Searchandising：您的自动建议是帮助还是伤害？

超过80％的电子商务网站使用自动提示，搜索功能与U2一样重要。但它也能卖吗？ autosuggest 也称为typeahead，它推荐搜索词，类别，产品甚至内容作为用户类型。如果做得好，它可以更快地引导您的客户获得更相关的结果。如果做错了，那就是灾难性的。 你怎样才能充分利用自我提升并避免其致命的罪行？ 4 R自动提示 响应 响应性是指客户开始输入后引擎触发建议菜单的速度。很少有建议在1或2个字符后有用 – 特别是如果您的目录很大且多样化。 击键，以了解客户在点击建议之前输入的字符数。 召回 召回是指您显示的建议数量。使用autosuggest，更多不是更多。要求客户放慢速度，停止他们的任务并审查您的建议会增加认知负担并减缓决策制定。 坚持建议 如果搜索者想浏览菜单，他们就不会搜索！显示太多选项会增加搜索体验的噪音。您的最佳位置是2到8个高度相关的建议（我建议限制为5，重新填充相关性作为您的用户类型）。 一个精心设计的小部件，可以在部门，搜索术语和产品之间进行选择，只要每个部分都有明确的标签并且每个部分限制为5个项目，就可以使用8个以上的选项。 关联 自动提供通常通过将术语与产品数据和/或搜索日志匹配以及诸如搜索频率的加权排名因子的混合来填充。为了提高相关性，可以通过了解ElasticSearch，Solr或Lucene逻辑或通过应用程序中的业务友好控件（如果可用）来调整全局或特定于搜索的排名因子。 额外提示：如果您的应用程序提供此报告，请通过跟踪接受率（显示所有自动提示菜单中单击建议的次数的百分比）来衡量自动提示在您的网站上的效果。较低的接受率表明，根据这篇文章中的提示进行调整是必要的！ 杀死子串匹配 大多数autosuggest工具只匹配前缀或单词的前几个字符。有时，工具会设置为匹配单词中任何位置出现的子字符串。 在电子商务中，子字符串匹配很少与用户意图匹配。寻找“抗酸剂”的人被狗食，凉亭或餐厅所吸引的可能性很小。 如果您在网站上发现部分匹配，请寻求开发人员的帮助以禁用它。对于边缘情况，例如错过术语第一个字母的移动搜索者（例如“ntacids”），最好让客户自我纠正或提交他们的搜索，让模糊匹配和拼写纠正处理搜索结果页面上的错误而不是影响所有用户的相关性。 合并术语和类别 通过将重复的类别和类似术语（例如同义词，复数和拼写错误）合并到规范建议来最大化相关性。例如，Men’s Sale / Shoes和Men’s New Arrivals / Shoes应与Men’s Shoes合并。搜索“男孩T恤”，“男孩上衣”和“男孩发球”应该合并到规范术语或男孩的T恤类别。 如果您在自动建议中发现变体和拼写错误，那么您的应用程序可能仅仅是从搜索频率开始，而不是应用相关性逻辑。您可以通过仅匹配目录数据来改进这一点。如果您的开发人员无法调整设置以过滤掉重复项和近似匹配项，请考虑升级您的搜索应用程序。 Bloomreach等高级工具会自动合并术语和类别，以及过滤拼写错误，不相关的术语以及少于n = X个结果的任何内容（您可以设置此阈值）。但是，您仍可能发现要手动覆盖的案例。 推荐产品 许多自动提供的小部件超越了关键字建议以包含产品。但是，此功能仅在客户知道他们正在寻找什么产品时才有用，例如搜索特定产品编号或SKU ID，品牌+关键字或特定产品名称。 除了搜索结果页面之外，显示除了特定搜索之外的任何产品点击几乎没有什么帮助。引擎试图预测偏好，而不是引导搜索者获得最有用的结果集。您的目录越大，您获得它的可能性就越小。 在下面的西尔斯例子中，指导搜索者选择类别选项将比单个产品更有帮助，例如女孩的连体衣，男孩连体衣，甚至新生儿连体衣，3-6个月，6-9个月和9-12个月。 更重要的是，产品建议通常针对按点击或销售趋势的产品进行调整，这通常与热门搜索字词不匹配！ 产品会分散注意力 由于“横幅失明”效应，图片更引人注目，并且可以分散用户对更有用的建议的注意力。 产品结果可能会歪曲您的产品 当您的小部件中只显示少量结果时，您的客户可能会得出您的全部结果！ 如果您确实选择在自动提示菜单中显示产品，请确保提供“我们的选择”或“畅销商品”标签等上下文，并确保它们始终与搜索字词建议同步。 自动提供可用性提示 小部件设计可以帮助或阻碍可用性。确保您支持可扫描性并快速理解列表项。 视觉上分开的范围 如果您的目录很大且多样化，那么部门范围是必不可少的。确保首先显示范围的建议，并在视觉上区别于未范围的项目。 抵制所有范围的诱惑- 如果您的小部件看起来像这样，您很快就会触发建议，或者您不需要确定范围，因为产品往往生活在不连续的类别中。 突出差异 突出显示不同颜色的匹配术语可以更轻松地扫描每个建议的不同之处。 对于混合菜单（例如，使用范围结果），应用辅助样式以突出显示差异。 优化Autosuggest 了解你的问题 防弹自动建议的第一步是审核您当前的体验，遵循与我们上一篇文章中描述的站点搜索审核相同的过程。找到您的前20-50个关键字并在您的网站上进行测试。 在测试您的建议时，请查找针对给定搜索字词的不相关结果等重复出现的问题： 建议的产品与输入和建议条款不匹配： 留意与产品或类别不匹配的建议。除非您的搜索引擎能够很好地处理功能和语义查询，否则您可能只有很少或很少的匹配结果。 根据您的工具，您可以全局过滤指向小于n = X结果的建议（您所需的匹配产品阈值）。否则，请考虑使用排除规则将您的热门搜索中的此类建议列入黑名单。 在整个审核过程中，请注意您要在全局和特定搜索中应用的调整。 了解你的背景 您的调整策略应该根据您的业务战略，并考虑您的目录，客户和商品目标。 您的目录是否大而多样或紧密且专注？哪些类别受营业额影响，以及频率如何？ 您的搜索报告是遵循80/20规则还是倾向于更长的尾巴？ 现场搜索者有多复杂？他们搜索单个术语还是更复杂的查询？ 搜索者是否喜欢品牌，属性或类别搜索？部分或SKU编号？ 访问者通常会按星级评分，价格，畅销商品或新来者对搜索结果进行排序吗？ 你的自我接受率是多少？点击自动建议的访问者是否更有可能转换或退出您的网站？ 智能手机和平板电脑的搜索百分比是多少？他们的搜索行为有何不同？ 你如何使用自我暗示作为“引导性销售”？根据您的商品推销策略，哪些类别和产品最适合提升？ 了解你的工具 确定您可以作为业务用户自行调整的内容，以及您在各自的站点搜索应用程序中可能需要开发人员帮助的内容。大多数搜索工具都是使用Solr或ElasticSearch构建的，并共享各自的后端逻辑，但是像Algolia这样的“即时搜索”工具可能会受到限制。 基本调整因素 您的工具是否仅依赖于搜索日志，还是包含相关性排名？ 哪些指标因素（例如标题，描述，关键字）和属性（例如颜色，品牌，星级评分）会使用autosuggest来确定相关性？你能调整因子权重或助推和埋葬属性吗？ 您是否可以在全球范围内应用包含和排除规则以及单个关键字，类别和属性？ 你能设置最小/最大建议吗？ 高级调整因子* 您的引擎是否使用语义或自然语言处理来识别查询是导航（查找类别），使用（按属性查找）还是与特定产品相关？ 您的工具是否会自动合并条款并清除不相关的匹配或拼写错误？它是否提供手动覆盖？ 您的引擎是否使用机器学习根据季节性，用户行为或用户上下文动态调整相关性？它是否提供手动覆盖？ 您的工具是否支持质量信号的高级助推和埋葬，例如添加到购物车的操作，销售率，每位访客的收入，退货率或星级评级？ 您的工具是否允许您设置特定于设备的规则？ 如果您的审核发现了当前解决方案中无法纠正的大量问题，则可能需要进行升级。