Miros

Miros

Miros · 圖片 · 程式設計

Miros 是為線上商店設計的 AI 商品探索平台。它讀取消費者的瀏覽行為與商品圖片,據此個人化搜尋結果、瀏覽動線與商品推薦。

Miros 的介面預覽

關於 Miros

About

Miros 是什麼

Miros 是一層蓋在既有商品目錄之上的探索機制,線上商店只要安裝就能使用。公司總部在塔林,另在倫敦與里斯本設有辦公室,電腦視覺技術來自愛沙尼亞塔爾圖大學的研究團隊。店家接上它,是為了把消費者根本不會去搜尋的商品送到眼前。

它鎖定的缺口有數據支撐。Miros 指出,85% 的時尚購物者從不碰搜尋列,而真正輸入的搜尋有 90% 模糊到給不出有用結果。文字搜尋的前提是消費者說得出自己要什麼。想找一件特定色調與領口的婚禮賓客洋裝,多數人其實說不出來。

限制也來自同一個定位。Miros 是企業工具,透過展示與導入專案成交,沒有自助註冊。它在服飾、家具、家居這類圖像豐富的目錄上效果明顯,對那些客人早就習慣用型號搜尋的商店,幫助有限。

開始使用

  1. 在 Miros 官網預約展示,並用自己的商品目錄進行,讓測試跑在真實商品上。
  2. 檢視與現有搜尋引擎的正面對照結果,再決定導入範圍:無字搜尋、推薦、shop the look,或整套一起上。
  3. 讓 Miros 建立目錄索引。AI 直接從商品圖片擷取視覺與語意特徵,不需要人工標註。
  4. 安裝 JavaScript 小工具,或透過 GraphQL API 串接,無頭商店與傳統商店皆可。
  5. 用自家的分析工具追蹤工作階段,第一個介面驗證有效後,再擴大到其他探索入口。

產品資訊

快速了解 Miros 的定價、支援平台與效能。

免費方案否
付費方案Custom enterprise pricing
平台Web storefronts via JavaScript widgets or GraphQL API
開發者Miros
類別圖片 · 程式設計
發布日期Jul 2019
最近更新Oct 2025
網站訪問量1.7K
網站全球排名10.2M
API 提供狀態是

適合對象

這項工具最適合的使用者、任務與情境。

使用者

  • 時尚與服飾零售商:習慣憑外觀決定購買的客人,會依瀏覽行為看到商品,而不是靠關鍵字。圖片品質好、流量足以形成偏好輪廓的目錄效果最佳。
  • 家具與家居店家:家具與空間很難用文字描述,Miros 從點擊與停留時間讀出風格偏好。
  • 成長與電商團隊:有能力做 A/B 測試、能安裝小工具的團隊,不必重做商店就能拿到可衡量的成長。

任務

  • 提高純瀏覽流量的轉換:個人化動態牆能觸及那些從不輸入查詢的訪客。
  • 減少零結果搜尋:Discovery Bar 加入 48 種語言的自然語言搜尋,並把每次查詢與即時偏好輪廓結合。
  • 建立個人化推薦:建議同時考量商品外觀相似度與個人行為,不再只靠「其他人也買了」。
  • 依需求生成選品:Style Collections 由即時訊號資料產生,陳列反映的是消費者真正點擊的內容。
  • 測試替換搜尋引擎:上線前可先用真實流量中的一部分,與現有搜尋做正面對照。

情境

  • 第一次造訪、尚未註冊的訪客:意圖只從捲動與點擊推斷,第一頁就能個人化。
  • 折扣季或年底購物潮:推薦與動態牆跟著同一組訊號反應,供應商也公布自有客戶在旺季的採用數據。
  • 跨品類找整套穿搭:Shop the Look 把不同品類的商品組成成套造型。
  • 商品量極大的市集:平台表示可支援超過 10 億件商品,回應時間為 50 到 300 毫秒。

主要功能

無字搜尋

消費者不必輸入查詢、不必套用篩選,光靠瀏覽就能看到相關商品。Miros 依據捲動速度、點擊、停留時間與被略過的商品,即時建立偏好輪廓。供應商表示各導入案的使用率落在 20% 到 55%,這個數字之所以重要,是因為它正好覆蓋從不打開搜尋框的那一群人。

Discovery Bar

Discovery Bar 是強化原本的搜尋列,而不是把它換掉。消費者用 48 種語言的自然語言輸入,每筆查詢都會與當下的偏好輪廓合併。Miros 表示這樣幾乎能消除「找不到結果」的頁面,而這正是消費者離開商店最常見的原因之一。

內嵌推薦

多數推薦模組依賴購買紀錄,新訪客根本沒有。Miros 把商品之間的視覺相似度與即時偏好輪廓一起計算,因此從第一次點擊開始建議就具備個人性。採用的店家回報客單價提高,進入結帳的點擊也變多。

Shop the Look

Shop the Look 用不同品類的商品組成穿搭與空間組合,並貼合消費者正在變化的口味。它與固定式的「補齊整套」模組不同,偏好輪廓一變,組合也跟著調整。對賣整套造型而非單品的店家,這是最直接對應需求的功能。

以圖找商品

消費者上傳照片,Miros 回傳外觀相似的商品。排序同時參考行為與像素相似度,同張照片在兩個人身上可能排出不同順序。這種結合正是它與單純比對圖片不同之處。

Style Collections

選品團隊通常靠人工編排系列,再按排程更新。Style Collections 由訊號資料自動生成,需求一變就能跟上。團隊花在挑選的時間變少,陳列頁也更貼近消費者真正想要的東西。

優缺點

優點

  • 在文字搜尋失效的圖像型目錄上仍能運作,商品圖片無須人工標註。
  • 店家端整合約需兩週,供應商估計工程投入不到一人一週。
  • 可與既有的 Algolia 或 Elasticsearch 並行,不必整套替換。
  • 成效以隨機 A/B 分組測量,可在自家流量上驗證成長幅度。
  • 支援超大型目錄,回應時間維持在 50 到 300 毫秒。

缺點

  • 沒有公開價格。店家必須先預約展示、與業務談過,才知道實際費用。
  • 以企業為對象,獨立開發者與小型店家無法自行註冊試用。
  • 效益依賴圖像化、以瀏覽為主的目錄。靠型號下單的商店感受會弱很多。
  • 偏好輪廓需要互動資料,高流量活動剛開始的幾分鐘還無法完全個人化。

常見問題

Miros 觀察消費者在商店裡的行為,並據此重排搜尋、瀏覽與推薦中的商品順序。它不要求人描述想要什麼,而是從點擊、停留時間與略過的商品去推測。