Del «quiero algo como esto» al producto adecuado.

Marqo-FashionSigLIP representa imágenes y descripciones de moda para buscar por similitud. Puedes comparar una imagen de referencia con las prendas de tu catálogo. El resultado debe combinarse con tus filtros de talla, categoría y disponibilidad; el modelo no mantiene el stock de la tienda.

TimesFM 3.0 admite previsión univariante y multivariante con covariables. Puedes estudiar históricos por SKU siguiendo su formato, pero los pesos enlazados tienen licencia no comercial y no productiva. No los presentamos como una opción licenciada para reposición o decisiones comerciales; ese uso requiere autorización de Google.

Recupera productos similares por imagen, descripción o atributos y filtra los candidatos con el stock actual. Tu aplicación puede respetar precio, marca o talla según sus reglas. Evalúa si las alternativas mantienen las características que motivaron la consulta, además de estar disponibles.

Expón herramientas autorizadas para consultar el pedido o la política que corresponda. La aplicación identifica al usuario y valida qué datos puede obtener. El asistente comunica los resultados y explica los pasos; una modificación de pedido debe seguir las confirmaciones y reglas de tu tienda.

La búsqueda utiliza representaciones de productos y consultas; la previsión utiliza históricos numéricos. Puedes conectar ambas en tu aplicación, pero se evalúan con criterios distintos: relevancia de resultados para el buscador y error por horizonte para la previsión. Un LLM puede apoyar la conversación sobre el catálogo.

Considera la generación de embeddings, el índice, las actualizaciones del catálogo y las consultas. Un asistente añade inferencia del LLM. Prueba una categoría representativa y estima el tráfico para comparar configuraciones sin dimensionar todo el catálogo desde el primer día.

Tu integración puede consultar el catálogo y las APIs que expongan tus sistemas. QDivZero ejecuta los modelos compatibles; tu aplicación conecta los resultados con productos, precios y stock. Define qué datos necesita cada tarea y qué sistema mantiene la información vigente.

Puedes empezar con similitud entre descripciones y atributos del catálogo, sin historial individual. Si después incorporas señales de comportamiento, tu aplicación decide cómo utilizarlas. Compara ambas opciones con criterios de relevancia y disponibilidad antes de añadir más datos al proceso.

Observa búsquedas sin resultados, relevancia de los primeros productos, clics y continuación hacia la compra. Compara consultas equivalentes con el buscador anterior. Revisa también devoluciones o selección de variantes incorrectas para evitar que una mejora de interacción oculte recomendaciones poco útiles.