סקירה כללית על סינון מוצרים בשיחה

הדף הזה הוא מדריך להטמעה של סינון מוצרים באמצעות ממשק שיחה ב-AI Commerce Search. במסמך הזה מפורטות שיטות מומלצות שמבוססות על נתונים, כדי להבטיח הטמעה מוצלחת של סינון מוצרים באמצעות שיחה בעסקים קמעונאיים בינוניים וגדולים.

סינון מוצרים באמצעות ממשק צ'אט עם AI Commerce Search הוא כלי מבוסס-AI שמשנה את חוויית החיפוש לחוויה מודרכת שמלווה את הקונים כשהם מחפשים בקטלוגים גדולים של מוצרים. כשמשתמש באתר מבצע חיפוש כללי (כמו שולחן קפה או שמלה אדומה) שמחזיר אלפי תוצאות, סינון מוצרים באמצעות שיחה מציג לו באופן חכם שאלות המשך כדי לצמצם במהירות את האפשרויות.

תרחיש שימוש עסקי

היכולת של סינון מוצרים בממשק שיחה בחיפוש מודרך נועדה במיוחד לתת מענה לשאילתות חיפוש רחבות, דו-משמעיות או מורכבות מאוד. החלת מסננים לצמצום התוצאות מגדילה באופן משמעותי את ההכנסות ואת רמת המעורבות של משתמשים.

המטרה העיקרית של סינון מוצרים באמצעות שיחה היא לעזור לקונים למצוא את הפריטים הנכונים במהירות ובאופן אינטואיטיבי.

עסקים משתמשים בסינון שיחות כדי:

  • מזרזים את גילוי המוצרים: כדי לעזור לקונים לצמצם במהירות את מבחר המוצרים העצום (למשל, מ-5,000 שטיחים לכמה מאות תוצאות ממוקדות), כדאי לשאול שאלות רלוונטיות.
  • שיפור ההתאמה האישית: השאלות ואפשרויות הבחירה הן מותאמות אישית לכל שאילתה, על סמך נתוני היסטוריית השימוש במסננים עבור אותה שאילתה ספציפית (למשל, השאילתה שולחן קפה מסוננת בדרך כלל לפי צבע ולא לפי גודל, ולכן אפשר לשאול קודם על צבע).
  • הטמעה פשוטה יותר: השאלות מוגדרות מראש למאפייני מוצר, כמו צבע ורוחב, עם שאלה אחת לכל מאפיין.

שיחה חד-כיוונית

סינון מוצרים באמצעות שיחה הוא שיחה חד-כיוונית שמלווה את הקונים לאורך תהליך החיפוש שלהם באתר מסחר אלקטרוני. מודל ה-AI שואל את הקונה שאלה, והקונה עונה.

  1. הקונה מתחיל שאילתת חיפוש, כמו שטיחים לאזורים.

  2. האתר הקמעונאי מחזיר יותר מ-80 דפים של תוצאות מוצרים.

  3. התכונה AI Commerce Search שואלת את הקונים באתר שאלה כדי לצמצם את החיפוש שלהם. לדוגמה: איזה צבע מעניין אותך?

  4. הקונה בוחר תשובה מתוך רשימה של אפשרויות בחירה. דוגמה: blue

  5. תוצאות המוצרים בדף מסוננות באופן מיידי על סמך הבחירה של הקונה.

  6. אחרי זה, בחיפוש מוצגת השאלה הרלוונטית הבאה. לדוגמה: איזו צורה מעניינת אותך?

התהליך שעובר המשתמש בחיפוש בממשק שיחה איור 1. התהליך שעובר המשתמש בסינון שיחות.

יצירת שאלות

ה-AI בודק את שמות המאפיינים והערכים שלהם מקטלוג המוצרים, ומייצר שאלה אחת לכל מאפיין.

דוגמה

  • שם המאפיין: Coffee table shape
  • ערכים: "Round", ‏ "Square", ‏ "Oval"
  • השאלה שנוצרה: איזו צורה של טבלה אתה רוצה?

עריכה ואישור של שאלות

הקמעונאים בודקים ועורכים את השאלות שנוצרו כדי לוודא שהן רלוונטיות ושהניסוח שלהן מתאים.

דוגמה

  • דילוג על השאלה: מה המשקל שלך? (לא רלוונטי או לא בטוח)
  • עריכת השאלה: איזו צורה של טבלה אתה רוצה? → איזו צורה אתה מחפש? (שיפור הניסוח)

תכנון שיחות

ה-AI משתמש בנתונים על השימוש במסנני לקוחות כדי לקבוע את הסדר האופטימלי של השאלות ואת האפשרויות הטובות ביותר לשאלה אמריקאית.

דוגמה

  • שאילתת לקוח: שולחן קפה
  • שאלה מספר 1: צורה (המסנן הנפוץ ביותר)
  • אפשרויות לשאלות אמריקאיות: אליפסה, ריבוע ועיגול

הצגת שאלות

השאלות שנוצרו והאפשרויות לבחירה מרובה מוחזרות למשתמש באותה תגובה מה-API כמו תוצאות המוצרים.

דוגמה ויזואלית בממשק הצ'אט

  • AI:

איזה צורה מעניינת אותך?

  • אפשרויות:

עגול מלבני אליפסה ריבוע משולש פינה

עיבוד התשובה

המערכת מעבדת גם בחירות של שאלות אמריקאיות וגם תשובות שהמשתמשים הזינו.

המשתמש מבצע אחת מהפעולות הבאות:

  • הלקוח בוחר תשובה לשאלה אמריקאית → <Add a filter>
  • סוגי לקוחות עם תשובה משלהם ← <Run synthetic query>

שיפור איטרטיבי באמצעות בדיקות

סינון מוצרים באמצעות שיחה הוא אופטימיזציה שדורשת שיפור מתמשך והחלטות שמבוססות על נתונים. המטרה היא למקסם את היכולת של התכונה לאסוף תובנות לגבי המשתמשים על ידי הבנת התנהגות הקונים והתאמת העיצוב כדי לעודד את המשתמשים להשתמש בתכונה.

התנהגויות הקונים הן דינמיות ומשתנות לאורך זמן, בהשפעת גורמים שונים כמו מגמות בשוק, מוצרים של מתחרים ושינויים בהעדפות אישיות. חשוב להמשיך להתנסות ולשפר את העיצוב, ולבדוק גישות חדשות ככל שתצברו יותר נתונים ותראו איך הקונים מקיימים אינטראקציה עם תכונות ה-AI. המחזור המתמשך הזה של ניסויים, ניתוח נתונים ושיפורים עוזר להבטיח שתכונות ה-AI יישארו רלוונטיות, יעילות ומותאמות לבסיס המשתמשים המתפתח.

חשוב לעיין באופן קבוע במדדים לבדיקת ביצועים, לערוך סקרים בקרב משתמשים ולנתח את המשוב כדי לזהות תחומים לשיפור והזדמנויות חדשות לחדשנות. המחויבות הזו לשיפור מתמיד היא המפתח להצלחה בפריסת תכונות מבוססות-AI בטווח הארוך.

הפקת לקחים

אלה לקחים שנלמדו אחרי בדיקות חוזרות:

  • עורכים ניסויים באופן רציף: התוצאה האופטימלית היא לרוב לא העיצוב הראשון שמנסים.
  • חזרה על התהליך והתאמה: התנהגויות המשתמשים משתנות. כדאי להמשיך לשפר את העיצובים ולבדוק גישות חדשות ככל שתאספו יותר נתונים ותראו איך הקונים משתמשים בתכונה.
  • מעבר לבדיקות A/B: אל תגבילו את עצמכם רק לבדיקות A/B, שבהן משווים בין שתי גרסאות. במקום זאת, כדאי לערוך הרבה בדיקות A/B/C/D/E/F כדי לבדוק מגוון רחב יותר של עיצובים של ממשק המשתמש ואפשרויות מיקום.

מדדים מרכזיים לאופטימיזציה

כדי לבצע אופטימיזציה יעילה של AI Commerce Search, חשוב להגדיר ולעקוב אחרי מדדים רלוונטיים שיספקו תובנות לגבי רמת המעורבות של משתמשים, שביעות הרצון שלהם וההשפעה הכוללת של התכונות. הנה כמה מהמדדים המרכזיים שכדאי לשקול:

  • שיעור המרה: אחוז המשתמשים שמשלימים את הפעולה הממוקדת, כמו ביצוע רכישה.
  • ציוני שביעות רצון משתמשים (כמו NPS,‏ CSAT): משוב ישיר מהמשתמשים על החוויות שלהם עם תכונת ה-AI, שמספק תובנות איכותיות לגבי נוחות השימוש וערך נתפס.
  • שיעור האימוץ: אחוז הקונים שמשתמשים באופן פעיל בסינון מוצרים שיחתי, שמצביע על הנראות והתועלת הנתפסת של התכונה.

אם סינון מוצרים באמצעות שיחה מופעל, שאלות המשך באתר יוצרות שיחה שנמשכת עד שאחד משלושת התרחישים הבאים מתרחש:

  • הגעתם למספר מינימלי של מוצרים שהוגדר מראש (שיחה לא מועילה כשמוצגים רק שני מוצרים).
  • המשתמש לוחץ על מוצר ומוסיף אותו לעגלת הקניות (היעד).
  • הסינון של מוצרים בשיחה נגמר בשאלות שנוצרו על ידי AI.

שימוש כחלופה להיבטים דינמיים

הפילטרים הדינמיים משויכים לשאילתות רחבות ולמספרים גבוהים של תוצאות חיפוש, מה שמוביל להכנסה נמוכה לכל שאילתה. משתמשי קצה עלולים להיות מוצפים כשהם רואים עשרות אלפי תוצאות, ולנטוש את החיפוש. החיפוש בממשק שיחה יכול לצמצם את השאילתות, ואפשר להשתמש בו עם היבטים דינמיים. לסינון מוצרים בשיחה יש כמה יתרונות על פני היבטים דינמיים: הוא יותר אנושי, יותר אינטראקטיבי ותופס פחות מקום בדף.

מידע נוסף זמין בדף מאפיינים.

עריכת שאלות גנרטיביות

סינון מוצרים באמצעות שיחה מעודד אינטראקציה של 'אדם בתהליך' עם שאלות שנוצרו על ידי AI גנרטיבי. כך קמעונאים יכולים לערוך, לשכתב או לבטל את הבחירה של שאלות שנוצרו על ידי AI בהתאם להעדפות שלהם, על סמך הקטלוג שהועלה. כדי להתאים אישית את השאלות שיופיעו בחיפוש, אפשר לערוך או להשבית שאלות בנפרד או בכמות גדולה במסוף AI Commerce Search ב-Gemini Enterprise for Customer Experience או ב-API.

סיכום

שילוב של סינון מוצרים באמצעות שיחה בפלטפורמת המסחר שלכם מאפשר לשפר באופן משמעותי את חוויית המשתמש ולהגדיל באופן משמעותי את שיעורי ההמרה של המשתמשים. זה נכון לגבי שאילתות של קטגוריות רחבות, שבהן המשתמשים נתקלים לעיתים קרובות במגוון רחב של אפשרויות ומתקשים לצמצם במהירות את ההעדפות שלהם.