Qogita 使用 Meilisearch Cloud 简化 B2B 贸易
借助 Meilisearch Cloud,Qogita 能够确保卖家获得高曝光率并提高相关性,从而实现出色的买家-卖家互动体验。

Qogita 是一个领先的全球 B2B 批发平台,致力于彻底改变产品的发现和采购方式。Qogita 的使命是简化 B2B 贸易,借助其创新技术,帮助客户在节省时间的同时,实现更高的利润率和营业额。
通过与 Meilisearch 合作,Qogita 能够确保卖家获得高曝光率,并为买家提高相关性,从而带来出色的买家-卖家互动体验。
“Meilisearch 让我们能够提供闪电般快速且高度相关的搜索结果,以满足客户的需求。它与我们系统的无缝集成对开发人员体验产生了积极影响,使本地环境设置、测试和 CI/CD 自动化显著提高效率。此外,Meilisearch 已被证明是一种经济高效的解决方案,为 Qogita 节省了大量成本。”
- Ivo Silva,Qogita 工程总监
挑战
当今的批发行业由于其规模和成熟度,在商业实践和采购方法方面仍然高度传统。这意味着供应商难以找到,难以合作,甚至常常抵制接受新客户。
Qogita 旨在通过其平台,让卖家和买家在一个地方极其轻松地连接,从而解决这一挑战。通过提供创新解决方案,例如由人工智能驱动的定价和成本优化、根据用户实际需求定制产品搜索功能,以及通过搜索提供卓越的买家-卖家互动体验。
Qogita 选择 Meilisearch 的原因
在使用 Meilisearch 之前,Qogita 使用 Algolia 作为其搜索提供商,并在功能和性能方面感到满意。然而,Qogita 的团队在技术和成本方面都力求进一步优化。他们启动了一项评估,以评估替代方案,并对 Meilisearch、Typesense 和 Algolia 进行了全面比较。
此次评估主要侧重于相关性,确保搜索结果不会因 Algolia 的结果作为比较基准而受到显著干扰。他们对热门产品和类别进行了关键搜索,以确定排序顺序和整体性能。此外,评估还考虑了对用户搜索中经常出现的拼写错误和常见拼写错误的 GAI 处理能力。
促成这一选择的其他因素包括
-
成本效益
所有替代方案在关键评估领域都表现良好,但 Meilisearch 因其成本效益而成为首选。由于 Qogita 的 DevOps 团队相对精简,选择 Meilisearch Cloud 用于生产环境提供了一个理想的经济性和服务组合,包括基础设施可靠性和高可用性保证方面的信心。 -
开发人员体验
在整个内部概念验证 (PoC) 过程中,开发人员体验是评估的关键方面。Meilisearch 被证明对 Qogita 有利,因为它提供了便捷的 Python 库,简化了迁移过程。在 Meilisearch Cloud 上设置容器也是一项简单的任务。此外,Meilisearch 充满活力且活跃的开源社区也带来了显著优势,在 Qogita 团队内部及早建立了信任。 -
产品节奏和路线图
Qogita 的团队对 Meilisearch 能够快速实现与替代方案的功能对等印象深刻,尽管它是市场上最年轻的搜索解决方案之一。此外,Meilisearch 展示了一个可靠的路线图,其中包含几个与 Qogita 团队在近期搜索计划中设想的价值相符的功能。
实施和迁移到 Meilisearch Cloud
Qogita 最初是自托管以评估 Meilisearch 是否满足其在开发经验方面的要求。评估后,生产环境迁移到 Meilisearch Cloud,使 Qogita 团队在基础设施外包方面高枕无忧。从 Algolia 的过渡和 Meilisearch 生产环境的推出都顺利进行,保持了高水平的内部开发人员满意度。
成果与展望
Qogita 强调,选择 Meilisearch Cloud 作为其搜索提供商的主要好处之一是开发人员满意度更高,易于集成和开箱即用的相关性是关键因素。
工程部门的目标是确保准确的数据和产品交付,并通过平台连接买家和卖家,提供最佳的用户体验。Meilisearch 赋能 Qogita 团队提供闪电般快速且高度相关的搜索结果,以满足客户的特定需求。
在搜索工作的愿景方面,Qogita 表示即将推出的分面值搜索功能(Meilisearch v1.3 将推出)将进一步提升用户搜索体验。分面允许客户同时按多个类别筛选搜索结果。对于像 Qogita 这样拥有数万个品牌的公司而言,分面搜索将使更多品牌能够向用户展示和曝光,并进一步提高相关性。
在全球范围内,人工智能创新日益突出,Qogita 的团队设想的未来涉及上下文搜索、有意义的搜索建议和个性化。Meilisearch 即将发布的[向量搜索](/blog/vector-search-announcement/ 标志着其在人工智能领域激动人心的探索,旨在满足这些需求并为人工智能驱动的应用程序提供快速和相关的搜索。