對話式產品篩選總覽

本頁面提供指南，說明如何為 Vertex AI Search for commerce 導入對話式產品篩選功能。本文提供有資料佐證的最佳做法，協助中大型零售商家順利導入對話式產品篩選功能。

Vertex AI Search for commerce 的對話式產品篩選功能運用 AI 技術，改變傳統搜尋方式，提供引導式體驗，在購物者與大型產品目錄互動時提供協助。當網站使用者執行廣泛搜尋 (例如「咖啡桌」或「紅色洋裝」)，並獲得數千筆結果時，對話式產品篩選功能會智慧地提示後續問題，協助他們快速縮小選項範圍。

業務用途

引導式搜尋的對話式產品篩選功能專為解決廣泛、模糊或非常細微的搜尋查詢而設計。套用篩選器縮小結果範圍，可大幅提升收益和使用者參與度。

對話式產品篩選功能的主要目標，是協助購物者快速直覺地找到合適的商品。

商家可透過對話式篩選功能：

  • 加速產品探索：透過詢問相關問題，協助購物者快速縮小產品選擇範圍 (例如從 5,000 個區域地毯縮小至數百個目標結果)。
  • 調整個人化設定：系統會根據特定查詢 (例如咖啡桌) 的歷來篩選器使用資料，為每個查詢自訂問題和多重選項 (例如，咖啡桌的篩選條件通常是顏色，而非尺寸，因此系統可能會先詢問顏色)。
  • 簡化實作程序：系統會預先指定產品屬性 (例如顏色和寬度) 的問題，每個屬性對應一個問題。

單向對話

對話式產品篩選功能會以單向對話的形式，在購物者於電子商務網站的搜尋歷程中提供協助。AI 模型會向購物者提出問題，購物者則會回答。

  1. 購物者發起搜尋查詢，例如「地毯」。

  2. 零售網站傳回超過 80 頁的產品結果。

  3. Vertex AI Search for commerce 會向網站上的購物者詢問問題，協助縮小搜尋範圍。例如：Which color are you looking for? (你要找哪種顏色？)

  4. 購物者從選擇題選項清單中選取答案。範例：blue

  5. 網頁上的產品結果會立即根據購物者的選擇進行篩選。

  6. 接著，Google 搜尋會顯示下一個最相關的後續問題。例如：你想找什麼形狀的產品？

對話式搜尋使用者歷程 圖 1：對話過濾功能的使用者歷程。

生成問題

AI 會檢查產品目錄中的屬性名稱和值，並為每個屬性生成一個問題。

範例

  • 屬性名稱：Coffee table shape
  • 值："Round"、"Square"、"Oval"
  • 生成的題目：你想要什麼形狀的桌子？

編輯及核准問題

零售商會檢查並編輯生成的問題，確保內容相關且語氣適當。

範例

  • 跳過「你的體重是多少？」問題。(不相關/不安全)
  • 編輯問題：你想要什麼形狀的桌子？→ 你要購買哪種形狀的鏡框？(措辭更精確)

對話規劃

AI 會根據顧客篩選器使用資料，決定問題的最佳順序和最佳複選選項。

範例

  • 顧客查詢：咖啡桌
  • 問題 1：形狀 (最常使用的篩選條件)
  • 多重選擇選項：橢圓、正方形和圓形

問題放送

系統會在同一個 API 回應中，將生成的問題和多選選項與產品結果一併傳回給使用者。

對話介面中的視覺範例

  • AI：

你想找哪種形狀？

  • 選項：

圓形 矩形 橢圓形 正方形 三角形 角落

處理答案

系統會處理選擇題選項和使用者輸入的答案。

使用者接著會採取下列其中一項動作：

  • 顧客選擇複選題 → <Add a filter>
  • 顧客類型自有答案 → <Run synthetic query>

透過測試逐步改善

對話式產品篩選功能需要持續調整，並根據資料做出決策，才能達到最佳化效果。目標是充分發揮這項功能，收集使用者洞察資料，方法是瞭解購物者行為，並調整設計來吸引使用者。

購物者行為會受到市場趨勢、競爭對手提供的產品，以及個人偏好變化等多種因素影響，因此會隨著時間演變。請務必持續實驗及疊代設計，並在收集更多資料及觀察購物者與 AI 功能的互動方式時，測試新方法。透過持續進行實驗、分析資料及修正，確保 AI 功能與時俱進、有效且能因應不斷變化的使用者群進行最佳化。

定期查看成效指標、進行使用者問卷調查，並分析意見回饋，找出可改進的地方和新的創新機會。持續疊代是部署 AI 功能並長期成功的關鍵。

彙整在過程中學習到的經驗

經過連續測試後，我們得到以下經驗：

  • 持續進行實驗：最佳結果通常不是您嘗試的第一個設計。
  • 反覆運算及調整：使用者行為會不斷演變。收集更多資料並觀察購物者與這項功能的互動情形後，請繼續疊代設計並測試新方法。
  • 超越 A/B 測試：不要只進行 A/B 測試 (比較兩個版本)，請改為進行多項 A/B/C/D/E/F 測試，探索更多 UI 設計和刊登位置選項。

最佳化重要指標

如要有效調整 Vertex AI Search 的電子商務功能，請務必定義及追蹤相關指標，深入瞭解使用者參與度、滿意度，以及這些功能的整體影響。請考慮下列重要指標：

  • 轉換率：完成目標動作 (例如購物) 的使用者百分比。
  • 使用者滿意度分數 (例如淨推薦值、顧客滿意度)：使用者對 AI 功能體驗的直接意見回饋，可提供有關可用性和感知價值的質性洞察。
  • 採用率：主動使用對話式產品篩選功能的購物者百分比，可反映這項功能的曝光度和實用性。

如果啟用對話式產品篩選功能，網站上的後續問題會引導對話，直到發生下列三種情況之一：

  • 達到預先設定的最低產品數量 (如果只顯示兩項產品，對話就沒有意義)。
  • 使用者點選產品並加入購物車 (目標)。
  • 對話式產品篩選功能用盡 AI 生成的問題。

做為動態 facet 的替代方案

動態商情項目與廣泛查詢相關聯，因此搜尋結果數量較多，導致每次查詢收益偏低。如果使用者看到數以萬計的結果，可能會感到不知所措而放棄搜尋。對話式搜尋可以修正查詢，並搭配動態 facet 使用。相較於動態層面，對話式產品篩選功能更人性化、互動性更高，且佔用的網頁空間較少，因此具有一些優勢。

詳情請參閱「構面」頁面。

編輯生成的問題

對話式產品篩選功能可讓零售商根據上傳的目錄，初步編輯、覆寫或取消選取 AI 生成的問題，根據偏好與生成式 AI 問題互動，鼓勵人為介入。如要調整搜尋結果中顯示的問題，可以在「Search for commerce」控制台或 API 中，個別或大量編輯或停用問題。

結論

在商務平台中整合對話式產品篩選功能，可大幅提升使用者體驗，並大幅提高使用者轉換率。對於廣泛類別的查詢，使用者通常會面臨大量選擇，難以快速縮小偏好範圍，這時更是如此。