Ik implementeer rag vector search en ai semantic search voor jouw ecommerce


Over deze dienst
Automatische vertaling
Stop met het verliezen van sales door slechte zoekfunctie.
Als de zoekfunctie van jouw ecommerce geen resultaten geeft wanneer shoppers natuurlijke queries invoeren in plaats van exacte SKUs, laat je geld liggen. Ik implementeer productieklare RAG en semantic search die intentie begrijpt, niet alleen keywords.
Een echt resultaat: ik leid momenteel de AI search-migratie voor een van de grootste retailers van Latijns-Amerika (200+ winkels, 1M+ dagelijkse gebruikers, 50K+ producten), waarbij Google Search API wordt vervangen door een RAG-gebaseerd systeem dat naar verwachting 500K dollar per jaar bespaart.
Wat je krijgt:
- Vector database setup (Pinecone, Weaviate, Qdrant, pgvector)
- - Embedding strategie en modelkeuze
- - Hybride zoekfunctie: keyword + semantic + reranking
- - Productie-implementatie met monitoring en fallback opties
- - A/B test setup om de verbetering aan te tonen
Stack: Python (FastAPI), OpenAI / sentence-transformers, AWS, Docker, Kubernetes.
Waarom ik: meer dan 10 jaar ervaring met het bouwen van productie backends op schaal. Senior Platform Engineer met cross-team architectuurverantwoordelijkheid. Ik lever geteste resultaten en documentatie zodat jouw team het systeem na oplevering kan beheren.
Stuur me een bericht met jouw stack, catalogusgrootte en wat er mis is met je huidige zoekfunctie. Ik reageer binnen 1 uur met concrete vervolgstappen.
Maak kennis met Martin Poli
Senior RAG and AI Search Engineer for Backend at Scale
- Afkomstig uitUruguay
- Lid sindsmrt 2020
Talen
Engels
Automatische vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Welke vector database moet ik gebruiken?
Hang af van schaal, kosten en operationele beperkingen. Ik help je kiezen tussen Pinecone (managed), Weaviate (self-hosted), Qdrant (open source) en pgvector (geen nieuwe infra). Het Architectuuroverzicht pakket bevat deze beslissing.
Hoeveel kost de OpenAI embedding API?
Voor 50K producten met OpenAI text-embedding-3-small kost de initiële indexering ongeveer 1-2 USD. Query embedding kost ongeveer 0,00002 USD per zoekactie. Ik neem kostenprognoses op in de Standard en Premium pakketten.
Kun je integreren met mijn bestaande zoekbackend?
Ja. Hybride zoeken dat jouw bestaande keyword backend combineert met semantic vectors wint meestal van puur semantic. Ik integreer met Elasticsearch, Algolia, Typesense, OpenSearch en Meilisearch.

