Target: AI-поиск по товарному каталогу на Spanner Graph

Что изменилось

4 августа 2026 Sayanti Dey (Google Cloud) и Kaushik Shelat (Target) описали, как Target пересобрала поиск и подбор товаров на Spanner Graph.

Команда доверия к товарам Target отвечает за решения, которые влияют на покупку: рейтинги, отзывы, AI-помощники. Пример продукта — подборщик подарков: чат-агент в вебе и приложении Target, запущенный к праздничному сезону 2025, помогает подобрать подарок через диалог.

Раньше поиск и подбор держались на Elasticsearch для полнотекстового индекса плюс отдельных NoSQL-хранилищ для транзакций. Проблемы, которые Target называет в посте:

• рассинхрон поиска, векторов и транзакций;
• высокая операционная нагрузка на независимые кластеры;
• сложное расширение доменов без слабых гарантий согласованности;
• невозможность в одной транзакции спросить граф, векторное сходство и ключевые слова.

Сейчас Target строит корпоративную онтологию — «граф графов» для генеративного AI-шопинга. Три слоя:

1. Обогащение каталога — агрегация метаданных из серверных систем, генеративный AI для агентного обогащения данных.
2. Единое хранилище графа, векторов и поиска — узлы сущностей, рёбра связей и эмбеддинги в одном движке; многошаговые обходы графа, семантический векторный поиск и полнотекстовые запросы по реляционным таблицам; строгие транзакции с гарантией согласованности без хрупких внешних пайплайнов синхронизации.
3. Оркестрация и AI — разговорные интерфейсы, структурированный контекст из Spanner Graph для заземления языковых моделей; извлечение связей товаров для подборщика подарков и оценка сгенерированных ответов.

Миграция шла в четыре фазы: схема и онтология → параллельное дублирование транзакций с генерацией эмбеддингов → поэтапное переключение чтения → полный переход трафика и вывод Elasticsearch из эксплуатации.

В одном контуре Target учитывает:

• ключевые слова;
• семантическое сходство;
• связи между товарами и категориями;
• покупательское намерение;
• актуальные транзакционные данные.

По данным Target в посте: разработчики тратят на 50% меньше времени на администрирование баз и инфраструктуры; улучшились релевантность рекомендаций и индекс лояльности покупателей за счёт связки обхода графа с векторным поиском и поиска с опорой на базу знаний вместо «плоской» близости эмбеддингов.

Что делать тем, кто работает с каталогом и AI-поиском

Если вы ведёте интернет-магазин, маркетплейс или каталог услуг — не копируйте бренд Target, перенесите минимальный граф знаний о товарах.

1. Выберите 30 товарных позиций одного проекта — достаточно, чтобы сравнить два режима подбора, но не утонуть в онтологии.
2. Зафиксируйте схему связей. Товар → категория → материал → сезон → сценарий использования → задача покупателя → совместимые товары → ценовой диапазон → наличие → доказательства качества (рейтинг, отзыв, сертификат).
3. Сравните два варианта AI-подборки. Агент получает только обычный товарный фид; второй раз — фид и граф связей. Одинаковый запрос, одинаковые ограничения по наличию.
4. Измеряйте не «красоту ответа». Релевантность рекомендаций, доля товаров в наличии, разнообразие подборки, число ручных исправлений оператором.
5. Пропишите правило остановки. Не рекомендовать товар без актуальной цены и наличия; не смешивать несовместимые сценарии (подарок или профессиональный инструмент).
6. Сверьте видимость в AI-поиске. Граф внутри не заменяет GEO-аудит: внешние агенты должны находить сущности бренда в машиночитаемом виде — файл для краулеров, согласованные факты, честные отзывы.

Успех пилота — не «исследование каталога», а список категорий или позиций для рекламного или продуктового теста с измеримым сдвигом релевантности.

Как проверить граф против фида в каталоге

Для интернет-торговли и GEO пост Target — схема сравнения «фид против фида с графом»:

1. Соберите минимальный граф знаний о товарах на 30 позициях одного учебного или пилотного каталога по схеме из раздела выше.
2. Прогоните два сценария подбора — только товарный фид и фид с графом; зафиксируйте метрики релевантности, наличия и ручных правок.
3. Вшите граф в Skill подбора — обязательные поля ответа: товар, сценарий, совместимость, цена, наличие, источник доказательства качества.
4. Свяжите с SEO GEO Auditor Pro — внешняя видимость сущностей бренда плюс внутренний граф каталога; не оптимизировать страницы в отрыве от связей.
5. Проверьте контур данных — транзакционные поля (цена, остаток) обновляются не реже, чем эмбеддинги описаний; иначе граф даёт красивые, но устаревшие рекомендации.
6. Сравните на одном наборе товаров разницу «SEO карточки» и «графа намерений» — на обучении Marketing Skills или в пилоте у себя.

Пока сравнение фид vs граф не дало измеримый прирост, масштабировать каталог рано — растёт объём текстов, а не качество подбора.