Nieruchomości
„2 pokoje blisko metra do 3 tys.” → lokalizacja, cena, metraż → lista ogłoszeń
wyniki zerowe · kliknięcia w ogłoszenia · zapytania do ogłoszeniodawców
Klienci szukają pełnymi zdaniami, a Wasz katalog odpowiada filtrami. Wdrażam wyszukiwanie w języku naturalnym i rekomendacje na Waszym katalogu, sprawdzone na prawdziwych zapytaniach. Rekomendacje mogę oprzeć na TasteRay API, które rozwijam jako CTO.
Dla kogo: Dla portali ogłoszeniowych, marketplace’ów, sklepów i serwisów z dużym katalogiem: nieruchomości, produktów, treści, wydarzeń, ofert pracy.
Gdy klienci szukają po nazwie produktu, a obecna wyszukiwarka dobrze to obsługuje, nowe wyszukiwanie niewiele zmieni. Sprawdzam to w teście, zanim cokolwiek wdrożymy.
Użytkownik wpisuje „dwa pokoje blisko metra do 3 tysięcy” albo „prezent dla taty, który lubi gotować”, a wyszukiwarka szuka słów. Część zapytań kończy się zerem wyników, część listą, która nie trafia. W 2023 roku wdrażałem mieszkAI w Morizonie i szukAI w Gratce: pierwsze w Polsce wyszukiwanie nieruchomości pełnymi zdaniami, na ponad 220 tysiącach ogłoszeń. Podobne rozwiązanie mogę wdrożyć u Was.
Wdrożenie działa, jeśli masz:
„2 pokoje blisko metra do 3 tys.” → lokalizacja, cena, metraż → lista ogłoszeń
wyniki zerowe · kliknięcia w ogłoszenia · zapytania do ogłoszeniodawców
„prezent dla taty, który lubi gotować” → intencja i budżet → ranking produktów z uzasadnieniem
kliknięcia z wyszukiwania · dodania do koszyka · zwroty
„coś lekkiego na wieczór, bez przemocy” → nastrój i preferencje → rekomendacje z TasteRay API
kliknięcia · czas do wyboru · powroty
od 15 000 złnetto · test
Cena wyjściowa dotyczy pięciodniowego testu na jednym katalogu w jednym języku. Wdrożenie na jednej powierzchni wyszukiwania lub rekomendacji wyceniam po teście, jako stałą kwotę za stały zakres.
Napisz, jaki katalog chcecie przeszukiwać i ile ma pozycji. W 1–2 dni robocze odpiszę z ceną albo z pytaniami, bez których jej nie ustalę.
Albo mailem: michal@jaskol.ski
Stan: listopad 2026
Bo znam je od środka: rozwijam ten silnik jako CTO TasteRay. Każda rekomendacja przychodzi z wyjaśnieniem, dlaczego pasuje, a preferencje użytkownika trafiają w zapytaniu, więc nie trzeba miesięcy historii kliknięć. Jestem współzałożycielem TasteRay, dlatego mówię to wprost: jeśli test pokaże, że lepiej sprawdzi się inny silnik albo Wasze własne rozwiązanie, rekomenduję je.
Do startu nie. Wyszukiwanie w języku naturalnym działa na opisach w katalogu, a rekomendacje TasteRay na tym, co użytkownik mówi o swoich preferencjach. Historia kliknięć przydaje się później, przy dopracowaniu rankingu.
Najpierw z testu: ten sam zestaw prawdziwych zapytań, wyniki oceniane na ślepo przez Waszego eksperta. Potem z testu A/B na części ruchu. Lepszy wynik w teście nie gwarantuje wzrostu konwersji, dlatego o skalowaniu decyduje test na produkcji.
Liczę koszt na 1000 zapytań przed wdrożeniem i ustawiam limit. Część zapytań obsługuje pamięć podręczna i tańsze modele; droższy model idzie tylko tam, gdzie poprawia wynik.
Wasz zespół. Kod jest w Waszym repozytorium, z dokumentacją i zestawem testowym, na którym sprawdzicie każdą kolejną zmianę.
Zostaje działające wyszukiwanie, zestaw testowy i wynik testu A/B. Gdy nowe wyszukiwanie pokaże bałagan w danych katalogu, kolejnym krokiem bywa sprint wdrożeniowy, na przykład uzupełnianie atrybutów albo moderacja ogłoszeń.