Búsqueda dinámica

La barra de búsqueda moderna de comercio electrónico es mucho más que un campo de entrada. Es un asistente interactivo y dinámico que guía a los usuarios hacia los productos adecuados antes de que terminen de ingresar texto. Esta experiencia de búsqueda a medida que escribes (SAYE), que muestra sugerencias de búsquedas, marcas populares, categorías relevantes y hasta los principales resultados de productos en tiempo real, impulsa la interacción de los usuarios y aumenta la probabilidad de conversión.

Si bien la Búsqueda de comercio con IA proporciona APIs distintas para el autocompletado de búsquedas y la búsqueda de productos, deja intencionalmente abierta la implementación final de una experiencia del usuario de SAYE.

En esta guía para crear con AI Commerce Search, se exploran dos patrones de diseño principales para implementar un widget de SAYE sólido con las APIs de AI Commerce Search, y se detallan las ventajas y desventajas de cada enfoque.

Comprende los componentes principales

Para crear una función de SAYE integral, debes comprender las dos APIs fundamentales que proporciona AI Commerce Search:

  1. API de CompleteQuery: Es el cerebro detrás de las sugerencias de autocompletar.

    • Función: Para una cadena de entrada determinada, como labial, devuelve una lista de sugerencias para completar la búsqueda, incluidos lápiz labial y brillo labial, marcas populares asociadas y categorías relevantes.
    • Costo: Esta API se incluye en el precio del paquete de AI Commerce Search.
    • Rendimiento: Es una API de alta capacidad de procesamiento diseñada para las respuestas rápidas y de baja latencia que se requieren para una experiencia de escritura letra por letra. Aprovecha las funciones de aprendizaje automático, como la corrección ortográfica y las sugerencias diseñadas para generar resultados, todo ello entrenado con los eventos de búsqueda diarios de tu tienda. Consulta las especificaciones de la API de corrección ortográfica para obtener más detalles.

  2. API de Search:Este es tu motor principal de descubrimiento de productos.

    • Función:Para una búsqueda determinada, devuelve una lista clasificada de resultados de productos relevantes.
    • Costo:Esta es una API pagada, y su uso afecta directamente tus costos operativos.
    • Eventos: Para el entrenamiento y las estadísticas del modelo, cada llamada a la API de Search debería vincularse idealmente con un evento de búsqueda para hacer un seguimiento del comportamiento del usuario y mejorar los modelos de relevancia con el tiempo.

Buscar mientras escribes

Para crear la experiencia de SAYE, debes escribir una API de wrapper o una lógica de frontend que llame a ambas APIs y combine sus resultados en una interfaz de usuario única y coherente.

Patrón de implementación 1: Enfoque directo, pero más costoso

Este es el método más sencillo de implementar. La lógica indica que, para cada pulsación de tecla, debes realizar llamadas paralelas a las APIs de CompleteQuery y Search.

Flujo

El flujo sigue esta ruta secuencial:

  1. Un usuario ingresa un carácter, como l.
  2. Tu aplicación envía l a la API de CompleteQuery.
  3. Simultáneamente, tu aplicación envía l a la API de Search.
  4. Los resultados se combinan y se muestran.
  5. El usuario ingresa otro carácter (l), lo que convierte la búsqueda en li.
  6. El proceso se repite para la nueva búsqueda li.

Ventajas

Entre las ventajas, se incluyen la implementación rápida, que te permite escribir y, luego, implementar el registro rápidamente.

Desventajas

  • Alto volumen de la API de Search: Este enfoque aumenta drásticamente la cantidad de llamadas a la API de Search. Una búsqueda como lápiz labial activaría ocho solicitudes de búsqueda independientes, lo que generaría un aumento significativo en el volumen.
  • Aumento de costos: Dado que la API de Search es un servicio pagado, este volumen alto se traduce directamente en costos operativos más altos, lo que dificulta lograr un retorno de la inversión (ROI) positivo.
  • Complejidad de la administración de eventos: Cada llamada a la API de Search se debe registrar con un evento de búsqueda correspondiente para una medición y un entrenamiento precisos del modelo. El gran volumen de llamadas dificulta garantizar que se capture cada evento, lo que puede generar pérdida de datos y análisis sesgados.
  • Resultados potencialmente de menor calidad: Las búsquedas de uno o dos caracteres, como l, li, pueden devolver resultados ruidosos o demasiado amplios, lo que genera una experiencia inicial menos pertinente.

Este patrón optimiza el costo, el rendimiento y la relevancia usando la API de CompleteQuery para decidir de forma inteligente cuándo llamar a la API de Search.

Flujo

El flujo sigue esta ruta secuencial:

  1. Un usuario ingresa una consulta de texto parcial, como labios.
  2. Tu aplicación envía lip a la API de CompleteQuery.
  3. La API devuelve una lista de sugerencias, y es probable que lipstick sea el primer resultado.
  4. Tu aplicación toma la primera sugerencia (lápiz labial) y realiza una sola llamada a la API de Search con ese término.
  5. Se muestran las sugerencias de autocompletar y los resultados de productos para labial.
  6. A medida que el usuario sigue ingresando labios, labial, …, puedes agregar lógica para realizar una nueva llamada de búsqueda solo si cambia la primera sugerencia de autocompletar.

Ventajas

  • Reducción significativa de costos: Al reducir drásticamente la cantidad de llamadas a la API de Search, este método mantiene los costos bajo control.
  • Volumen controlado de APIs y eventos: Los volúmenes de APIs y eventos son administrables y predecibles, lo que garantiza datos más confiables para el entrenamiento de modelos y el análisis.
  • Mayor relevancia: Buscas términos más completos y probables, lo que proporciona resultados de productos de mayor calidad en el widget de SAYE.
  • Mejor ROI: Los costos más bajos y una mejor experiencia del usuario contribuyen a un mayor retorno de la inversión.

Manejar casos extremos

Este enfoque es superior, pero requiere controlar algunos casos extremos:

  • Sin sugerencias: Si la API de CompleteQuery no devuelve sugerencias, tu lógica debe recurrir a llamar a la API de Search con la entrada sin procesar del usuario.
  • Consulta parcial vs. sugerida: En casos excepcionales, es posible que un usuario quiera ver los resultados de su término parcial, como ojo en lugar de la sugerencia principal, sombra de ojos. Si bien esta es una pequeña desventaja, el enfoque optimizado prioriza la intención del usuario más probable.

Mide el éxito con los IDs de experimento

Independientemente de la implementación que elijas, es importante medir el rendimiento de tu widget de SAYE de forma independiente de la página de resultados de búsqueda principal. Si utilizas el mismo seguimiento para ambas, no podrás determinar si la función SAYE realmente mejora las tasas de clics y las conversiones.

La solución para medir los porcentajes de clics y de conversiones del widget de SAYE específicamente es usar experimentIds distintos en tus eventos de búsqueda que diferencien estas métricas de las de los eventos de búsqueda principales.

  • Eventos de SAYE: Asigna un ID específico, como "experimentId": "saye-widget", a todos los eventos de búsqueda que se originan en la capacidad de búsqueda mientras escribes.
  • Eventos de búsqueda principal: Usa un ID diferente (o ningún ID) para las búsquedas que se inician cuando un usuario presiona Intro o hace clic en Buscar para ir a la página principal de resultados de búsqueda.

Si segmentas tus eventos de esta manera, puedes usar los paneles de estadísticas en la consola de Vertex AI para filtrar y comparar el rendimiento de tu widget de SAYE con la experiencia de búsqueda estándar, lo que te brinda estadísticas claras y prácticas.

Conclusión

AI Commerce Search proporciona los componentes para crear una experiencia de búsqueda a medida que escribes. Si actúas como el arquitecto que diseña la interacción entre las APIs de CompleteQuery y Search, puedes crear una capacidad de búsqueda que sirva de puente entre la experiencia del usuario y el rendimiento. En la mayoría de los casos de uso, el enfoque optimizado ofrece una experiencia relevante para el usuario y, al mismo tiempo, evita las operaciones que requieren mucha capacidad de procesamiento.