Análisis de buscador visual para tiendas de e-commerce

Abstract

En el presente documento se expone el trabajo realizado durante el desarrollo y experi- mentación de algoritmos para tres tareas relacionadas con el uso de imágenes de consultas recibidas por un motor de búsqueda visual de tiendas de e-commerce. La primera tarea consiste en la detección de comportamientos erróneos del motor de búsqueda en que este recupera sólo productos que no tienen relación al resultado esperado (Zero-Hit). La segunda tarea consiste en el etiquetado de imágenes de consultas recibidas por una tienda, en base a palabras presentes en su catálogo. Por último, la tercera tarea consiste en la generación de una visualización más estructurada que sirva de resumen de búsquedas visuales recibidas en un periodo de tiempo. El problema a resolver nace de la necesidad de los dueños de tiendas que emplean al bus- cador, de conocer cómo es que sus clientes utilizan este servicio. Esperando que este análisis adicional sobre las búsquedas realizadas en su tienda pueda llegar a generar información a partir de la cual el dueño pueda llegar a generar acciones que beneficien el funcionamiento de su negocio. La solución propuesta consiste, por un lado, en el desarrollo de algoritmos de clasificación que analizan las respuestas entregadas por el motor de búsqueda para determinar si esta corresponde a un Zero-Hit o la categoría a la que corresponde la imagen de consulta en caso contrario. Por otro lado, la solución también contempla el desarrollo de algoritmos que emplean diferentes herramientas de clusterización para la generación de grupos de imágenes de consulta, que pueden ser utilizados como resúmenes de las búsquedas recibidas por una tienda. Para cada uno de los algoritmos propuestos en este trabajo, se experimentó y probó con diferentes alternativas, de manera que la solución que se propone consta de aquellos experimentos más exitosos. Respecto a los resultados, se concluye que se lograron cumplir parcialmente todos los objetivos planteados. Esto pues, se logró desarrollar un algoritmo que logra identificar con un 63.8 % de precisión los Zero-Hit de un mes de búsquedas, otro algoritmo que logra etiquetar en categorías con un 48.1 % de Precision@5 en un mes de búsquedas y, por último, un algoritmo que, utilizando los resultados previos, logra seleccionar e identificar con una categoría a clústeres de imágenes de consulta similares. Gracias a estos tres resultados, la compañía detrás del motor búsquedas puede enriquecer más su servicio con información adicional que puede potenciar los negocios de sus clientes.