动态搜索

现代电子商务搜索栏不仅仅是一个输入字段，它还是一个交互式动态助理，可在用户输入文字之前引导他们找到合适的产品。这种边输入边搜索 (SAYE) 体验会实时显示查询建议、热门品牌、相关类别，甚至是热门产品结果，从而提高用户互动度并增加转化可能性。

虽然 Vertex AI Search 商务解决方案 为查询自动补全和产品搜索提供了不同的 API，但它有意将 SAYE 用户体验的最终实现留给用户自行决定。

本指南介绍了如何使用 Vertex AI Search 商务解决方案构建功能强大的 SAYE 微件，探讨了使用 Vertex AI Search 商务解决方案 API 实现 SAYE 微件的两种主要设计模式，并详细介绍了每种方法的优缺点。

了解核心组件

如需构建全面的 SAYE 功能，您需要了解 Vertex AI Search 商务解决方案 提供的两个基本 API：

  1. CompleteQuery API ：这是自动补全建议背后的智能引擎。

    • 功能：对于给定的输入字符串（例如“lipst”），它会返回建议的查询补全列表，包括“lipstick”和“lip gloss”、相关热门品牌和相关类别。
    • 费用：此 API 包含在 Vertex AI Search 商务解决方案套餐价格中。
    • 性能：这是一个高吞吐量 API，专为按键输入体验所需的快速、低延迟响应而设计。它利用自动学习功能，包括拼写更正和旨在产生结果的建议，所有这些功能都基于您商店的每日搜索事件进行训练。如需了解详情，请参阅拼写更正 API 规范。

  2. Search API ：这是您的核心产品发现引擎。

    • 功能：对于给定的查询，它会返回相关产品结果的排名列表。
    • 费用：这是一个付费 API，其使用情况会直接影响您的运营费用。
    • 事件：为了进行模型训练和分析，理想情况下，每个 Search API 调用都应与一个搜索事件配对，以便跟踪用户行为并随着时间的推移提高相关性模型。

即输即搜

如需创建 SAYE 体验，您必须编写一个封装容器 API 或前端逻辑，用于调用这两个 API 并将其结果合并到单个统一的用户界面中。

实现模式 1：直接但成本较高的方法

这是最直接的实现方法。其逻辑是，对于每个按键输入，您都会并行调用 CompleteQuery 和 Search API。

流程

流程遵循以下顺序路径：

  1. 用户输入一个字符，例如“l”。
  2. 您的应用将“l”发送到 CompleteQuery API。 l
  3. 同时，您的应用将“l”发送到 Search API。 l
  4. 结果会合并并显示。
  5. 用户输入另一个字符（l, 使查询变为 li）。
  6. 该过程会针对新查询“li”重复执行。

优点

优点包括实现速度快，让您可以快速编写和部署日志。

缺点

  • API 调用量高：此方法会大幅增加 Search API 调用次数。Search例如，查询“lipstick”会触发八个单独的搜索请求，从而导致调用量显著增加。
  • 费用增加：由于 Search API 是一项付费服务，因此如此高的调用量会直接转化为更高的运营成本，从而难以实现正投资回报率 (ROI)。
  • 事件管理复杂：每个 Search API 调用都应记录相应的搜索事件，以便进行准确的模型训练和衡量。如此高的调用量使得确保捕获每个事件变得具有挑战性，这可能会导致数据丢失和分析结果偏差。
  • 结果质量可能较低：搜索一个或两个字符（例如“l”“li”）可能会返回杂乱或过于宽泛的结果，从而导致初始体验的相关性较低。

此模式通过使用 CompleteQuery API 智能地决定何时调用 Search API，从而优化费用、性能和相关性。

流程

流程遵循以下顺序路径：

  1. 用户输入部分文本查询，例如 lip。
  2. 您的应用将“lip”发送到 CompleteQuery API。
  3. 该 API 会返回建议列表，其中lipstick很可能是第一个结果。
  4. 您的应用会采用第一个建议（“lipstick”），并使用该字词对 Search API 进行一次调用。
  5. 系统会显示“lipstick”的自动补全建议和产品结果。
  6. 当用户继续输入“lips”“lipst”等内容时，您可以添加逻辑，以便仅在第一个自动补全建议发生变化时才进行新的搜索调用。

优点

  • 显著降低费用：此方法通过大幅减少 Search API 调用次数来控制费用。
  • 可控的 API 和事件量：API 和事件量是可管理且可预测的，从而确保为模型训练和分析提供更可靠的数据。
  • 相关性更高：您搜索的是更完整、更可能的字词，这会在 SAYE widget 中提供更高质量的产品结果。
  • 投资回报率更高：更低的费用和更好的用户体验有助于提高投资回报率。

处理极端情形

此方法更胜一筹，但需要处理一些极端情形：

  • 没有建议：如果 CompleteQuery API 未返回任何建议，您的逻辑应回退到使用用户的原始输入调用 Search API。
  • 部分查询与建议查询：在极少数情况下，用户可能希望查看其部分字词（例如“eye”）的结果，而不是热门建议“eye shadow”。虽然这是一个小小的权衡，但经过优化的方法会优先考虑最有可能的用户意图。

使用实验 ID 衡量成功与否

无论您选择哪种实现方式，都必须独立于主搜索结果页衡量 SAYE widget 的性能。如果您对两者使用相同的跟踪，则无法确定 SAYE 功能是否真正提高了点击率和转化率。

如需专门衡量 SAYE 微件的点击率和转化率，您需要在搜索事件中使用不同的 experimentIds，以便将这些指标与主搜索事件的指标区分开来。

  • SAYE 事件：为所有源自边输入边搜索功能的搜索事件分配一个特定 ID，例如 "experimentId": "saye-widget"。
  • 主搜索事件：对于用户按 Enter 键或点击 搜索 以转到主搜索结果页时发起的搜索，请使用不同的 ID（或不使用 ID）。

通过这种方式细分事件，您可以使用 Vertex AI 控制台中的分析信息中心来过滤和比较 SAYE widget 与标准搜索体验的性能，从而获得清晰且可据以采取行动的洞见。

总结

Vertex AI Search 商务解决方案提供了创建边输入边搜索体验的组件。通过充当设计 CompleteQuery 和 Search API 之间交互的架构师，您可以构建在用户体验和性能之间架起桥梁的搜索功能。对于大多数用例，经过优化的方法可提供与用户相关的体验，同时避免计算密集型操作。