Qogita 使用 Meilisearch Cloud 簡化 B2B 貿易

Qogita 是一個領先的全球批發 B2B 平台，致力於徹底改變產品的發現和採購方式。為了簡化 B2B 貿易，Qogita 藉由其創新技術，幫助客戶產生更高的利潤和營業額，同時節省時間。

透過與 Meilisearch 合作，Qogita 能夠確保賣家獲得高度曝光，並提高買家的相關性，進而產生出色的買賣雙方互動體驗。

「Meilisearch 使我們能夠提供根據客戶需求量身打造的閃電般快速且高度相關的搜尋結果。它與我們系統的無縫整合對開發人員體驗產生了積極的影響，使本地環境設定、測試和 CI/CD 自動化顯著提高效率。此外，Meilisearch 已被證明是一種具成本效益的解決方案，為 Qogita 節省了大量成本。」
- Qogita 工程總監 Ivo Silva

挑戰

由於規模和成熟度，當今的批發產業在商業實務和採購方法方面仍然非常傳統。這意味著供應商難以尋找、難以合作，而且常常不願接受新客戶。

Qogita 的目標是讓賣家和買家透過其平台在同一個地方輕鬆聯繫，從而解決這項挑戰。透過提供創新的解決方案，例如 AI 驅動的定價和成本最佳化、根據用戶的實際需求量身打造產品搜尋功能，以及透過搜尋提供出色的買賣雙方互動。

為什麼 Qogita 選擇 Meilisearch

在採用 Meilisearch 之前，Qogita 使用 Algolia 作為其搜尋供應商，並且在功能和效能方面感到滿意。然而，Qogita 的團隊在技術和成本方面都力求進一步最佳化。因此啟動了一項評估以評估替代方案，並在 Meilisearch、Typesense 和 Algolia 之間進行了徹底的比較。

評估主要側重於相關性，確保搜尋結果不會因 Algolia 的結果作為比較基準而受到顯著干擾。針對熱門產品和類別進行了關鍵搜尋，以確定排序順序和整體效能。此外，評估還考慮了對錯字和常見拼寫錯誤的處理，這些錯誤經常出現在用戶搜尋中。

促成選擇的其他因素包括

1. 成本效益
   所有替代方案在關鍵評估領域都表現良好，但 Meilisearch 因其成本效益而成為首選。由於 Qogita 擁有的 DevOps 團隊規模相對精簡，因此選擇 Meilisearch Cloud 進行生產，可兼顧負擔能力和所提供的服務，包括對基礎架構可靠性和高可用性保證的信心。

2. 開發者體驗
   在整個內部概念驗證 (PoC) 過程中，開發者體驗是評估的關鍵面向。Meilisearch 證明對 Qogita 有利，因為它提供了便捷的 Python 程式庫，簡化了遷移過程。在 Meilisearch Cloud 上設定容器也是一項簡單的任務。此外，Meilisearch 充滿活力且積極參與的開源社群也成為一項顯著的優勢，在早期就在 Qogita 的團隊中建立了信任。

3. 產品節奏和路線圖
   Qogita 的團隊對 Meilisearch 能夠以如此快的速度實現與替代方案的功能對等感到印象深刻，儘管它是市場上最新的搜尋解決方案之一。此外，Meilisearch 展示了一個可靠的路線圖，其中包括幾個符合 Qogita 團隊對其近期搜尋計畫所設想價值的目標功能。

實施和遷移到 Meilisearch Cloud

Qogita 最初是自行託管，以評估 Meilisearch 是否在開發體驗方面符合其要求。評估完成後，生產環境遷移到 Meilisearch Cloud，讓 Qogita 的團隊對基礎架構外包感到安心。從 Algolia 的轉換和 Meilisearch 生產環境的推出過程非常順利，維持了高度的內部開發者滿意度。

成果與願景

Qogita 強調，選擇 Meilisearch Cloud 作為其搜尋供應商的主要優點之一是開發者滿意度更高，其中易於整合和開箱即用的相關性是主要促成因素。

工程部門的目標是確保準確的資料和產品交付，以及透過平台提供最佳的買賣雙方聯繫使用者體驗。Meilisearch 使 Qogita 團隊能夠提供閃電般快速且高度相關的搜尋結果，根據客戶的特定需求量身打造。

在搜尋工作的願景方面，Qogita 表示，即將推出的篩選值搜尋功能（將在 Meilisearch v1.3 中推出）將進一步增強使用者的搜尋體驗。篩選條件允許客戶同時按多個類別細化搜尋結果。對於像 Qogita 這樣在其目錄中擁有數萬個品牌的公司來說，篩選搜尋將能夠向使用者展示和曝光更多的品牌，並進一步提高相關性。

在全球範圍內，AI 創新正日益突出，Qogita 的團隊設想的未來包括情境搜尋、有意義的搜尋建議和個人化。Meilisearch 即將推出的 [向量搜尋版本](/blog/vector-search-announcement/) 標誌著邁入 AI 領域的令人興奮的嘗試，旨在滿足這些需求，並為 AI 驅動的應用程式提供快速且相關的搜尋。