מדריך למשתמש בנושא סינון שיחות

הטמעה מוצלחת של סינון מוצרים באמצעות שיחה מתבססת על עיצוב חוויית משתמש מחושב היטב.

רכיבים חזותיים

המיקום והמראה של המסנן לשיחות משפיעים באופן משמעותי על היעילות שלו.

פריסה אנכית לעומת פריסה אופקית

אלה כמה שיקולים לגבי עיצוב פריסה אנכית או אופקית:

  • המלצה: כדאי לתת עדיפות לעיצוב אופקי וקומפקטי. כך מצמצמים את הסיכון להצגת תוצאות מוצרים בחלק הנגלל.

  • הסבר: אם המסנן מוצג בצורה אופקית בחלק העליון של הדף, הוא עלול להסיט את תוצאות המוצרים לחלק התחתון של הדף, וכך להקטין את החשיפה המיידית של המוצרים ולהגדיל את העלות של התכונה. בנוסף, צמצום הרווח הריק בין הרכיבים יכול לפנות מקום בדף האינטרנט להצגת עוד כרטיסי מוצר.

טיפול במאפיינים ארוכים

אם האפשרויות לבחירה ארוכות (למשל שמות מותגים), אל תעבירו אותן לשורות חדשות כי זה מוסיף גובה לאלמנטים. במקום זאת, אפשר לאפשר להם להתרחב אופקית אל מחוץ לדף ולהפעיל גלילה לצדדים.

דוגמה להטמעה של גלילה אופקית:

דוגמה לתצוגה של רכיב אופקי

מיקום אופטימלי

מומלץ למקם את המסנן לשיחות אחרי 3-5 שורות של מוצרים. הגישה הזו מונעת את החלפת רשימת המוצרים הראשונית ברכיב השיחה.

מסקנה חשובה לגבי המיקום הזה היא שסרגל הסינון של השיחה צריך להיות קומפקטי ככל האפשר מבחינה אנכית. כשמסנן המוצרים האינטראקטיבי ממוקם במיקום בולט, הוא יכול להזיז את תצוגת המוצרים למטה יותר בדף, כך שהם לא יוצגו מיד. זה יכול להיות חיסרון, כי הקונים רואים פחות מוצרים. לכן, המוצרים שמוצגים צריכים להיות רלוונטיים ככל האפשר.

  • צדדי (אנכי) לעומת עליון (אופקי): כדאי למקם את המסנן לשיחה אחרי 3-5 שורות של מוצרים. הגישה הזו מונעת את החלפת רשימת המוצרים הראשונית ברכיב השיחה.

  • התעניינות רבה ברכישה: אם סינון מוצרים באמצעות שיחה הופך לשיטה העיקרית שלכם לצמצום מבחר המוצרים, כדאי לשקול למזער לחלוטין את סרגל הסינון הידני או להחליף אותו. כך תוכלו להוסיף עוד עמודה של פריטי מוצרים.

מחשבים ומכשירים ניידים

הטמעות במחשבים שולחניים הוכיחו את עצמן, אבל התוצאות בנייד היו פחות עקביות והראו שיפורים נמוכים יותר בביצועים הכוללים. המסך הקטן של מכשירים ניידים מחייב גישה יצירתית ומחושבת יותר למיקום המודעות.

  • המלצה: בשלב הראשון, כדאי לתת עדיפות להטמעות במחשב על פני הטמעות בנייד. גודל המסך הגדול יותר במחשב מאפשר גמישות רבה יותר בעיצובים יצירתיים. המסך הקטן יותר בנייד מחייב את המפתחים לתת עדיפות לרכיבים מסוימים.

  • לא מומלץ: ממשקי חלון צ'אט. אל תטמיעו את המסנן לשיחות כחלון צ'אט. הפעולה הזו מוציאה את המשתמשים מממשק האינטרנט הראשי, ויכולה לשבש את העיצוב המיועד של תהליך התשלום באתר, שפיתוחים בדרך כלל משקיעים זמן רב באופטימיזציה שלו.

שיקולים נוספים לגבי מכשירים ניידים

גם כשבודקים אתרים לניידים ואפליקציות, צריך להתייחס אליהם בנפרד. קשה יותר לבצע בדיקות באפליקציות לנייד, אבל הן מציעות גמישות רבה יותר. בדרך כלל קל יותר לבדוק אתרים לנייד, אבל יש חסרונות שונים כשמשתמשים בדפדפנים שונים לאתרים לנייד.

אינטראקציה של משתמשים עם מסננים

בקטע הזה מוסבר איך להגדיר סינון מוצרים בשיחה. מומלץ להחליף את רכיבי הסינון הסטטיים והמקודדים בסינון דינמי שיאפשר להציג יותר מוצרים ממוקדים על המסך. כל המסננים שהוחלו, ללא קשר למקור שלהם, יכולים לעדכן את רשת המוצרים באופן גלובלי.

השאלות הבאות בשיחה מותאמות לכל קבוצת המסננים שהוחלו, כך שמוצגות אפשרויות של שאלות אמריקאיות.

מסננים גלובליים מאוחדים

הקונים יכולים להשתמש במסננים שיש בהם אפשרות לנהל שיחה וגם בכל שאר המסננים שמופיעים. ההטמעה של חזית האתר צריכה להיות מסוגלת להתמודד עם התרחיש הזה.

המאפיינים של מסננים גלובליים מאוחדים:

  • החלה גלובלית: כשמשתמש בוחר באחד מרכיבי המסנן בדף, בין אם מדובר במסנן מוצרים שיכול לנהל שיחה או ברכיב מסנן סטטי, רשת המוצרים חייבת להתעדכן כדי להציג תוצאות עם כל המסננים הגלובליים שהוחלו.
  • מעקב חכם: השאלה הבאה בשיחה שמוצגת למשתמש צריכה להיות רלוונטית על סמך כל המסננים שהוחלו, בלי קשר לאלמנט שהמשתמש בחר. לדוגמה, אם קונה בוחר מסנן color מהאלמנט של ממשק שיחה ומסנן size מהאלמנט של הסינון הקלאסי, בשאלה הבאה בממשק השיחה לא צריך לשאול את הקונה מה הגודל שהוא רוצה.

סוגי מסננים

סינון מוצרים בשיחה מאפשר להשתמש באתר באפשרויות בחירה מרובות.

שאלה אמריקאית

AI Commerce Search יכול להציג עד 20 אפשרויות לבחירה, על סמך שמות הערכים בקטלוג המוצרים. האפשרויות מופיעות ברשימה ממוינת של הבחירות הרלוונטיות ביותר. אפשרויות ארוכות, כמו שמות מותגים ארוכים, עוזרות להבטיח שהמשתמשים יוכלו לגלול לצדדים במקום שהטקסט יעבור לשורות חדשות, וכך לשמור על דחיסות אנכית.

החלפת רכיבים שמוגדרים בהארדקוד

מפתחים רבים של אתרי חיפוש מסחריים כוללים בממשק האינטרנט שלהם רכיבי סינון קטגוריות מוכנים מראש או ידניים, שמיועדים לשאילתות שמניבות הכי הרבה הכנסות. רכיבי הסינון האלה בדרך כלל יקרים, לוקח הרבה זמן ליצור אותם והם לא מאוד אינטראקטיביים עם המשתמש.

דוגמה לאלמנטים עם קידוד קשיח איור 2. דוגמה להצגת רכיב עם קידוד קשיח.

  • המלצה: הרעיון המרכזי מאחורי סינון שיחות הוא לאפשר לכם להטמיע במהירות חוויות דינמיות כמו אלה בכל המוצרים שלכם, ולא רק בשאילתות המובילות שרכיבי הוויזואל נועדו להן. לכן, צריך לזהות ולהסיר רכיבים שהסינון השיחתי נועד להחליף. מומלץ להימנע משימוש בשתי קבוצות מתחרות של אלמנטים של מסננים שמבצעים פונקציות דומות. כך מתפנה מקום במסך להצגת מוצרים ממוקדים יותר.

רעיונות לניסויים

הנה כמה רעיונות לניסויים:

  • מיקום בין שורות מוצרים: הוספת הרכיב באמצע הדף, אחרי שלוש עד חמש שורות של מוצרים. הגישה הזו מונעת את ההחלפה המשמעותית של תצוגות המוצרים הראשוניות ברכיב השיחה.
  • תפריט נפתח או חלון קופץ: משתמשים בלחצן שמפעיל תיבת דו-שיח או תפריט נפתח שמכילים את שאלות הסינון. אפשר לשלב את זה עם חלונות קופצים קיימים של מסננים, או להשתמש ברכיב נפרד של תפריט נשלף.
  • סרגל קבוע: סרגל שמוצג באופן קבוע על המסך ומציג את השאלות והאפשרויות. הוא מופיע לפני המוצרים ולא דוחף אותם למטה.
  • שיקולים לבדיקה: כשבודקים בנייד ובמחשב, חשוב לוודא שהניסויים האלה מתבצעים בנפרד. התנהגויות הקנייה בכל מכשיר שונות מאוד, ורכיבים חזותיים שפועלים במכשיר אחד לא בהכרח יפעלו במכשיר אחר.

הטמעת נתונים ואיכות הנתונים

האינטליגנציה של מודל Vertex AI מבוססת על נתוני אינטראקציה של משתמשים. תהליך ההצטרפות משתמש בגישה דו-שלבית להעברת נתונים.

שלב 1: התחלה ראשונית עם אירועים היסטוריים

אפשר לאמן את המודל על נתונים היסטוריים של אירועים. נתוני אירועים היסטוריים מוזנים בהתחלה לסביבת Google, מה שמאפשר למודל לזהות גם פרויקטים חדשים ללא נתוני אינטראקציה בזמן אמת.

שלב 2: מעבר לנתוני שאילתות בזמן אמת

אחרי שהיכולת תופעל ותתחיל לאסוף נתונים היסטוריים, מערכת Vertex AI תשתמש במקור הנתונים של השאילתות הפעילות כדי לשפר את מודל ההצגה. בדרך כלל, איכות הנתונים של שאילתות בזמן אמת גבוהה יותר מאיכות הנתונים של אירועים היסטוריים, כי לפעמים חסר מידע חשוב באירועים היסטוריים. כך הנתונים של השאילתות בזמן אמת יעילים יותר לאופטימיזציה שוטפת.