Quelles mesures de recherche sur le commerce électronique montrent si les clients trouvent des produits?

Pourquoi une recherche KPI donne la mauvaise réponse

Un taux zéro-résultats inférieur peut ressembler à un progrès, même si une large correspondance remplit la page avec des produits indépendants. Un taux de clic plus élevé peut également induire en erreur si les clients ouvrent le premier résultat, découvrent qu'il est faux et cherchent à nouveau immédiatement. Le taux d'achat est important, mais les produits techniques à faible volume peuvent ne pas générer suffisamment de commandes pour une mesure quotidienne stable.

Utilisez une petite carte de pointage dans laquelle chaque métrique répond à une question différente. La couverture demande si le système a rendu quoi que ce soit. L'engagement demande si un résultat a semblé assez utile pour l'inspection. Progression demande si le chemin de recherche a évolué vers le résultat de l'entreprise. La pertinence examinée demande si les bons produits ont été hautement classés, y compris les questions qui ne reçoivent pas encore assez de trafic.

M.I.A.I Search Intelligence est conçu pour analyser les requêtes, découvrir les lacunes de recherche, examiner la pertinence et organiser des signaux de rétroaction approuvés. Le but est de rendre le comportement de recherche réalisable sans transformer un nombre pratique en conclusion non étayée.

Commencez par une limite de mesure précise

Définir quelles recherches sont incluses avant de calculer les taux. Indiquer le magasin, le marché, la langue, la portée de l'appareil, la plage de dates et si les sélections de recherche prédictive sont comptées séparément des pages de recherche soumises. Exclure les tests du personnel, les robots connus et les valeurs supprimés par le filtre de confidentialité.

Conservez un enregistrement d'événement brut pour chaque recherche valide et une valeur de comparaison normalisée pour regrouper des différences évidentes comme la capitalisation ou les espaces environnants. Préservez la requête brute car elle contient la langue du client. Ne fusionnez pas les numéros de modèles techniques, les tailles ou les références de pièces simplement parce qu'une règle de normalisation de texte les rend semblables.

Mesurer par session de recherche ainsi que le nombre d'événements bruts. Un client frustré peut soumettre plusieurs améliorations. Les comptes d'événements montrent la charge de travail; les mesures basées sur la session aident à décrire le nombre de voyages de clients rencontrés.

Couche un : mesure de la couverture des résultats

La couverture des résultats est le pourcentage de recherches valides qui ont retourné au moins un résultat. Son homologue est le taux sans résultat. Débarrassez-vous à la fois par groupe de requêtes, marché et appareil plutôt que de compter uniquement sur une moyenne de magasin.

Shopify fournit des rapports distincts pour les recherches par requête et les recherches sans résultats. Il avertit également que les rapports de recherche peuvent être retardés jusqu'à 72 heures. Utilisez une fenêtre de rapport complète et évitez de traiter la journée la plus récente comme définitive.

La couverture identifie une lacune de récupération, et non sa cause. Une requête zéro résultat peut représenter un produit que l'entreprise ne vend pas, la terminologie du client manquant des données du produit, un attribut d'ajustement absent, une restriction du marché, un problème d'orthographe ou de bruit. Un résultat n'est que la première condition du succès.

• Couverture des résultats = recherches avec un ou plusieurs résultats divisés par des recherches valides.
• Taux de non-résultats = recherches sans résultats divisés par des recherches valides.
• Signaler les groupes de requêtes répétés séparément des recherches isolées à longue queue.
• Conservez une liste d'exceptions pour les données privées, les robots et les tests internes.

Deuxième couche : mesurer l ' engagement utile

Le taux de clic de recherche est la part des sessions de recherche dans lesquelles un client a ouvert un produit à partir du jeu de résultats. Le taux sans clic expose les requêtes qui ont retourné des produits mais n'ont pas convaincu le client d'inspecter l'un d'eux.

Shopify's Searches sans rapport de clic énumère spécifiquement les termes de recherche qui ont retourné les résultats mais n'ont reçu aucun clic client. Ses conversions de recherche dans le temps rapport sépare les sessions avec des clics, des add-to-carts et des achats. Cet entonnoir est plus informatif que de combiner chaque page de résultat en un seul compte de succès.

Un clic est toujours un signal intermédiaire. Ajoutez un court-clic ou une vérification de reformulation où l'analyse disponible le permet. Si les clients ouvrent un résultat à plusieurs reprises et retournent à la recherche avec une phrase révisée, le premier classement peut avoir été attrayant mais pas utile.

Troisième couche : suivre la progression commerciale

Mesurer le pourcentage de sessions de recherche qui mènent à une action en aval convenue: une vue de produit qualifiée, ajouter au panier, demande de devis ou d'achat. Choisissez le résultat qui correspond au modèle d'affaires plutôt que de forcer chaque catalogue à une définition d'achat seulement.

Shopify définit les étapes de conversion de recherche en utilisant des sessions avec des clics de résultat, des add-to-carts et des achats. Il note que le suivi de recherche dépend du thème en utilisant l'URL retournée par les résultats de recherche, et que les achats Buy Button ou de tiers-app ne sont pas inclus dans ce rapport. Documenter ces limites avant de comparer les chiffres avec le total des commandes de magasin.

Utilisez la progression commerciale pour comparer les cohortes de requêtes semblables. Une recherche d'un accessoire stocké à bas prix et une recherche d'un produit industriel configuré ont différents voyages d'achat. Comparez chacun avec son propre niveau de référence, la disponibilité du marché et les conditions des stocks.

Quatrième couche : examen direct de la qualité du classement

Les mesures comportementales ne peuvent pas pleinement juger de la pertinence. Les clients peuvent cliquer sur un produit populaire ou visuellement proéminent, même lorsqu'un meilleur match est inférieur. Créer un ensemble de requêtes examiné contenant des termes importants à volume élevé, des identifiants techniques, des recherches de compatibilité, des synonymes difficiles et des cas connus de défaillance.

Pour chaque requête de test, enregistrez les produits pertinents et classez-les lorsque cela est utile. Exécutez les mêmes requêtes avant et après un changement de classement. L'API d'évaluation des grades d'Elasticsearch prend en charge des mesures incluant la précision à K, le rappel à K, le rang réciproque moyen et le gain cumulatif actualisé. Ces paramètres répondent à différentes questions sur le nombre d'éléments récupérés pertinents et sur la façon dont les meilleurs résultats ou notés apparaissent.

Un petit ensemble soigneusement examiné est plus précieux que des milliers de questions non étiquetées présentées comme vérité fondamentale. Les spécialistes des produits devraient approuver la pertinence technique, en particulier pour la compatibilité, les pièces de rechange et les produits réglementés.

Utiliser les événements de recherche GA4 comme preuve, pas un verdict complet

Google Analytics documente l'événement view search results pour le moment où un utilisateur est présenté avec les résultats de recherche. L'événement peut inclure le paramètre search term et identifier si le terme est unique dans la session. Ceci est utile pour connecter l'activité de recherche avec le voyage plus large.

Un événement view search results ne dit pas combien de produits sont apparus, s'ils étaient pertinents ou quelles positions de résultat étaient visibles. Ajouter le nombre de résultats, afficher les identifiants du produit et la position de résultat sélectionnée au moyen d'un plan de mesure approuvé lorsque ces champs sont nécessaires et autorisés.

Valider la collection avant de construire une carte de pointage. Vérifiez que les paramètres de la requête sont saisis de façon cohérente, que la recherche prédictive n'est pas double et que les renseignements personnels entrés dans une boîte de recherche sont filtrés plutôt que envoyés à l'analyse.

Un exemple concret: mesurer la recherche de pièces techniques

Imaginez qu'un magasin reçoit 1 000 sessions de recherche valides en une semaine. Neuf cents retours au moins un résultat, donc la couverture des résultats est de 90%. Parmi ces 900 séances, 540 produisent un clic produit, 135 ajoutent un produit au panier et 45 conduisent à un achat. Les chiffres principaux sont utiles, mais ils n'identifient pas les questions qui nécessitent du travail.

L'équipe regroupe les demandes selon les besoins du client. Les recherches utilisant des références OEM exactes ont une couverture de 98 % et une forte progression. Les recherches en machine et en partie donnent des résultats dans 92 % des sessions, mais ont un taux élevé de non-clic. Un échantillon examiné montre des pièces génériques qui dépassent les produits compatibles spécifiques aux modèles. De vastes recherches produits-famille reçoivent de nombreux clics mais aussi des reformulations répétées.

La première priorité n'est pas le plus petit pourcentage. L'équipe fixe le classement de la machine et de la pièce de grande valeur parce que les bons produits existent et que les preuves montrent qu'ils sont enterrés. Il crée séparément le travail de catalogue pour les attributs manquants du modèle et demande au merchandising de passer en revue de véritables écarts de gamme. Chaque changement a une cohorte de requêtes, propriétaire et base de pré-libération.

Quatre semaines plus tard, les mêmes questions examinées et des cohortes comparables en direct sont à nouveau mesurées. La couverture reste presque inchangée, mais les clics utiles et la progression de l'ajout à la carte augmentent pour les recherches touchées, tandis que la précision dans les meilleurs résultats examinés s'améliore. Il s'agit là d'une preuve plus solide que la revendication du succès parce que le taux de résultat zéro a progressé d'un point de pourcentage.

Segment avant comparaison

Les moyennes des magasins se cachent là où la recherche échoue. Segment selon le marché, la langue, l'appareil, le nouveau visiteur ou le visiteur de retour lorsque cela est permis, la famille de produits, l'intention de la requête et l'état des stocks. Un problème mobile sans clic peut être un problème de présentation; un problème spécifique au marché sans résultat peut être la disponibilité plutôt que la récupération.

Annoter les campagnes, les importations de catalogues, les incidents relatifs aux stocks, les rejets thématiques et les changements de règles de recherche. Shopify a commencé un déploiement de mesures de session du 21 au 23 septembre 2026 et avertit que les mesures de session peuvent différer sans changement de comportement sous-jacent. Les changements de mesure doivent être séparés des changements de découverte de produits.

Utiliser des échelles de dates équivalentes et permettre de connaître les retards de déclaration. Comparez les semaines complètes lorsque la saisonnalité compte et évitez de juger d'un changement alors que la gamme promue, la position d'inventaire ou le suivi de la mise en oeuvre sont sensiblement différents.

Mettre des garde-corps pour chaque amélioration

Chaque optimisation devrait désigner la métrique à améliorer et la métrique qui ne doit pas se détériorer. L'élargissement des synonymes peut améliorer la couverture mais réduire la précision. Promouvoir des produits populaires peut augmenter les clics tout en poussant les produits compatibles vers le bas. Cacher des articles non disponibles peut améliorer la conversion, mais augmenter la demande sans résultat.

Utiliser une cohorte de questions avant et après, un ensemble de pertinence examiné et des vérifications opérationnelles. Confirmer que les ID de produit, les marchés, les prix et les stocks indiqués dans les résultats sont corrects. Gardez les changements réversibles et relâchez les changements d'appariement ou de classement dans les lots contrôlés.

Si une métrique s'améliore alors qu'un garde-corps s'aggrave, rouvrez l'article de travail. L'intelligence de recherche devrait rendre les compromis visibles plutôt que de les comprimer en un score composite inexpliqué.

Construire une carte de score peut agir sur

Une carte de pointage hebdomadaire est disponible sur une seule page. Affichez le nombre total de sessions de recherche valides, la couverture, le taux de non-clic, la progression vers le résultat choisi, examinez la pertinence et les exceptions les plus prioritaires. Inclure la fenêtre de déclaration, la segmentation et les limites de collecte à côté des chiffres.

À chaque exception, indiquez le libellé brut du client, les exemples de résultats actuels, les séances touchées, la cause probable, le propriétaire proposé et la confiance. Les équipes de recherche peuvent régler la recherche, les équipes de données sur les produits peuvent réparer les attributs, le merchandising peut décider des écarts de gamme et les équipes de contenu peuvent répondre aux questions d'orientation.

Ne pas classer les équipes selon un taux de conversion à l'échelle du magasin. Les données de recherche reflètent l'étendue du catalogue, la combinaison de trafic, les stocks, la qualité des prix et des mesures ainsi que le comportement de recherche. Utilisez le tableau de bord pour décider du travail et vérifier les changements, et non pour cacher l'incertitude.

Un cycle de mesure pratique

1. Geler la définition de rapport, les filtres de confidentialité et les règles de normalisation des requêtes.
2. Recueillir la couverture, l'engagement et la progression pour une période complète comparable.
3. Maintenir un ensemble de questions importantes et difficiles à examiner.
4. Segmenter les lacunes matérielles et inspecter les produits réels retournés.
5. Attribuer le plus petit catalogue, recherche, contenu ou changement de portée approprié.
6. Prévisualiser et approuver le changement par rapport aux identifiants de produits stables.
7. Mesurer les mêmes cohortes et la pertinence établie après la libération.
8. Conservez, modifiez ou inversez le changement en fonction de la carte de pointage complète.

Liste de contrôle pour la mesure de la qualité de la recherche

• Définir le magasin, le marché, la langue, les appareils, la gamme de dates et les expériences de recherche incluses.
• Séparer les recherches brutes, les groupes de requêtes normalisés et les sessions de recherche.
• Mesurer la couverture des résultats et le taux de non-résultats.
• Mesurer les clics, les non-clics et les reformulations lorsque disponibles.
• Suivez les vues de produits qualifiés, les ajouts aux tartes, les demandes de renseignements ou les achats.
• Maintenir les jugements de pertinence approuvés pour un ensemble de requêtes contrôlées.
• Segment par catalogue et contexte de parcours avant comparaison.
• Annoter les changements de suivi, de thème, de stock, de campagne et de catalogue.
• Utiliser des garde-corps si larges ne peut cacher la moindre pertinence.
• Transformer les exceptions matérielles en articles de travail appartenant à un expert.