Наш Телеграм

Семантическое сопоставление номенклатуры (НСИ): что это такое и почему оно на 40% точнее обычного поиска

до 95% - такой точности достигает сопоставление позиций номенклатуры

аналоги подбираются исходя из смысла, а не буквального написания

поиск, который занимал 30 минут, укладывается в 2 секунды

Часы рабочего времени у специалистов по закупкам и продажам уходят на то, чтобы вручную отыскать позицию среди записей общего каталога компании. Инструментов хватает, не хватает доверия к ним. Нужный товар обычный текстовый поиск нередко пропускает: стоит ошибиться в букве, взять синоним или чуть иначе сформулировать запрос. Поэтому люди снова листают справочники глазами - способ надежный, но неторопливый.

Что "гайка оцинк." и "гайка zn" описывают один товар, привычный поиск не распознает: ему нужно, чтобы символы совпали буква в букву. Семантическое сопоставление работает иначе и разбирает, о чем запрос и какими свойствами обладает товар. От этой разницы зависит итог. Текстовый поиск редко поднимается выше 50-60% точности, тогда как смысловой анализ доходит до 95%.

Из-за чего привычный поиск уже не годится

Слабое место поиска, который сверяет текст дословно, - непонимание контекста. Перед ним лишь набор знаков, а их значение остается без внимания. Закономерные сбои возникают в нескольких знакомых ситуациях.

Ошибки в написании, аббревиатуры и перестановка слов

Без ошибок люди не работают. Сотрудник вполне способен набрать "подшипник шариковый радиалный" вместо "радиальный" или воспользоваться привычной краткой записью "винт DIN933" там, где в базе стоит полное "винт.DIN 933". Обычный поиск воспринимает такие пары как два несхожих запроса, и во втором случае, вероятнее всего, вернет пустой результат. Та же история при перестановке слов: для него "труба стальная 50мм" и "трубка 50мм стальная" - разные объекты.

Равнозначные названия и отраслевой жаргон

У технического товара нередко набирается несколько десятков названий. Так, "поливинилхлорид", "ПВХ" и "PVC" обозначают один материал. Классический поиск отыщет позицию лишь по тому имени, что записано в ее карточке, и не догадывается, что "болт с шестигранной головкой" и "болт шестигранник" значат одно и то же. Поэтому сотруднику приходится помнить все возможные формулировки, а это тормозит работу и повышает вероятность промаха.

Свойства, не вынесенные в название

Нередко значимые свойства товара отсутствуют в названии и спрятаны в описании или технических параметрах. Допустим, сотруднику требуется "нержавеющая труба", а в каталоге она значится как "труба AISI 304". Связать эти два названия между собой обычный поиск не в состоянии. Он не знает, что сталь AISI 304 нержавеющая. Итог неприятен: нужная позиция не находится, хотя на складе она числится.

Почему стандартный поиск не справляется с запросами клиентов: опечатки, сокращения, синонимы и неявные характеристики товаров.

Обсудить ваши задачи и возможности автоматизации

Свяжитесь с нами через популярные мессенджеры

Суть семантического сопоставления и принцип его работы

Семантическое сопоставление подбирает результат по близости смысла, а не по дословному совпадению слов. Обычный поиск можно сравнить со словарем, где отыскивается строго то самое слово. Смысловой же поиск ведет себя как бывалый переводчик, способный уловить контекст и значение всей фразы. Работает все это на векторном поиске.

Семантическое сопоставление номенклатуры (НСИ): что это такое и почему оно на 40% точнее обычного поиска
1. Названия становятся векторами - "смысловыми координатами"

Система превращает название каждого товара, его характеристики и описание, хранящиеся у вас в каталоге, в особый числовой код - вектор. По сути, он задает "смысловые координаты" товара внутри многомерного пространства. Запрос менеджера кодируется тем же способом.

2. Определение ближайшего вектора в пространстве смыслов

После ввода запроса система обходится без текстовых совпадений. Вместо них среди всех векторов многомерного пространства отыскивается тот, что лежит ближе остальных к вектору, построенному из запроса. За счет этого видно, что "гайка zn" и "гайка оцинкованная" почти одинаковы по смыслу: их векторы расположены по соседству.

3. Пополнение данных ради большей точности

Ради предельной точности система заранее пополняет данные: в ее базу знаний подгружаются отраслевые стандарты, ГОСТы, словари синонимов и технические спецификации. Поэтому ей известно, что "AISI 304" означает нержавеющую сталь, а "zn" - цинковое покрытие. Векторы от этого становятся точнее и насыщеннее смыслом.

Как Платформа МБС.НСИ воплощает технологию на практике

Принципы семантического поиска воплощены в готовом бизнес-инструменте. Платформа МБС.НСИ управляет нормативно-справочной информацией, а ее основой служит технология векторного поиска. С задачей поиска и сопоставления номенклатуры она справляется целиком, а не по частям.

Поиск, который улавливает замысел менеджера

Сотрудники получают поисковую строку, привычную по современным поисковикам. Опечатки ей не мешают, синонимы она распознает, а товары находит и по свойствам, не ограничиваясь названием.

Менеджер вводит: "шайба увелич. м10 zn".

Обычный поиск отвечает "Не найдено" либо выдает неподходящие позиции.

Если же ввести тот же запрос в Платформу МБС.НСИ, система находит нужную позицию в таком виде: "Шайба плоская увеличенная DIN 9021 M10, покрытие - цинк".

Самостоятельное сопоставление позиций и чистка каталога

Помощью в поиске возможности Платформа МБС.НСИ не исчерпываются. Справочник целиком проходит анализ: система обнаруживает дубликаты, даже когда у них разные названия, и подсказывает, как их объединить. Итогом становится эталонный каталог, в котором каждая позиция встречается один раз и описана единообразно.

Обсудить ваши задачи и возможности автоматизации

Свяжитесь с нами через популярные мессенджеры

Результаты для бизнеса, поддающиеся измерению

Запуск семантического сопоставления - не косметическая правка поиска, а перемена, которая затрагивает главные показатели бизнеса.

Экономия времени на поиске до 95%

Одна непростая позиция раньше отнимала у менеджера 20-30 минут. Вопросы коллегам и перебор десятков документов остались в прошлом: ответ приходит за несколько секунд.

Меньше промахов при закупке и отгрузке товара

Когда номенклатура и аналоги подобраны точно, в закупку или отгрузку не попадает чужой товар. Падает число возвратов и рекламаций, а производство не простаивает из-за неподходящих комплектующих.

Более рациональные запасы на складе

После того как все дубликаты найдены, перед вами реальный остаток на складах. Благодаря этому не покупается то, что уже лежит на складе под иным именем, а неликвидных запасов становится меньше.

Техническая сторона семантического сопоставления

За результативностью семантического поиска стоит многоуровневая техническая архитектура, где данные обрабатываются в несколько этапов. Разобравшись в ней, проще судить о надежности решения и о том, насколько оно подходит для реальных условий бизнеса.

Пространство векторов со множеством измерений

Основой сопоставления служат векторные эмбеддинги: числовые образы текста, размещенные в пространстве со множеством измерений. Название каждого товара превращается в вектор на 2560 измерений, причем учитываются и слова, и смысловые связи между ними. Чем теснее два вектора расположены друг к другу, тем ближе товары по значению. Поэтому соответствие обнаруживается и тогда, когда формулировки не совпадают вообще.

Разбор данных без заданной структуры

Форматы данных могут быть любыми: Excel, CSV, PDF, текстовые файлы, базы данных - система справляется со всеми. Она изучает устройство документа и узнает в нем таблицы, списки и нестандартное оформление. Номенклатура может храниться в "мусорном" виде, но алгоритмы все равно вытаскивают нужные сведения о товарах, их свойствах и параметрах.

Рост объемов без потери скорости

Скорость векторного поиска остается высокой и при больших объемах информации. Каталоги на миллионы позиций система обрабатывает так, что ответ приходит за миллисекунды. Достигается это специальными индексными структурами вроде HNSW (Hierarchical Navigable Small World), которые ускоряют отбор ближайших векторов.

Модель учится постоянно и подстраивается под компанию

Новые данные постоянно дообучают ИИ-модель, и она уточняет представление об отраслевой терминологии. К особенностям вашей компании система приспосабливается сама: запоминает, какими словами менеджеры называют товары и какие синонимы употребляют, а затем опирается на эти закономерности. С каждым днем работы поиск получается точнее.

Итоги

Платформа МБС.НСИ будет встроена нами в вашу ИТ-экосистему, и работа с номенклатурой станет автоматической. Сначала система разберет ваш действующий справочник, соберет из него единый эталон, а затем даст менеджерам средство для быстрого и точного поиска.

Итог такой: ваши сотрудники находят нужные позиции сами и за секунды, не путаются при подборе аналогов, а компания получает каталог номенклатуры под полным контролем и с понятным устройством.

Свяжитесь с нами, чтобы обсудить специфику ваших процессов. Мы учтем особенности вашего бизнеса и предложим решение, которое действительно работает.

СТАТЬИ ПО ЭТОЙ ТЕМАТИКЕ

13
Января, 2026
Стандартизация НСИ с AI: единый стандарт кодирования номенклатуры для всей компании

Стандартизация НСИ с AI: единый стандарт кодирования номенклатуры для всей компании

ИИ-агенты "Нормализатор НСИ" и "Классификатор номенклатуры" создают единый стандарт кодирования для всей компании. Устранение дубликатов в справочниках позволяет перейти к централизованным закупкам, получать точную отчетность и снизить издержки.
статья
ИИ-РЕШЕНИЯ
17
Января, 2026
Аудит НСИ с помощью ИИ: поиск и устранение дубликатов в номенклатуре

Сопоставление товаров по параметрам: как найти аналог, если названия не совпадают

Платформа МБС.НСИ с ИИ-агентом "Сопоставитель номенклатуры поставщиков" автоматически сопоставляет товары по параметрам, а не названиям. Увеличьте точность подбора аналогов до 98% и ускорьте обработку прайс-листов в 10 раз.
статья
ИИ-РЕШЕНИЯ
22
Декабря,
2025
Умная диспетчеризация обращений/лидов при масштабировании: как обработать в разы больше запросов

Умная диспетчеризация обращений/лидов при масштабировании: как обработать в разы больше запросов

При росте бизнеса поток заявок захлестывает первую линию. ИИ-агент "Маршрутизатор входящих обращений" обрабатывает любые пиковые нагрузки без расширения штата, обеспечивая стабильную работу при масштабировании. Измерьте Scalability вашей системы поддержки.
статья
ИИ/ТЕНДЕРНЫЙ ОТДЕЛ
17
Ноября,
2025
Аккредитация поставщиков в Битрикс24

Аккредитация поставщиков в Битрикс24: автоматический скоринг контрагентов и ведение реестра надежных поставщиков

Автоматизируйте проверку и аккредитацию поставщиков в Битрикс24. Минимизируйте риски работы с недобросовестными контрагентами и создайте "чистый" реестр надежных партнеров с помощью интеграций и смарт-процессов.
статья
Битрикс
15
Октября,
2025
Искусственный интеллект в тендерах для фильтрации 1000 лотов за 5 минут

Искусственный интеллект в тендерах для фильтрации 1000 лотов за 5 минут

ИИ-агент "Тендерный Радар" избавляет от ручного поиска на тендерных площадках. Он фильтрует тысячи лотов за минуты, находит релевантные закупки и создает персональную ленту прямо в CRM, чтобы вы не упустили выгодный контракт.
статья
ИИ/ТЕНДЕРНЫЙ ОТДЕЛ
АЛМАТЫ Богенбай Батыра,
д. 86/47, Алматы
info@mbsgroup.kz

+7 727 312 3838

ГРАФИК РАБОТЫ Мы работаем
по будним дням
с 10:00 до 17:00
СОЦСЕТИ Vkontakte
YouTube
Telegram