ForHosting KIT · Ricerca semantica

Consigli correlati

Aggiunga una riga «Potrebbe interessarle anche» a cinquantamila elementi senza sceglierli a mano: ognuno viene confrontato per significato con i candidati, così un prodotto lanciato un'ora fa è consigliato bene dal primo giorno. Pagamento a consumo, senza abbonamento.

● Stabileper richiesta + per query$0.002

Esegui — $0.002 + $0.0015/query Vedi l'API

Usalo da WebAPIEmailTelegramApp presto

Esegui online

Esegui questo sui nostri server con il tuo account. Gli strumenti gratuiti girano nel tuo browser; questo viene addebitato sul tuo saldo KIT al prezzo indicato sopra.

Questo strumento genera consigli di contenuti correlati partendo da un elemento di riferimento — un articolo, un prodotto, un documento — e da un indice già costruito. Al posto di regole scritte a mano tipo «stessa categoria», confronta il significato reale dei contenuti e propone quelli davvero vicini.

Consigli basati sul contenuto, non sugli acquisti

I sistemi di raccomandazione classici si basavano sugli acquisti abbinati o sul filtraggio collaborativo: utili, ma ciechi davanti ai prodotti appena inseriti, che non hanno ancora uno storico. È il cosiddetto problema dell'avvio a freddo. Il consiglio basato sul contenuto lo aggira leggendo l'elemento stesso, cioè titolo, descrizione, etichette, categoria o qualsiasi testo lo rappresenti, e confrontandone il significato con ogni candidato. Un prodotto lanciato un'ora fa può essere consigliato correttamente dal primo giorno, perché nessuno ha dovuto comprarlo prima.

Dove usarlo e cosa aspettarsi

Un redattore può scegliere a mano gli articoli correlati per cinquanta pezzi; nessuno può farlo per cinquantamila. Un sito di notizie può aggiornare ogni notte i collegamenti verso la copertura degli ultimi due anni, e un servizio di assistenza può proporre in fondo a ogni risposta le guide che corrispondono davvero al problema. Molti team lo eseguono di notte per l'intero catalogo o subito dopo la pubblicazione di un nuovo elemento, e conservano il risultato. Non legge la mente: tiene conto solo del contenuto che riceve.

Il problema delle regole scritte a mano

Un sistema di consigli basato solo su categorie o tag mostra spesso accostamenti forzati: due prodotti nella stessa categoria possono non avere nulla in comune tra loro, mentre due articoli in categorie diverse possono parlare esattamente dello stesso tema trattato in modo differente. Search.recommend confronta il contenuto vero, non l'etichetta assegnata a mano, e per questo trova collegamenti che le regole tradizionali non riescono a vedere.

Casi d'uso

Prodotti correlati su Rossi & Figli S.r.l.

Rossi & Figli S.r.l. mostra «potrebbe interessarti anche» sulle schede prodotto del proprio e-commerce, calcolato sulla somiglianza reale delle descrizioni invece che sulla sola categoria merceologica.

Documenti correlati per lo Studio Bianchi

Lo Studio Commercialista Bianchi suggerisce ai collaboratori le circolari correlate a quella che stanno leggendo, utile per non perdere aggiornamenti collegati allo stesso tema fiscale.

Domande frequenti

Serve un indice già costruito per generare consigli?

Sì, i consigli vengono calcolati confrontando l'elemento di riferimento con un indice esistente: costruiscilo prima con lo strumento di indicizzazione adatto.

Che differenza c'è con la ricerca di documenti simili?

Il principio di confronto è lo stesso, ma recommend è pensato per essere richiamato automaticamente a ogni visualizzazione, come motore di un blocco «correlati» su un sito.

Quanti consigli restituisce ogni richiesta?

Puoi indicare quanti elementi vuoi ricevere; il motore restituisce sempre i più vicini per significato, ordinati dal più pertinente.

Funziona per un catalogo prodotti oltre che per articoli?

Sì, funziona su qualsiasi tipo di contenuto indicizzato: prodotti, articoli, documenti o schede tecniche, purché siano già nell'indice.

Tiene conto della cronologia di acquisti o dei clic?

No, a meno che non inserisca questi dati nella descrizione dell'elemento. Il confronto si basa sul contenuto, cioè titolo, descrizione, etichette e categoria; può unirlo ai suoi segnali di comportamento per un sistema ibrido.

Strumenti correlati

Per sviluppatori — accesso via API

Tutto quello che vedi in questa pagina è disponibile anche via API. Questa sezione è per i team che vogliono integrarlo nei propri sistemi; chi non ne ha bisogno può semplicemente usare lo strumento qui sopra.

Endpoint

POSThttps://api.kit.forhosting.com/search/recommend

Autenticazione con Bearer token: un POST mette in coda l'attività e il risultato arriva via webhook o link firmato.

Chiamala dal tuo stack

curl -X POST https://api.kit.forhosting.com/search/recommend \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"item":"Camiseta azul"}'

const res = await fetch("https://api.kit.forhosting.com/search/recommend", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "item": "Camiseta azul"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/search/recommend",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "item": "Camiseta azul"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/search/recommend", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"item":"Camiseta azul"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"item":"Camiseta azul"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/search/recommend", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Esempio di richiesta

{
  "item": "Camiseta azul"
}

Esempio di risposta

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "search.recommend",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L'API è asincrona: ricevi subito un task_id e puoi fare polling fino a 1 richiesta al secondo.

Prezzi

per richiesta$0.002

per query$0.0015

Prezzo pubblicato, senza token né crediti. Se l'attività fallisce, non paghi.

Limiti

`max_chunks`	10000
`max_tokens`	20000

Errori

HTTP	Codice	Significato
`401`	`unauthorized`	Chiave API mancante o non valida: controlla l'header Authorization.
`402`	`insufficient_balance`	Credito esaurito: ricarica per continuare a eseguire attività.
`404`	`unknown_type`	Tipo di attività sconosciuto: controlla il campo type della richiesta.
`429`	`rate_limited`	Troppe richieste in poco tempo: rallenta e riprova tra qualche secondo.

Note tecniche

Come funziona in pratica

Il motore restituisce gli elementi più vicini per significato, pronti da mostrare come «potrebbe interessarti anche» o «prodotti correlati» in fondo alla pagina, ordinati per grado di pertinenza decrescente rispetto all'origine scelta. Parti da un elemento — l'articolo che l'utente sta leggendo, il prodotto nel carrello — già presente in un indice costruito con index_text, index_document o search.embed_batch in precedenza.

Dove si integra

Non sostituisce l'indice: lo interroga soltanto, quindi serve prima costruirlo con lo strumento di indicizzazione adatto al tipo di contenuto trattato. Via API si collega alla pagina prodotto o articolo di un sito, richiamato ogni volta che un utente visualizza un contenuto specifico; dalla pagina del KIT puoi provarlo indicando l'elemento di riferimento e vedere subito i risultati proposti dal motore.

Prezzo per richiesta di consigli

Un catalogo con migliaia di prodotti può generare consigli per ogni pagina vista a un costo marginale molto basso, decisamente inferiore al valore di una sola vendita in più generata subito dal sito. $0.002 a richiesta più $0.0015 ogni 1.000 token dell'elemento di riferimento, in dollari, senza costi legati al numero di risultati restituiti dal motore di ricerca semantica interno.

Domande tecniche

Quanto costa generare consigli su ogni pagina vista?

$0.002 a richiesta più $0.0015 ogni 1.000 token dell'elemento di partenza, in dollari: il costo per pagina resta molto basso anche con traffico elevato.

Posso testarlo prima di integrarlo nel mio sito?

Sì, dalla pagina del KIT indichi un elemento di riferimento e vedi subito i risultati proposti, prima di collegarlo via API al tuo sito.

Leggi la documentazione completa del KIT →