Stratu 35 % nákupov pre neschopnosť zákazníkov nájsť kompatibilné náhradné diely v obrovskom katalógu vyriešil nemecký distribútor priemyselných súčiastok implementáciou technológie AWS GraphRAG.
Stredne veľký nemecký distribútor priemyselného náradia čelil vážnemu odlevu zákazníkov z e-shopu, pretože nákupcovia nedokázali v katalógu s pol miliónom položiek rýchlo overiť vzájomnú kompatibilitu produktov. Tento technický deficit vyústil do preťaženia zákazníckej podpory telefonátmi a neustáleho poklesu tržieb. Rozhodnutie nasadiť pokročilé sémantické vyhľadávanie prepojilo nesúrodé dáta do jednotného vedomostného grafu.
Princíp fungovania GraphRAG v priemyselnom e-commerce
Technológia GraphRAG (Retrieval-Augmented Generation kombinovaná s grafovými databázami) v tomto projekte prepája Amazon Neptune a veľké jazykové modely (LLM) prostredníctvom platformy Amazon Bedrock. Na rozdiel od bežného fulltextového vyhľadávania, ktoré vyhľadáva iba presné kľúčové slová, GraphRAG chápe sémantické vzťahy medzi produktmi, ich parametrami a kompatibilitou.
Proces začína importom pol milióna produktových kariet, technických listov a schém do grafovej databázy Amazon Neptune. Systém vytvorí uzly pre jednotlivé súčiastky a hrany, ktoré definujú vzťahy ako „je kompatibilný s“, „je alternatívou za“ alebo „vyžaduje pre montáž“. Keď nákupca zadá dopyt v prirodzenom jazyku, LLM model cez Amazon Bedrock analyzuje zámer používateľa a preloží ho do štruktúrovaného dopytu pre grafovú databázu.
Tento hybridný prístup spája presnosť grafových databáz s flexibilitou generatívnych modelov. Vektorové vyhľadávanie identifikuje sémantickú blízkosť dopytu, zatiaľ čo Amazon Neptune overuje exaktné topologické vzťahy v grafe súčiastok. Tým sa úplne eliminuje riziko halucinácií, ktoré sú bežné pri samostatnom použití LLM modelov. Výsledkom je okamžité zobrazenie presne pasujúceho dielu vrátane zoznamu potrebného montážneho príslušenstva.
Kľúčovým aspektom architektúry je priebežná aktualizácia grafu. Pri pridaní nového produktu alebo zmene kompatibility výrobcom systém automaticky prepočíta sémantické vektory a aktualizuje relácie v databáze Amazon Neptune. B2B nákupcovia tak majú neustály prístup k overeným a aktuálnym údajom bez nutnosti manuálneho prepisovania databáz administrátormi.
Kvantifikovateľné prínosy a efektivita investície
Nasadenie systému prinieslo okamžité zlepšenie kľúčových biznis ukazovateľov hneď v prvých piatich mesiacoch prevádzky v roku 2024. Čas potrebný na vyhľadanie správneho a kompatibilného náhradného dielu sa pre koncového zákazníka skrátil o 70 %. Tento posun v používateľskej skúsenosti priamo ovplyvnil nákupné správanie na e-shope.
Pred nasadením systému museli nákupcovia manuálne porovnávať PDF katalógy výrobcov, čo predlžovalo nákupný cyklus na niekoľko desiatok minút. Dnes systém vygeneruje presnú odpoveď s technickým odôvodnením kompatibility v priebehu dvoch sekúnd. Zníženie frustrácie nákupcov viedlo k zvýšeniu celkového konverzného pomeru e-shopu o 18 %. Zároveň došlo k výraznému odľahčeniu interných kapacít distribútora, keďže počet technických dopytov na zákaznícku podporu klesol o 45 %.
Príklad z praxe
- Firma: Stredne veľký distribútor priemyselných súčiastok a náradia, Nemecko
- AI riešenie: AWS GraphRAG (prepojenie Amazon Neptune a LLM modelov cez Amazon Bedrock)
- Problém: Zákazníci (nákupcovia) nevedeli v rozsiahlom katalógu s pol miliónom položiek rýchlo nájsť kompatibilné náhradné diely, čo viedlo k 35% miere nedokončených nákupov a preťaženiu technickej podpory telefonátmi.
- Výsledok: Skrátenie času vyhľadávania správneho dielu o 70 %, pokles počtu technických dopytov na podporu o 45 % a zvýšenie konverzného pomeru e-shopu o 18 % počas prvých piatich mesiacov od nasadenia v roku 2024.
Čo z toho vyplýva pre B2B distribútorov
Prípadová štúdia jasne dokazuje, že správa komplexných produktových dát je rozhodujúcim faktorom úspechu v B2B segmente. Spoločnosti s rozsiahlymi katalógmi už nemôžu spoliehať na tradičné SQL vyhľadávanie, ktoré nedokáže efektívne spracovať zložité produktové väzby. Implementácia GraphRAG predstavuje cestu k eliminácii chýb pri objednávaní a k automatizácii technického poradenstva.
Pre podobne orientované firmy je integrácia grafových databáz s generatívnou AI kľúčom k udržaniu konkurencieschopnosti. Investícia do sémantického prepojenia dát prináša rýchlu návratnosť prostredníctvom vyšších konverzií a úspory personálnych nákladov na technickú podporu.