הדף הזה משמש כמדריך להטמעה של סינון מוצרים בממשק 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 לתת מענה לשאילתות חיפוש כלליות, לא ברורות או מאוד ניואנסיות. הוספת מסננים כדי לצמצם את התוצאות מגדילה באופן משמעותי את ההכנסות ואת מעורבות המשתמשים.
המטרה העיקרית של סינון מוצרים באמצעות שיחה היא לעזור לקונים למצוא את הפריטים הנכונים במהירות ובאופן אינטואיטיבי.
עסקים משתמשים במסננים בממשק שיחה כדי:
- האצת גילוי המוצרים: עזרה לקונים לצמצם במהירות את מבחר המוצרים העצום (לדוגמה, מ-5,000 שטיחים לכמה מאות תוצאות ממוקדות) על ידי הצגת שאלות רלוונטיות.
- שיפור ההתאמה האישית: השאלות ואפשרויות התשובה הן מותאמות אישית לכל שאילתה, על סמך נתוני השימוש ההיסטוריים במסננים עבור השאילתה הספציפית הזו (שולחן קפה מסונן היסטורית לפי צבע בתדירות גבוהה יותר מאשר 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 בשיחה פועל כשיחה חד-כיוונית שמלווה את הקונים לאורך מסלול החיפוש שלהם באתר מסחר אלקטרוני. מודל ה-AI שואל את הקונה שאלה, והקונה עונה.
הקונה מתחיל שאילתת חיפוש, כמו שטיחים לאזור מסוים.
האתר הקמעונאי מחזיר יותר מ-80 דפים של תוצאות מוצרים.
התכונה AI Commerce Search שואלת את הקונים באתר שאלה כדי לעזור להם לצמצם את החיפוש. דוגמה: איזה צבע מעניין אותך?
הקונה בוחר תשובה מתוך רשימה של אפשרויות בחירה. דוגמה: blue
תוצאות המוצרים בדף מסוננות באופן מיידי על סמך הבחירה של הקונה.
אחרי זה, חיפוש Google יציג את השאלה הבאה הרלוונטית ביותר. לדוגמה: איזו צורה סגורה מעניינת אותך?
איור 1. תהליך השימוש בסינון בממשק שיחה.
יצירת שאלות
ה-AI בודק את שמות המאפיינים והערכים שלהם מקטלוג המוצרים ויוצר שאלה אחת לכל מאפיין.
דוגמה
- שם המאפיין:
Coffee table shape - ערכים:
"Round", "Square", "Oval" - השאלה שנוצרה: What shape table do you want?
עריכה ואישור של שאלות
קמעונאים בודקים ועורכים את השאלות שנוצרו כדי לוודא שהן רלוונטיות ושהניסוח שלהן מתאים.
דוגמה
- דילוג על השאלה: מה המשקל שלך? (לא רלוונטי/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 לבחירה מרובה.
דוגמה
- שאילתת לקוח: שולחן קפה
- שאלה מס' 1: צורה (המסנן הנפוץ ביותר)
- אפשרויות לבחירה: Oval, Square ו-Round
הצגת שאלות
השאלות והתשובות האפשריות שנוצרו מוחזרות למשתמש באותה תגובת API כמו תוצאות המוצר.
דוגמה ויזואלית בממשק הצ'אט
- AI:
איזה צורה מעניינת אותך?
- אפשרויות:
עגול מלבני אליפסה ריבוע משולש פינה
עיבוד תשובות
המערכת מעבדת גם בחירות של תשובות לשאלות אמריקאיות וגם תשובות שהמשתמשים הזינו.
המשתמש מבצע אחת מהפעולות הבאות:
- הלקוח בוחר תשובה לשאלה אמריקאית →
<Add a filter> - סוגי לקוחות שונים מקבלים תשובות שונות →
<Run synthetic query>
שיפור איטרטיבי באמצעות בדיקות
סינון מוצרים בשיחה הוא אופטימיזציה שדורשת שיפור מתמשך והחלטות מבוססות-נתונים. המטרה היא למקסם את היכולת של התכונה לאסוף תובנות לגבי המשתמשים על ידי הבנת התנהגות הקונים והתאמת העיצוב כדי לעודד את המשתמשים להשתמש בה.
התנהגויות הקונים הן דינמיות ומשתנות לאורך זמן, והן מושפעות מגורמים 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 שלכם.
חשוב לבדוק באופן קבוע את מדדי הביצועים, לערוך סקרים בקרב המשתמשים 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 המסקנות שאפשר להסיק 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 מעורבות המשתמשים, שביעות הרצון שלהם וההשפעה הכוללת של התכונות. המדדים העיקריים שכדאי לשקול כוללים:
- שיעור המרה: אחוז המשתמשים שמשלימים את הפעולה הממוקדת, כמו ביצוע רכישה.
- ציוני שביעות רצון של משתמשים (כמו NPS, CSAT): משוב ישיר מהמשתמשים על החוויות שלהם עם תכונת ה-AI, שמספק תובנות איכותיות לגבי שימושיות וערך נתפס.
- שיעור האימוץ: אחוז הקונים שמשתמשים באופן פעיל בסינון מוצרים באמצעות שיחה. הנתון הזה מצביע על החשיפה של התכונה ועל התועלת שהמשתמשים רואים בה.
שאלות המשך בחיפוש
אם סינון מוצרים באמצעות שיחה מופעל, שאלות ההמשך באתר יוצרות שיחה שנמשכת עד שאחד משלושת התרחישים הבאים מתרחש:
- הגיעו 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 באמצעות שיחה לא מצליח להציג שאלות שנוצרו על ידי AI.
שימוש כחלופה להיבטים דינמיים
היבטים דינמיים 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 התוצאות שמתקבלות לשאילתה מסוימת, ואפשר להשתמש בו עם היבטים דינמיים. לסינון מוצרים באמצעות שיחה יש כמה יתרונות בהשוואה לסינון דינמי. הוא יותר אנושי, יותר אינטראקטיבי ותופס פחות מקום בדף.
מידע נוסף זמין בדף בנושא היבטים.
עריכת שאלות גנרטיביות
סינון מוצרים באמצעות שיחה מעודד אינטראקציה של 'אדם בתהליך' עם שאלות של AI גנרטיבי. המוכרים 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 מדי של אפשרויות ומתקשים לצמצם במהירות את ההעדפות שלהם.