视觉搜索已经获得了很大的动力。产品图片当然会在网站上提供，以确保购买者选择了正确的产品，但视觉搜索将其提升到一个新的水平。视觉搜索允许用户搜索图像而不是文本。用户可以在他们的移动设备或电脑的搜索栏中选择一个相机，拍一张照片并点击“搜索”。离开它并带回一个结果列表，如下图所示。它是如何工作的?

两种基本方法可以推动视觉搜索。一种是使用图像元数据。图像被标记以指示类别和选定的属性，例如颜色、形状和其他规格的数组。在这个版本中，搜索功能仍然使用文本返回结果，因为它正在寻找单词。第二种视觉搜索使用反向图像检索。图像是查询。一种算法根据形状、颜色、纹理和其他特征来识别相似的图像。AI 检测到的这些其他特征或模式可能是人眼可以检测到的特征，但它们也可能超出人类的视觉能力。

视觉搜索在 Pinterest 和 iNaturalist 等视觉媒体中取得了长足的进步。然后它转移到零售，用户可以在那里拍摄商品的照片，然后搜索功能可以找到类似的产品，例如黄色长袖毛衣。现在，视觉搜索正在进入工业应用。Grainger 和 Home Depot 都在他们的应用程序上提供了可视化搜索。然而，对于 Home Depot 应用程序和 Pinterest 应用程序，该算法的工作方式非常不同。需要不同的训练数据才能使视觉搜索机制发挥作用，并且产品选择更加具体和技术性。

首先，需要一个强大的图像数据库，为每个产品显示不同角度和应用的许多图像。还需要具有特定类别属性的强大产品数据分类法，以确保 API 可以为正在查询的图像识别正确的类别。该类别将能够获取归入该类别的产品的所有图像。属性在产品数据库中管理并标记到图像以允许附加功能并帮助 AI。Home Depot 应用程序中使用了这种方法。材料和类别由应用程序识别，这允许评分提供更具体的整理搜索结果。

下一步是工具选择。有许多不同的视觉搜索工具可用，无论是零售、工业、科学还是艺术，都必须为每个应用选择合适的工具。最后，需要对工具进行培训。此过程使用图像数据库和产品数据库的组合来开始。循环中的人工对于确保图像查询成功执行是必要的，让 AI 知道它何时正确或不正确，以便它可以从该反馈中学习。这些步骤将导致强大的视觉搜索。

成功的视觉搜索可以产生多种结果。一些消费者只是想识别一个项目。如果他们不知道小部件叫什么，他们可以拍下它的照片并使用视觉搜索应用程序来识别产品或相关的部件号。在某些情况下，成功更进一步，导致购买物品。

添加视觉搜索功能是增加收入的好方法。根据 ViSenze 的研究，67% 的千禧一代更喜欢视觉搜索。他们是最大的不断增长的消费者群体，视觉搜索在未来只会成为越来越多的需求。保持领先地位并立即开始非常重要。