Qogita 通过 Meilisearch Cloud 简化 B2B 贸易
借助 Meilisearch Cloud,Qogita 可以确保卖家获得高曝光率和更高的相关性,从而实现出色的买卖双方互动。
Qogita 是全球领先的 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,通过其创新技术帮助客户提高利润率和营业额,同时节省时间。
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,从而带来卓越的买卖双方互动体验。
“Meilisearch 使我们能够提供根据客户需求量身定制的闪电般快速且高度相关的搜索结果。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 自动化效率显著提高。此外,Meilisearch 已被证明是一种经济高效的解决方案,为 Qogita 带来了可观的节省。”
—— 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,在业务实践和采购方法方面仍然非常传统。这意味着供应商很难找到,很难合作,而且往往甚至不愿意接受新客户。
Qogita 旨在通过使其平台上的卖家和买家更容易在一个地方建立联系来应对这一挑战。通过提供诸如 AI 驱动的定价和成本优化等创新解决方案、根据用户的实际需求定制产品搜索功能,并通过搜索提供出色的买卖双方互动。
为什么 Qogita 选择 Meilisearch
在 Meilisearch 之前,Qogita 使用 Algolia 作为其搜索提供商,并且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。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。
评估主要侧重于相关性,确保搜索结果不会因 Algolia 的结果作为比较基线而受到明显干扰。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,评估还考虑了对错别字和用户搜索中经常出现的常见拼写错误的应对。
促成选择的其他因素包括:
-
成本效益
所有替代方案在评估的关键领域都表现良好,但 Meilisearch 因其成本效益而成为首选。由于 Qogita 拥有相对精简的 DevOps 团队,选择 Meilisearch Cloud 进行生产提供了理想的经济性和服务组合,包括对基础设施可靠性和高可用性保证的信心。 -
开发者体验
在整个内部概念验证 (PoC) 过程中,开发者体验是评估的关键方面。Meilisearch 被证明对 Qogita 有利,因为它提供了一个方便的 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 活跃且积极参与的开源社区成为一项重大优势,并在早期就建立了 Qogita 团队的信任。 -
产品节奏和路线图
Qogita 的团队对 Meilisearch 能够以多快的速度实现与替代方案的功能对等而印象深刻,尽管它是市场上最年轻的搜索解决方案之一。此外,Meilisearch 还提出了一个可靠的 路线图,其中包括与 Qogita 团队为近期搜索计划所设想的价值相符的几个功能。
实施并迁移到 Meilisearch Cloud
Qogita 最初是自我托管,以评估 Meilisearch 是否在开发经验方面满足其要求。在评估之后,生产迁移到了 Meilisearch Cloud,这让 Qogita 的团队可以安心地进行基础设施外包。从 Algolia 的过渡和 Meilisearch 生产的推出顺利进行,保持了很高的内部开发人员满意度。
结果和愿景
Qogita 强调更高的开发人员满意度是选择 Meilisearch Cloud 作为其搜索提供商的主要好处之一,易于集成和开箱即用的相关性是关键的促成因素。
工程部门的目标是确保准确的数据和产品交付,并通过平台为连接买家和卖家提供最佳用户体验。Meilisearch 使 Qogita 团队能够提供闪电般快速且高度相关的搜索结果,这些结果是为满足客户的特定需求量身定制的。
在搜索工作的愿景方面,Qogita 表示,即将推出的方面值搜索功能(将在 v1.3 中添加到 Meilisearch)将进一步增强用户搜索体验。方面允许客户同时按多个类别优化搜索结果。对于像 Qogita 这样在其目录中包含数万个品牌的公司来说,方面搜索将能够向用户展示和曝光更多品牌,并进一步提高相关性。
在全球范围内,AI 创新正在获得突出地位,Qogita 团队设想的未来将涉及上下文搜索、有意义的搜索建议和个性化。Meilisearch 即将发布的 [向量搜索版本](/blog/vector-search-announcement/) 标志着迈向 AI 领域的激动人心的尝试,旨在满足这些要求,并为 AI 驱动的应用程序提供快速且相关的搜索。