Noutăți Vertex AI Search for commerce (Retail) - Soluția de recomandări AI gestionată de Google

1. Cum funcționează?

Fluxul de baze de date de la ERP-ul companiei, prin produsul Google până la rezultate inteligente este acesta:

Legendă: Fluxul de date de la ERP prin Vertex AI Search for commerce până la rezultate inteligente

Dacă dorești să compari platforma Managed cu o implementare de la 0 (Build), nu rata tabelul de comparație din ghid:

Legendă: Tabel comparativ Build / Custom vs Managed / Cloud Native

Vezi comparația în ghid

2. Noutăți: viitorul conversațional și agentic

Produsul rulează pe aceeași infrastructură globală ca motorul de căutare Google, dar folosește catalogul de produse și istoricul de interacțiuni al companiei tale pentru a oferi căutare semantică și recomandări hiper-personalizate (ex: „Cumpărate împreună", „Produse similare").

Actualizările din 2025-2026 introduc funcționalități esențiale pentru comerțul B2B modern:

a) Conversational Commerce & Conversational Search API

Motoarele de căutare clasice așteaptă un input și întorc rezultatele căutării. Noua componentă ConversationalSearch folosește LLM (Ex: Gemini pentru a genera interacțiuni dinamice.

Dacă o căutare este prea amplă, agentul AI adresează automat întrebări pentru utilizator bazate pe atributele catalogului pentru a rafina rezultatele.

b) Merchandising Console cu "Agentic Explainability"

Google a lansat o consolă nouă, care permite reguli vizuale (Serving Controls de tip Boost, Bury, Filter) și guvernanță prin roluri de Creator și Approver.

Introduce și explicabilitatea agentică, ajutând echipele să facă diagnoza rapidă a motivelor pentru care un anumit produs a fost recomandat. Căutarea returnează programatorilor și un text scris de LLM care explică rezultatele.

c) Pregătirea pentru UCP (Universal Commerce Protocol)

Cum am anticipat în Capitolul 6: Orizont 2027 din ghid, integrarea standardelor precum UCP permite trecerea la AI agentic. Agenții AI pot acum să caute, să compare și să negocieze direct prin aceste API-uri, fără intervenție umană.

3. Cum arată implementarea tehnică?

Chiar dacă Vertex AI Search for commerce este un serviciu Managed, el trebuie integrat cu datele și regulile companiei. În B2B, este critic să impunem reguli comerciale (guardrails): să nu vindem sub marja minimă, să nu recomandăm produse fără stoc sau incompatibile tehnic.

În abordarea arhitecturii hibride a OPTI Software, definim configurații (ServingConfigs) la nivel de aplicație sau middleware.

Exemplu de cod: Cerere de predicție pentru upsell cu filtre în Python

În acest snippet, se cere platformei Google recomandări complementare pentru coșul de cumpărături, forțând AI-ul să aplice filtre stricte de stoc și excluderi de categorie, cerând totodată diversitate în rezultate.

from google.cloud import retail_v2

project_id = "PROJECT_ID"
catalog_id = "default_catalog"
serving_config_id = "cart_upsell"
# completati
account_id = "HASH_ID_ERP_CLIENT"
user_id = "HASH_ID_ERP_REPREZENTANT_CLIENT"
device_id = "HASH_ID_DEVICE_UNIC"

serving_config = (
    f"projects/{project_id}/locations/global/catalogs/{catalog_id}"
    f"/servingConfigs/{serving_config_id}"
)

client = retail_v2.PredictionServiceClient()

user_event = retail_v2.UserEvent(
    event_type="shopping-cart-page-view",
    visitor_id=device_id,
    user_info=retail_v2.UserInfo(user_id=user_id),
    product_details=[
        # SKU-urile din cos cu cantitatile
        retail_v2.ProductDetail(product=retail_v2.Product(id="SKU-HOLSURUB-36"), quantity=1),
        retail_v2.ProductDetail(product=retail_v2.Product(id="SKU-SURUB-35"), quantity=2)
    ]
)
# Custom attributes sunt esentiale in B2B
user_event.attributes["account_id"] = retail_v2.CustomAttribute(text=[account_id])

request = retail_v2.PredictRequest(
    placement=serving_config,
    user_event=user_event,
    page_size=10, #nr maxim recomandari
    filter='(availability: ANY("IN_STOCK")) AND NOT (categories: ANY("Hobby-DIY"))', #reguli de business
    params={
        "filterSyntaxV2": True, #permite filtre avansate
        "strictFiltering": True, # respecta filtrele scrise, fara fallback
        "diversityLevel": "medium-diversity",
        "returnProduct": True, #returneaza metadatele produselor
        "returnScore": True, #returneaza scorul AI,
        "priceRerankLevel": "low-price-reranking", # prioritizeaza usor produsele cu pret mare (nu profit) 
    },
)

response = client.predict(request=request)
    
    
Copy

Vezi exemplul comentat în ghid și încă 9 exemple

4. Studii de caz

Trecerea de la căutarea clasică la o soluție de AI predictiv poate duce la rezultate spectaculoase.

a) Toolstation: Distribuție echipamente tehnice și unelte

Retailerul britanic acumulase în timp mii de reguli manuale de căutare, care rezolvau probleme punctuale, dar nu făceau față la un catalog extrem de vast.

Rezultat: Prin platforma Google, Toolstation a înregistrat o creștere cu 10% a veniturilor atribuite recomandărilor și o creștere cu 5% a veniturilor din căutare.

Tehnologia a fost integrată și on-premise la casele de marcat fizice, ajutând personalul (în special pe cei juniori) să asiste rapid clienții în identificarea produselor tehnice potrivite (vezi livrabilul OPTI copilot AI).

Citește studiul de caz internațional

b) Grupo Casas Bahia: Retail multibrand și eCommerce

Lanțul de supermarketuri din Brazilia avea provocări de scalabilitate business. Actualizarea datelor pentru sute de mii de produse dura până la 24 de ore.

Rezultat: Timpul de încărcare a catalogului a scăzut de la 24 la doar 4 ore. Conversia utilizatorilor din căutări a crescut cu 58%, rata de click-through (CTR) a crescut cu 28%, iar compania a reușit să scaleze actualizările zilnice la peste 7 milioane de repere.

Citește studiul de caz internațional

c) OPTI Software: Integrarea AI cu ERP-uri românești (ex. Entersoft, SeniorERP)

Platformele AI au nevoie de date precise, dar multe companii B2B rulează sisteme ERP on-premise, unde căutarea și accesul la date este dificil. Noi folosim o arhitectură hibridă pentru actualizări incrementale (ex: API Patching). Orice modificare de stoc înregistrată în ERP este trimisă aproape instantaneu către o platformă inteligentă conectată cu algoritmii Google.

Rezultat: Adoptarea de echipa de vânzări a platformei Vânzări cu AI a OPTI a redus timpul de ofertare cu 68%, erorile de selecție a produselor au scăzut sub 1%, iar valoarea medie a comenzilor a crescut cu 14%.

Citește studiul de caz

Inginerie, nu magie

AI pentru activitățile economiei reale trebuie să fie controlat și măsurat. Trecerea la un motor de vânzări inteligent bazat pe tehnologiile Google Cloud accelerează semnificativ rezultatele (AOV crescut, timp de ofertare scăzut). Devin posibile pentru companiile B2B midmarket chiar aplicații avansate AI care înainte erau rezervate pentru giganți ca Netflix, Booking sau Uber.

Arhitectură hibridă solidă, bazată pe date curate și reguli de business clare este propunerea OPTI pentru companiile B2B.

Vrei să afli cum poți integra tehnologiile Google în ecosistemul tău de vânzări?

Descarcă gratuit Ghidul #1 OPTI: Recomandări inteligente, upsell și reguli (172 pagini)

Programează un audit gratuit de arhitectură tehnică