A Netorigo Storefronton ket helyen all AI-driven termekajanlo: a termekoldal alja ("Ezeket is megnezted volna") es a chat panel ("Keress egy terméket az X feladathoz"). A ket felulet teljesen mast csinal, es eleinte mi is osszekevertuk oket. Az alabbiakban szetszedjuk, mikor melyik nyer, es a hibridet, ami a kerek szamot hozta.
A ket felulet
PDP "You may also like": koraierős, statisztikai
A termekoldal aljan megjeleno hasonlo-termek lista NEM LLM-bol jon. Egy elore-szamolt collaborative filtering matrix (product_affinity) szolgaltatja, frissul napi szinten. Latency: 12 ms p99 (a row mar a product query JOIN-jaban erkezik). Tokenkoltseg: 0. Nincs hallucinacio.
Elony: gyors, olcso, deterministikus. Hatrany: csak akkor mond barmit, ha mar van adat. Uj termek (a katalogusban kevesebb mint 30 napja) eseten cold-start: a lista ures vagy iranyt vesztett.
Chat-driven "Find me a product": véglegerős, LLM-vezerelt
Amikor a latogato a chat panelben "keresek egy laptopot 3D modellezeshez 800 ezerig" tipusu inputot ir, az engine MCP-n keresztul behivja a catalog.searchProducts tool-t, kap egy 50-tetelu hosszu listat, es az LLM rangsorolja a felhasznalo igeny szerint. Latency: 2-4 masodperc. Tokenkoltseg: 1100-1800 token sessionkent (GPT-4.1-mini, $0.0015-$0.0025).
Elony: ertelmes szovegre is ertelmes valaszt ad. Hatrany: lassabb, dragabb, neha tul magabiztosan ajanlja a rossz terméket.
Mikor melyik nyer
- PDP infinity scroll: a koraierős mindig. Senki nem akar 3 masodpercet varni egy hasonlo termek listara.
- "Mire jo ez?" tipusu kerdes: a véglegerős mindig. A statisztika nem tudja, hogy a fonyiro "szakallapolasra" is jo.
- Vegyes "nezz at par opciot": hibrid (lent).
A hibrid recept
A chat panelben az elso lepes mindig a statisztikai. A catalog.searchProducts MCP tool keszre szuri a top 5 affinity-illeszkedo terméket, az LLM ezt mutatja be 200 token elszamolassal. Csak akkor hivunk drague LLM ranking-et, ha a felhasznalo "nem tetszik egyik sem" / "valami mast szeretnek" / kerdez vissza. Igy a sessionek 71%-a a statisztikai uton fejezodik be, az atlag tokenkoltseg pedig 1800-rol 540-re esett (-70%).
A merhetö szam: +7.8% AOV
Egy partner technikai berendezes szakmai vertikumon (B2B kisüzemi gepek, atlagos kosarmeret kb. 380 ezer Ft) lefuttattunk egy 90 napos A/B-t. Kontroll: csak statisztikai. Kezeles: hibrid (statisztikai + chat-driven LLM ranking). Az AOV (atlagos kosarertek) +7.8%-kal nott a kezelt csoportban (n=4827). A konverzio ratak nem teretek el szignifikansan — tehat nem TOBB embert vasarolt meg, hanem TOBB-et vasaroltak.
A hipotezis amit megerositett: a chat-driven ajanlo kiegeszitö termekeket javasolt (allitvanyokat, kabeleket, alkatreszeket) amikre a vasarlo enelkul nem gondolt volna. Ez a klasszikus "basket completion" upsell, csak nem hand-curated kupon hanem szovegerto AI.
A tokenkoltseg matematika
4827 sessionre 540 atlagos token * $0.0015 / 1k = $3.91 teljes session koltseg. Az AOV felfutas alapjan +29800 Ft / vasarlas * 4827 * 0.078 = ~11 millio Ft tobblet bevetel. ROI a tokenkoltsegen: kb 870000x. Ez nem tipo.
A model-cserelhetoseg architektura
A chat-driven ajanlo nem hardcode-olja a modelt. Az engine.providers.<tenantId> config tabla rendezi a priori sorrendet, default: openai/gpt-4.1-mini, fallback anthropic/claude-haiku-4, vegso fallback openai/gpt-4o-mini. A circuit breaker minden providerre kulon halhatatlan: 5 hiba 60 mp ablakban es a provider 5 percre kiesik. A switch transparens a panelnak — a chat panel csak session.kind discriminatort kap.
A miert nem statikus aranyl mind
A partner adatkereskedelmi csapat eleinte azt kerte, hogy az ajanlot teljesen statikussa tegyuk (a product_affinity matrixrol). Erv: olcso, kiszamithato, no hallucinacio. Ellenerv: a long tail kerdesek (a vasarlonkent egyedi szandekok) statikus szabalyban nem megfoghatak. Ki rendeli "egy berendezest a kerti hutoteglatumeges palotumegezeshez" statikus szabalybol? Senki. A LLM csak ezekre a long tail kerdesekre erdemleges plusz az ajanlot lattatja humannak — egy ember szinttel beszelni a vasarlohoz.