📑 У цій статті
Покупець в магазині меблів бачить диван у кафе, фотографує і завантажує фото на ваш сайт. Через секунду бачить 12 схожих диванів з вашого каталогу. Це і є visual search — пошук товарів за зображенням замість тексту. У цій статті — як це працює технічно, кому реально потрібно, і коли запуститься у AI Search.
Що таке visual search і чому це не "ще один пошук"
Покупці у 2026 фотографують товари в офлайн-магазинах, на вулиці, в Pinterest та Instagram. Класичний текстовий пошук вимагає від них опису — "білий шкіряний диван з підлокітниками". Якщо у вас 5 варіантів білих шкіряних диванів — покупець все одно не знайде саме те що бачив. Visual search вирішує це інакше:
- Покупець завантажує фото (з камери, з галереї, з URL)
- Алгоритм перетворює зображення на вектор і знаходить схожі вектори у вашому каталозі
- Результат — товари упорядковані за візуальною подібністю, не текстовою
Як це працює технічно: CLIP та image embeddings
В основі — CLIP (Contrastive Language-Image Pre-training) від OpenAI або одна з його open-source альтернатив (OpenCLIP, SigLIP). Модель тренувалась на сотнях мільйонів пар "зображення + текст" і навчилась перетворювати їх на вектори у спільному просторі.
Workflow індексації
- Для кожного товару у вашому каталозі береться головне зображення (або кілька)
- Зображення проганяється через CLIP — отримуємо вектор довжиною 512 або 768 чисел
- Вектор зберігається у БД поряд з product_id
- Так робиться один раз для всього каталогу + автоматично для нових товарів
Workflow пошуку
- Покупець завантажує фото на сайті
- Сервер прогоняє це фото через ту саму CLIP-модель — отримує запитуваний вектор
- Cosine similarity між запитом і всіма product-векторами
- Топ-K найближчих товарів повертається покупцю
Use-cases: для яких категорій працює найкраще
1. Fashion і одяг
Покупець бачить плаття на знайомій / в Instagram / в магазині — фотографує і шукає у вашому магазині щось схоже. Виграш: ~20-30% конверсії на mobile, де ввести опис складно.
2. Меблі та домашній декор
Складна категорія — "диван у скандинавському стилі сірого кольору з ніжками з натурального дерева" важко описати точно. Visual search показує саме те що покупець бачив.
3. Взуття
Брендові кросівки, sneakers, sport-shoes мають мільйони варіацій. Без знання моделі (Air Max 95 чи 97?) шукати текстом — гра в лотерею.
4. Рослини
"Що це за рослина у мене на підвіконні?" — типове питання покупця у магазині рослин. Visual search дозволяє ідентифікувати рослину за фото — і одразу запропонувати її купити (або продати супутнє кашпо/добриво).
5. Аксесуари (сумки, прикраси, годинники)
Категорії з high-emotion (купуємо тому що "сподобалось"). Visual identifies "love at first sight" товари.
6. Промтовари і запчастини
Унікальний use-case: "у мене зламався цей кран — знайти запчастину". Покупець фотографує деталь — visual search знаходить аналог.
Метрики: на скільки покращує конверсію
| Метрика | Текстовий пошук | Visual search (для visual-категорій) |
|---|---|---|
| Mobile conversion rate | baseline | +15-30% |
| Час до покупки | 3-7 кліків | 1-2 кліки |
| Bounce з пошукових сторінок | ~50-78% | ~30-45% |
| Average order value | baseline | +5-12% |
Челленджі: де visual search не працює
- Якість фото товарів у каталозі. Якщо ваші product-photos — погано освітлені, з watermark, у різних ракурсах для одного товару — embeddings будуть шумні. Перш ніж запускати visual search, потрібно почистити каталог.
- Категорії без visual-component. Книги, цифрові продукти, послуги, продукти харчування у packagingу — там CLIP бачить тільки коробку, не сам продукт.
- Дуже схожі товари. Якщо у вас 50 варіантів білих сорочок розрізняються тільки фактурою — CLIP їх плутатиме. Потрібен текстовий fallback.
- Розмір каталогу. На <500 товарах visual search працює погано — мало точок для recall. На >5000 — починає сяяти.
- Mobile UX. Завантажити фото на мобільному має бути one-tap. Якщо потрібно 5 кроків — користувачі не дочекаються.
AI Search Visual Search: коли і за скільки
Visual Search заплановано як add-on до AI Search v1.0.5, реліз — Q3 2026.
Що буде включено
- Upload-zone у пошуковій формі (фото з камери, з галереї, з URL)
- Сторінка
/visual-searchдля full-screen-режиму - Автоматична індексація product-images через CLIP-модель на наших GPU
- Фасетні фільтри поверх visual-результатів (price, brand, category)
- API-endpoint для кастомних інтеграцій (mobile apps, marketplace integrations)
Очікувана ціна
Add-on ~$19-49/міс на додаток до основного тарифу AI Search. Free-план — необмежені текстові пошуки, але visual search обмежений до 100 запитів на місяць (тестування).
Waitlist: 20% знижка на старті
Якщо ви маєте магазин на одній з visual-категорій (одяг, меблі, взуття, прикраси, рослини, декор) — приєднайтесь до waitlist на /visual-search. Перші 100 підписників отримають:
- 20% знижка на launch (~$15/міс замість $19)
- Раннім тестерам — лімітовану безкоштовну демонстрацію на власному каталозі
- Перевагу у черзі під час перших днів запуску (поки масштабуємо інфраструктуру)
→ Долучитись до waitlist (20% знижка для перших 100)
FAQ
Чи можна вже зараз тестувати visual search в AI Search?
Ні, в публічному релізі — поки що не доступно. Зараз внутрішнє альфа-тестування на 3 dev-магазинах. Запуск Q3 2026.
Чи буде visual search безкоштовним для Free-плану?
Free-план отримує до 100 visual-запитів на місяць (для тестування). Production-обсяги — в окремому add-on $19-49/міс.
Чи треба робити reindex продуктів для visual search?
Так. CLIP-індексація йде окремо від текстової. Час: ~1 секунда на товар. Для 10k SKU — ~3 години (на наших серверах, не у вас).
А якщо у мене у товарів кілька зображень?
Усі індексуються (до 5 на товар). Запит-фото порівнюється з найкращою — це покращує recall.
Чи буде працювати на товарах без зображень?
Ні, visual search працює тільки на товарах з product-photos. Для no-photo товарів — fallback на стандартний AI Search.
Чи можна запитувати за URL-зображенням замість upload?
Так. API підтримуватиме і file-upload, і URL — корисно для marketplace-інтеграцій (Rozetka, Prom, Allegro).