M.I.A.I

Recherche sur le commerce électronique

Pourquoi la recherche sur le site de commerce électronique montre-t-elle des produits non pertinents, et comment le réparer?

Les résultats de recherche de commerce électronique non pertinents signifient généralement que le système a trouvé des candidats, mais qu'il a confondu l'identité du produit, la terminologie du client, l'admissibilité ou le classement. Corriger le problème dans cet ordre : reproduire la requête et le résultat attendu, vérifier les faits du produit, protéger les identifiants exacts, normaliser uniquement la terminologie approuvée, appliquer des contraintes difficiles avant le classement, et tester chaque changement par rapport à un ensemble jugé de recherches réelles. Un boost commercial ne devrait jamais rendre un produit inapproprié pertinent.

Pour une version répétable de ce processus, explorer Recherche intelligente M.I.A.I.

Traiter la pertinence comme une décision du client, pas comme un compte de correspondance

Une recherche n'a pas réussi simplement parce qu'elle a retourné des produits. Le résultat utile est le produit, la variante ou un petit ensemble d'alternatives qui satisfait ce que le client voulait dire. Une page contenant une cinquantaine d'articles faiblement liés peut être pire qu'une demande honnête de plus de détails car elle ne donne au client aucun moyen fiable de reconnaître la bonne réponse.

Écrivez les informations nécessaires avant de modifier un algorithme. Pour une requête telle que le moteur arrière gauche T650, le client ne demande pas chaque article qui mentionne T650. Le modèle, le type de composant et la position de toute la matière. Si le catalogue ne peut pas prouver ces relations, élargir la requête ou stimuler un élément populaire cache l'écart plutôt que de le résoudre.

M.I.A.I Smart Search est conçu pour rendre la recherche de produits et de connaissances plus utile lorsque la langue, l'orthographe et la terminologie varient. Ses capacités approuvées – récupération de connaissances, normalisation terminologique, classement contextuel et signaux de retour d'information sur la recherche – dépendent toujours de faits précis du catalogue et de limites de sécurité explicites.

Capturez l'échec afin qu'il puisse être reproduit

Enregistrez la requête exacte, le produit attendu ou l'ensemble acceptable, les produits retournés à la place, le contexte de stockage, les filtres actifs, le temps et l'appareil. Notez également si le client a utilisé un SKU complet, code à barres, référence du fabricant, phrase ou langage ordinaire. Shopify demande ce même type de preuves lors du dépannage de résultats inattendus parce que des exemples répétables peuvent être vérifiés plutôt que débattus à partir de la mémoire.

Ne commencez pas par un rapport vague tel que la recherche se sent mal. Construisez un petit dossier pour chaque cas. Séparer les résultats réguliers des suggestions prédictives, car ils peuvent faire des demandes différentes et montrer différents types de résultats. Confirmez si la recherche intégrée de Shopify, une personnalisation de thème ou une expérience de recherche de tiers a réellement produit la réponse avant de modifier les paramètres.

  • Interroger exactement comme entré, y compris la ponctuation et l'espacement
  • Produit prévu, variante ou ensemble acceptable
  • Produits inattendus et leurs positions
  • Collection, marché, langue et filtres sélectionnés
  • Surface de recherche : suggestions prédictives ou page de résultats complète
  • Données du produit et version de configuration de recherche testée

Diagnostiquer le calque qui a échoué

Des problèmes de qualité de recherche se produisent à différentes couches. La compréhension des requêtes peut mal lire un code modèle comme texte ordinaire. Les données du produit peuvent omettre l'attribut qui distingue deux variantes. La récupération du candidat peut ne pas inclure le bon élément. Un filtre peut admettre un produit incompatible. Le classement peut placer un match marginal au-dessus d'un match exact. La page peut alors masquer l'attribut décisif, rendant un résultat correct mauvais.

Changez une couche à la fois. Si le bon produit est absent de l'ensemble de candidats, les poids de classement ne peuvent pas le récupérer. Si un produit incompatible ne doit jamais être admissible, une pénalité de pertinence plus importante est plus faible qu'une règle d'admissibilité. Si le produit correct se classe en premier mais que l'étiquette de la variante est manquante, le problème appartient à la présentation plutôt qu'à la récupération.

Protéger les identifiants exacts avant d'interpréter l'intention

Un SKU complet, code à barres, référence OEM ou numéro de pièce interne est un signal d'identité fort. Shopify documents que toutes les valeurs SKU et code-barres sont consultables, tandis que le comportement du code partiel dépend du format. Tester les requêtes d'identificateurs séparément des recherches descriptives et préserver la ponctuation pendant la normalisation lorsqu'elle distingue un code d'un autre.

Résoudre les identifiants d'un produit stable et de la variante ID. N'utilisez jamais un titre modifiable comme identité de l'enregistrement pour ouvrir, exporter ou mettre à jour. Si le même code de fournisseur est attaché à deux variantes actives, arrêtez et examinez le duplicata au lieu de demander le classement pour en choisir une.

L'identité exacte devrait normalement dépasser la similitude sémantique. Une phrase qui ressemble simplement à un numéro de pièce ne doit pas déplacer l'identificateur confirmé, et la manipulation de la typographie doit être limitée de sorte qu'un changement d'un caractère ne peut pas sélectionner silencieusement un élément différent critique en matière de sécurité.

Normaliser le langage client avec une terminologie contrôlée

Les clients peuvent utiliser des abréviations, des noms commerciaux, de l'orthographe régionale et une langue de produit plus ancienne. Cartographiez ces expressions selon les concepts de catalogue approuvés, mais gardez chaque cartographie à jour. La roue d'Idler et la roue d'Idler peuvent être équivalentes dans un catalogue; la roulette d'Idler peut être une famille plus large qui ne devrait pas être traitée comme identique.

Un dossier terminologique utile désigne le terme client, le concept approuvé, le marché ou la langue, les preuves, le propriétaire et la date d'examen. Préférez les cartes directionnelles lorsqu'un terme large peut conduire à un concept plus étroit, mais pas l'inverse. Évitez l'expansion automatique des synonymes dans chaque catégorie : le même mot peut signifier différentes composantes dans différentes industries.

La compréhension sémantique de Shopify peut élargir les résultats en utilisant des mots, des concepts, des catégories et des attributs de produit connexes. Cela peut améliorer la découverte, mais il ne supprime pas le besoin de vérifier les descriptions de produits et les relations qui rendent un résultat élargi approprié.

Appliquer les règles d'éligibilité avant le classement de la pertinence

L'admissibilité permet de déterminer si un produit peut apparaître pour le besoin confirmé. Classement commande des produits qui sont déjà acceptables. Gardez ces emplois séparés. Une relation d'ajustement, une approbation réglementaire, une taille requise ou une restriction du marché peut être une règle difficile; la popularité, la marge ou la vitesse de livraison peuvent commander le reste valide.

Ne pas encoder une exigence dure comme une pénalité de faible score. Un composant incompatible avec une forte similarité de texte peut encore surpasser un produit valide si suffisamment de signaux commerciaux ou de fiançailles sont ajoutés. Ne l'incluez pas avec la règle approuvée, conservez la raison et montrez une route utile sans correspondance ou clarification quand rien ne reste.

  • Règle d'identité: référence exacte du produit ou de la variante
  • Règle d'éligibilité : compatibilité confirmée, dimensions ou approbation
  • Règle de récupération: le candidat contient le concept ou l'attribut pertinent
  • Signal de classement : force du match parmi les candidats admissibles
  • Règle de présentation: faits décisifs démontrés au client

Améliorer les faits sur les produits avant d'ajuster les poids

La recherche ne peut classer que les distinctions que le catalogue exprime. Normaliser les types de produits, les références de marque et de fabricant, les attributs de variante, les unités, les catégories et les enregistrements de compatibilité. Gardez les titres utiles aux gens; ne les empilez pas avec des termes de recherche répétés pour compenser les faits structurés manquants.

Shopify dit que les données de produit peuvent influencer les résultats de recherche et identifie des champs tels que le titre, le corps, le type de produit, les étiquettes, la variante UGS, le code à barres, le titre et le fournisseur comme propriétés de recherche. Examiner côte à côte le produit attendu et le produit mal classé. La comparaison révèle souvent que le mauvais article a un langage plus riche tandis que le bon manque le fait que le client utilisé.

Consigner les valeurs manquantes ou contradictoires comme un travail de qualité des données. Ne pas fabriquer une déclaration de compatibilité, un matériau ou une dimension simplement pour améliorer le rappel. Lorsqu'un fait nécessaire est inconnu, le résultat honnête est un examen ou une clarification.

Classement des produits pertinents avec des signaux limités

Commencez par une identité exacte, des attributs confirmés et des correspondances de phrases ou de concepts solides. Ajouter le contexte uniquement lorsqu'il est explicite et autorisé, comme la catégorie sélectionnée, le marché, la langue ou le filtre. Utiliser la disponibilité, l'engagement et les signaux commerciaux pour commander des produits qui demeurent pertinents, et non pour rendre les produits non liés admissibles.

Soyez prudent avec les boosts de produits. Shopify conseille de stimuler un seul produit ou un petit nombre pour des termes spécifiques car stimuler beaucoup peut pousser d'autres produits pertinents vers le bas. Donnez à chaque règle manuelle une date de propriétaire, de raison et d'expiration ou de réexamen. Testez-le contre d'autres requêtes avant la sortie.

Les signaux de rétroaction ont également besoin de garde-corps. Les clics et les ventes peuvent favoriser les produits qui apparaissent déjà près du sommet, créant une boucle auto-renforçante. Étudier les reformulations, les changements de filtre, les contacts de soutien et les retours confirmés en plus de l'engagement de sorte que la popularité n'est pas confondue avec la pertinence.

Construire une requête jugée avant de changer de production

Recueillir des recherches représentatives à partir des journaux de bord, soutenir les conversations et les connaissances merchandising, en utilisant le traitement légal et proportionné des données. Pour chaque requête, indiquer le besoin d'information et coter les produits comme prévu, acceptable ou inacceptable. Inclure les codes exacts, les termes de catégorie, les besoins descriptifs, les fautes d'orthographe courantes, la langue régionale et les cas de compatibilité à risque.

Le guide de classement-évaluation d'Elastic recommande des requêtes typiques jumelées à des documents cotés manuellement et explique qu'une suite de tests représentative aide à empêcher une amélioration pour une requête de nuire à une autre. Vous n'avez pas besoin d'une plateforme spécifique pour utiliser la méthode : garder les cas de test en version, les exécuter avant et après chaque changement, et examiner les échecs plutôt que de compter sur un score moyen.

Il n'y a pas de nombre universel de requêtes de test. Commencez par les recherches qui créent le plus d'effort client ou de risque commercial, puis élargissez jusqu'à ce que les principales intentions, les zones de catalogue et les types d'échec soient représentés. Préserver un ensemble de régression stable tout en ajoutant des problèmes nouvellement confirmés.

  1. Choisissez des requêtes réelles à travers l'identité, la catégorie, l'attribut et l'intention en langage naturel.
  2. Écrire les résultats attendus et les résultats inacceptables avant de les régler.
  3. Exécutez la recherche actuelle et enregistrez les positions avec les versions de configuration et de données.
  4. Changez un élément contrôlé et réexécutez l'ensemble complet.
  5. Examiner les gains, les régressions et les différences inexpliquées avec les propriétaires de catalogues.
  6. Relâchez étroitement, surveillez les preuves et gardez un chemin de recul.

Manipulation des variantes et compatibilité explicitement

Un match de niveau produit peut encore conduire au mauvais achat lorsque le fait décisif appartient à une variante. Portez la variante stable ID à travers le résultat, la page produit, le panier et toute exportation ultérieure. Afficher le modèle, la taille, la couleur, la tension ou tout autre attribut qui explique pourquoi cette variante correspond.

La compatibilité devrait provenir d'une relation ou d'une règle approuvée, et non de la présence accidentelle d'un nom de modèle dans une copie de marketing. Si la requête contient un véhicule, une machine ou une application et que la relation n'est pas résolue, demandez une clarification ou dirigez le cas à l'appui. N'insinuez pas un ajustement parce qu'un produit sémantiquement similaire se classe fortement.

Un exemple concret: trouver l'aimant de la pelle correcte

Imagine qu'un magasin de pièces techniques reçoit la requête "T650 gauche arrière pare-chocs". La page de résultat actuelle met en avant une piste en caoutchouc populaire, suivie par des pare-chocs pour plusieurs familles de machines. Chaque article contient un ou plusieurs termes de requête, donc la page est peuplée mais la décision est mauvaise.

Le diagnostic sépare quatre faits: T650 est le modèle de la machine, le pare-chocs est la famille des composants, gauche est une position et arrière est un emplacement de montage. L'équipe du catalogue vérifie quels champs de position sont significatifs et attache des relations d'ajustement approuvées à des ID variables stables. La recherche conserve des références exactes d'OEM au-dessus de la similarité descriptive, filtre les relations de modèle non approuvées et classe seulement les autres paresseux.

Si le magasin a une partie confirmée, le résultat identifie la variante et explique le modèle et la position correspondants. Si gauche et droite utilisent la même partie approuvée, la page le dit. Si la position arrière n'est pas enregistrée, le système demande une portée en série ou fait suivre les preuves au lieu de promouvoir l'accessoire T650 le plus vendu.

Connectez Smart Search pour vivre Shopify identité de produit

Une intégration Shopify devrait utiliser les identifiants de produit et de variante stables du magasin autorisé, les données de produit consultables, l'état de publication et la disponibilité. Conservez le résultat lié au bon enregistrement en direct afin qu'un changement de titre ne redirige pas un client ou une opération ultérieure de données vers un produit différent.

Vérifiez la configuration de Search & Discovery, les types de résultats, le comportement de la liste combinée et le traitement hors stock en plus de l'expérience de recherche personnalisée. Shopify note que les thèmes peuvent surcharger certains types de résultats demandés et que la recherche prédictive et la page de résultats complète sont des surfaces séparées. Testez les deux après un thème, un catalogue ou un changement de recherche.

Ne copiez pas un catalogue d'ombres dans la couche de recherche sans rapprochement. Enregistrer l'enregistrement source et le dernier rafraîchissement réussi, rendre visible les défaillances de connexion et empêcher qu'un enregistrement non disponible ou non publié apparaisse comme purchasable lorsque l'état de vitrine approuvé dit le contraire.

Release recherche change avec des preuves et un chemin de retour

Comparez le jeu de requêtes jugé avant le déploiement, puis vérifiez le magasin en direct avec des requêtes exactes et le langage client représentatif. Vérifiez le mobile et le bureau, la navigation au clavier, les suggestions prédictives, les résultats complets, les filtres, les liens de produits et les variantes. Enregistrer la version de configuration et de catalogue qui est passée.

Surveillez les rapports de résultats erronés confirmés, la reformulation des requêtes, l'utilisation des filtres, les clics de résultats, les résultats d'ajout à la carte et les cas de soutien. Traitez-les comme des indices, pas comme des preuves automatiques. Un taux de clic plus bas peut signifier un classement pire, mais cela peut aussi signifier que le résultat a répondu plus clairement à la question ou que la demande a changé.

Reculez lorsque des produits inacceptables apparaissent pour les requêtes à haut risque ou lorsqu'une amélioration générale cache une régression grave. Conservez les boosts manuels et les changements de terminologie à examiner, et répétez l'ensemble de tests chaque fois que la structure du catalogue, le comportement du thème ou Shopify les paramètres de recherche changent.

SOURCES D'AUTORISATION

Lignes directrices utilisées dans cet article

QUESTIONS FRÉQUENTES

Questions sur les intégrations ecommerce et le contenu de recherche AI

Pourquoi les produits populaires apparaissent-ils au-dessus du produit exact qu'un client veut ?

Les signaux de popularité ou d'engagement peuvent dominer les signaux d'identité et d'attribut plus faibles. Protégez les identifiants exacts, appliquez d'abord les règles d'admissibilité et n'utilisez la popularité que pour commander des produits déjà pertinents.

Peut-on ajouter plus de synonymes pour rendre la recherche moins pertinente?

Oui. Les synonymes larges ou sans contexte peuvent admettre des produits qui partagent un mot mais pas le sens du client. Utiliser des cartes terminologiques examinées, les mettre à l'essai en fonction de zones de catalogue non reliées.

Comment la recherche ecommerce doit-elle gérer les codes de produits exacts?

Résoudre une UGS complète, un code à barres ou une référence du fabricant à un produit stable ou à une variante ID et classer cette identité au-dessus de la similitude sémantique. Les identificateurs dupliqués devraient être revus au lieu d'être résolus par popularité.

Combien de requêtes un test de pertinence de recherche doit-il contenir?

Il n'y a pas de total universel. Couvrez la demande réelle, les décisions à risque élevé, les identifiants exacts, les principales zones de catalogue, les variations linguistiques et les types de défaillance connus, puis conservez une régression stable à mesure que de nouveaux cas sont ajoutés.

Qu'ajoute M.I.A.I Smart Search?

M.I.A.I Smart Search prend en charge la recherche intentionnelle, la normalisation terminologique, le classement contextuel et les signaux de rétroaction pour le commerce électronique, les documents techniques et la recherche de connaissances internes. Elle doit être fondée sur des faits de produit approuvés et être mise à l'épreuve en fonction de jugements explicites de pertinence.