Pesquisa dinâmica

A barra de pesquisa do e-commerce moderno é muito mais do que apenas um campo de entrada. É um assistente interativo e dinâmico que orienta os usuários aos produtos certos antes mesmo de terminarem de digitar o texto. Essa experiência de pesquisa conforme você digita (SAYE, na sigla em inglês), que mostra sugestões de consultas, marcas populares, categorias relevantes e até mesmo os principais resultados de produtos em tempo real, impulsiona o engajamento do usuário e aumenta a probabilidade de conversão.

Embora a Pesquisa de comércio com IA forneça APIs distintas para o preenchimento automático de consultas e a pesquisa de produtos, ela deixa propositalmente em aberto a implementação final de uma experiência do usuário SAYE.

Este guia sobre como criar com a AI Commerce Search explora dois padrões de design principais para implementar um widget SAYE robusto usando as APIs da AI Commerce Search, detalhando as compensações de cada abordagem.

Entender os principais componentes

Para criar um recurso SAYE abrangente, é necessário entender as duas APIs fundamentais fornecidas pela Pesquisa de e-commerce com IA:

  1. API CompleteQuery: é o cérebro por trás das suas sugestões de preenchimento automático.

    • Função: para uma determinada string de entrada, como batom, ela retorna uma lista de sugestões de conclusão de consulta, incluindo batom e brilho labial, marcas populares associadas e categorias relevantes.
    • Custo: essa API está incluída nos preços do pacote da AI Commerce Search.
    • Performance: é uma API de alta capacidade de processamento projetada para respostas rápidas e de baixa latência necessárias para uma experiência de digitação. Ele usa recursos de aprendizado automático, incluindo correção ortográfica e sugestões projetadas para gerar resultados, tudo treinado nos eventos de pesquisa diários da sua loja. Consulte as especificações da API de correção ortográfica para mais detalhes.

  2. API Search:é o principal mecanismo de descoberta de produtos.

    • Função:para uma determinada consulta, ela retorna uma lista classificada de resultados de produtos relevantes.
    • Custo:essa é uma API paga, e o uso dela afeta diretamente seus custos operacionais.
    • Eventos: para treinamento e análise de modelos, cada chamada de API Search precisa ser pareada com um evento de pesquisa para rastrear o comportamento do usuário e melhorar os modelos de relevância ao longo do tempo.

Pesquisar enquanto você digita

Para criar a experiência SAYE, você precisa escrever uma API de wrapper ou uma lógica de front-end que chame as duas APIs e combine os resultados em uma única interface do usuário coesa.

Padrão de implementação 1: abordagem direta, mas mais cara

Esse é o método mais simples de implementar. A lógica é que, para cada pressionamento de tecla, você faz chamadas paralelas para as APIs CompleteQuery e Search.

Flow

O fluxo segue este caminho sequencial:

  1. Um usuário digita um caractere, como l.
  2. Seu aplicativo envia l para a API CompleteQuery.
  3. Ao mesmo tempo, seu aplicativo envia l para a API Search.
  4. Os resultados são combinados e mostrados.
  5. O usuário digita outro caractere (l), transformando a consulta em li.
  6. O processo se repete para a nova consulta li.

Vantagens

As vantagens incluem implementação rápida, permitindo que você escreva e implante o registro rapidamente.

Desvantagens

  • Alto volume de API Search: essa abordagem aumenta muito o número de chamadas de API Search. Uma consulta como batom acionaria oito solicitações de pesquisa separadas, levando a um aumento significativo no volume.
  • Aumento do custo: como a API Search é um serviço pago, esse alto volume se traduz diretamente em custos operacionais mais altos, dificultando a conquista de um retorno do investimento (ROI) positivo.
  • Complexidade do gerenciamento de eventos: cada chamada de API Search precisa ser registrada com um evento de pesquisa correspondente para treinamento e medição precisos do modelo. O alto volume de chamadas dificulta a captura de todos os eventos, o que pode levar à perda de dados e a análises enviesadas.
  • Resultados de qualidade potencialmente inferior: pesquisas com um ou dois caracteres, como l, li, podem retornar resultados ruidosos ou muito amplos, o que leva a uma experiência inicial menos relevante.

Esse padrão otimiza o custo, a performance e a relevância usando a API CompleteQuery para decidir de maneira inteligente quando chamar a API Search.

Flow

O fluxo segue este caminho sequencial:

  1. Um usuário insere uma consulta de texto parcial, como lábio.
  2. Seu aplicativo envia lip para a API CompleteQuery.
  3. A API retorna uma lista de sugestões, sendo batom provavelmente o primeiro resultado.
  4. O aplicativo usa a primeira sugestão (batom) e faz uma única chamada para a API Search com esse termo.
  5. As sugestões de preenchimento automático e os resultados do produto para batom são mostrados.
  6. À medida que o usuário continua digitando lábios, lábio, ..., você pode adicionar uma lógica para fazer uma nova chamada de pesquisa apenas se a primeira sugestão de preenchimento automático mudar.

Vantagens

  • Redução significativa de custos: ao reduzir drasticamente o número de chamadas da API Search, esse método mantém os custos sob controle.
  • Volume controlado de API e eventos: os volumes de API e eventos são gerenciáveis e previsíveis, garantindo dados mais confiáveis para treinamento de modelo e análises.
  • Maior relevância: você está pesquisando termos mais completos e prováveis, o que oferece resultados de produtos de maior qualidade no widget SAYE.
  • Melhor ROI: custos mais baixos e uma experiência do usuário melhor contribuem para um retorno do investimento mais forte.

lidar com casos extremos;

Essa abordagem é melhor, mas exige o tratamento de alguns casos extremos:

  • Nenhuma sugestão: se a API CompleteQuery não retornar nenhuma sugestão, sua lógica vai chamar a API Search com a entrada bruta do usuário.
  • Consulta parcial x sugerida: em casos raros, um usuário pode querer ver resultados para um termo parcial, como olho, em vez da principal sugestão, sombra para os olhos. Embora essa seja uma troca pequena, a abordagem otimizada prioriza a intenção do usuário mais provável.

Medir o sucesso com IDs de experimento

Independente da implementação escolhida, é importante medir a performance do widget do SAYE de forma independente da página principal de resultados da pesquisa. Se você usar o mesmo acompanhamento para os dois, não será possível determinar se o recurso SAYE está realmente melhorando as taxas de cliques e as conversões.

A solução para medir as taxas de cliques e de conversão do widget SAYE especificamente é usar experimentIds distintos nos seus eventos de pesquisa que diferenciam essas métricas das dos eventos de pesquisa principais.

  • Eventos SAYE: atribua um ID específico, como "experimentId": "saye-widget", a todos os eventos de pesquisa originados do recurso de pesquisa conforme você digita.
  • Principais eventos de pesquisa: use um ID diferente (ou nenhum ID) para pesquisas iniciadas quando um usuário pressiona Enter ou clica em Pesquisar para acessar a página principal de resultados da pesquisa.

Ao segmentar seus eventos dessa forma, você pode usar os painéis de análise no console da Vertex AI para filtrar e comparar o desempenho do widget SAYE com a experiência de pesquisa padrão, oferecendo insights acionáveis claros.

Conclusão

A AI Commerce Search oferece os componentes para criar uma experiência de pesquisa conforme você digita. Ao atuar como o arquiteto que projeta a interação entre as APIs CompleteQuery e Search, você pode criar uma capacidade de pesquisa que faz a ponte entre a experiência do usuário e o desempenho. Na maioria dos casos de uso, a abordagem otimizada oferece uma experiência relevante para o usuário, evitando operações pesadas de computação.