneamento
Descrição livre	Semântica	«aquela broca para concreto»

Terminologia setorial: o fator mais esquecido

Os modelos de embeddings gerais são treinados com texto genérico. Entendem bem a linguagem cotidiana, mas cada setor tem o seu vocabulário. Em materiais de construção, «ferragem», «tela soldada» e «vergalhão» têm significados muito concretos. No suprimento industrial, «conexão», «luva» e «união» podem ou não ser a mesma coisa conforme o contexto.

Um buscador semântico útil no ecommerce precisa poder se ajustar a essa terminologia. Há duas formas de fazer isso:

• Manter dicionários de sinônimos à mão, termo a termo. Funciona, mas não escala e sempre fica atrás do que os seus clientes digitam.
• Treinar ou adaptar a camada semântica com o próprio catálogo e as buscas reais, de modo que aprenda quais termos são usados como equivalentes no seu setor.

O razoável é combinar as duas: a camada semântica cobre a maior parte e um painel de sinônimos permite corrigir casos pontuais sem depender de desenvolvimento.

O que muda na sua loja quando o buscador entende

A busca semântica não é uma melhoria estética. Afeta o que acontece logo antes de uma compra. Quem usa o buscador já sabe o que quer; se não encontra, vai embora.

Os efeitos que você pode observar na sua própria analítica são estes:

• Menos buscas sem resultados, porque erros de digitação, sinônimos e descrições livres deixam de terminar em uma página vazia.
• Melhor relevância nos primeiros resultados, que são os que se olham.
• Menos reformulações: o cliente não precisa testar três variantes da mesma consulta.
• Mais conversão a partir da busca, porque quem encontra, compra.

Se quiser saber como medir cada um desses efeitos com os seus dados, a explicação está em como medir o buscador da sua loja. E se quiser começar pelo sintoma mais visível, leia buscas sem resultados: como encontrá-las e corrigi-las.

Uma questão de velocidade

A compreensão tem um custo de cálculo. Converter a consulta em um vetor e buscar os vizinhos mais próximos em um catálogo de centenas de milhares de referências deve ser feito em milissegundos. Se o buscador entende mas demora, o cliente percebe igualmente mal. Por isso a arquitetura importa tanto quanto o modelo.

Como o BigFinder aborda isso

O BigFinder combina as duas peças descritas neste artigo. A indexação e a recuperação por texto se apoiam em um motor de busca, com análise linguística, facetas e controle de relevância por campo. Por cima funciona uma camada semântica própria baseada em embeddings que interpreta a intenção, tolera erros de digitação e resolve sinônimos e linguagem natural sem dicionários manuais. Essa camada pode ser treinada com a terminologia do seu setor.

Tudo isso responde em menos de 100 ms em média. É o que acontece diariamente nos portais de ecommerce da BigMat, onde profissionais da construção fazem milhões de buscas por mês por referência, por medida ou por descrição. Veja os detalhes no caso da BigMat.

Para continuar:

• Busca semântica no BigFinder: como funciona a camada semântica.
• Desempenho: como se mantém abaixo de 100 ms.
• Como funciona: do feed de catálogo ao primeiro resultado.
• O buscador no ecommerce B2B: por que o comprador profissional busca diferente.