Come trasformare i dati di ricerca del commercio elettronico in migliori decisioni di catalogo

Iniziare con la decisione, non il cruscotto

Prima di raccogliere più dati, scrivere le decisioni che l'azienda è pronta a prendere. I risultati tipici includono l'aggiunta di un prodotto, l'arricchimento degli attributi, la modifica della formulazione del prodotto, la mappatura di un sinonimo, la creazione di una raccolta, la regolazione della classifica, la correzione della disponibilità o la pubblicazione di una guida di acquisto. Se una metrica non può influenzare uno di questi risultati, può essere interessante, ma non è ancora operativo.

Dare a ogni tipo di decisione un proprietario. I team di dati del prodotto possono riparare titoli, identificatori e attributi; i proprietari di ricerca possono sintonizzarsi e classificare; i team di contenuti possono rispondere a domande di ricerca; e i team commerciali possono decidere se la domanda giustifica la sourcing. Una coda condivisa impedisce la stessa richiesta di essere passata tra le squadre senza risoluzione.

M.I.A.I Search Intelligence è progettato per l'analisi delle query, la ricerca-gap scoperta, la revisione di rilevanza e i segnali di feedback approvati. Il suo scopo è quello di aiutare un'azienda a comprendere il comportamento di ricerca, le lacune e le opportunità in un catalogo, tra cui recensioni a zero-risultato, mappatura in lingua cliente e miglioramenti a priori del catalogo.

Acquisire un contesto sufficiente per spiegare il viaggio di ricerca

Memorizza la query grezza, un valore di confronto normalizzato, timestamp, mercato, classe di dispositivi, conteggio dei risultati e eventi di viaggio a circuito chiuso. Quando disponibile, collegare la query ai prodotti visualizzati, clic, perfezionamenti, vista prodotto, eventi aggiuntivi e acquisti. Conservare la formulazione cruda perché contiene la lingua del cliente; utilizzare il valore normalizzato solo per raggruppare varianti ovvie come capitalizzazione, spazio bianco e forme plurali.

La misurazione migliorata di Google Analytics può emettere un evento view search results quando viene mostrata una pagina dei risultati e posizionare la query nel parametro search term. Questo è un punto di partenza utile, ma una vista pagina dei risultati non dimostra che i risultati erano rilevanti. Il conteggio dei risultati, l'ordine di impressione e il comportamento successivo forniscono il contesto mancante.

Rispetta la minimizzazione dei dati. Le caselle di ricerca a volte ricevono indirizzi e-mail, numeri di ordine, numeri di telefono o altre informazioni personali. Escludi o riscatta questi valori prima dell'analisi, la ritenzione dei limiti e l'accesso, e evita di inviare informazioni personali identificabili nei sistemi di analisi. L'obiettivo è capire i modelli di domanda, non identificare un singolo visitatore.

• Domanda raw e valore di raggruppamento normalizzato
• Mercato, lingua, dispositivo e timestamp per la sessione
• Risultato e i prodotti visualizzati
• Clicca, perfezionamenti, uscite, eventi aggiuntivi e acquisti
• Noti stock o restrizioni di mercato al momento della ricerca
• Un filtro privacy e un periodo di conservazione documentato

Separare cinque diversi risultati di ricerca

Una singola colonna zero-risultati nasconde diversi problemi distinti. Crea coorte che descrivono quello che è successo dopo la query. Iniziare senza risultato, risultati ma senza clic, cliccato poi restituito e riformulato, cliccato con utile azione commerciale, e un viaggio di successo che si è concluso in acquisto o un altro risultato concordato.

I rapporti di comportamento di Shopify distinguono ricerche per query, ricerche senza clic, ricerche senza risultati e conversioni di ricerca nel tempo. Tale separazione conta: una query con i risultati ma nessun clic suggerisce un problema di pertinenza o presentazione, mentre una query senza risultati può indicare la lingua mancante, i dati mancanti o l'intervallo mancante. Una domanda di successo è anche la prova; mostra quale cliente formulazione già mappa a un risultato utile.

Rassegna le tendenze di settimana e di mercato piuttosto che reagire ad una sessione insolita. Account per la segnalazione di ritardi e filtraggio bot dove la piattaforma lo supporta. Tenere le definizioni coorte stabili abbastanza a lungo da confrontare prima e dopo un cambiamento.

Classificare la causa prima di scegliere la correzione

Per ogni gruppo di query materiale, ispezionare il set di risultati effettivo e le prove di catalogo. Assegnare una causa primaria e qualsiasi contributore secondario. Le etichette coerenti rendono la coda misurabile e aiutano l'azienda a vedere se il suo problema più grande è l'intervallo, la qualità dei dati, la lingua, la classifica o la guida del cliente.

Una query mancante-range descrive un prodotto che l'azienda non vende. Un gap terminologia si verifica quando il prodotto esiste, ma le parole del cliente non appaiono in dati ricercabili. Un gap attributo significa che il prodotto esiste ancora la dimensione, la compatibilità, il materiale o le specifiche necessarie per recuperarlo è assente o inconsistente. Un problema di rilevanza restituisce i prodotti, ma la partita più forte è sepolto. Disponibilità e gap di mercato si verificano quando l'elemento esiste a livello globale, ma non può essere acquistato nella posizione del visitatore. Le domande di orientamento fanno una domanda che potrebbe avere bisogno di contenuti di confronto o di una guida di acquisto.

Non creare automaticamente sinonimi per ogni frase fallita. Un sinonimo che collega diverse specifiche o parti incompatibili può rendere la ricerca più affollata, rendendo la selezione del prodotto meno sicura. Richiedere prove dai dati del prodotto o da un recensore esperto prima di approvare l'equivalenza tecnica.

• Prodotti mancanti o opportunità di gamma
• Terminologia del cliente non rappresentata nel catalogo
• Attributo ricercabile mancante o incoerente
• Scarsa classifica o eccessivamente ampia corrispondenza
• Non disponibile stock, canale o restrizione di mercato
• Domanda di navigazione, politica o consulenza piuttosto che domanda di prodotto
• Rumore, attività bot o una domanda da escludere

Priorità per valore, attrito e fiducia

La frequenza di query è utile, ma non dovrebbe essere l'unica regola prioritaria. Una domanda vaga frequente può essere meno preziosa di un gruppo più piccolo di ricerche precise e ad alto contenuto per un oggetto che l'azienda è attrezzata per vendere. Costruisci un punteggio semplice dalla frequenza della domanda, attrito del cliente, rilevanza aziendale e fiducia nella diagnosi.

L'attrito del cliente aumenta quando una query ripetutamente non restituisce nulla, non produce clic o causa diversi riformulazioni. La rilevanza aziendale può riflettere il margine, la gamma strategica, la disponibilità, il mercato e il costo di servire la richiesta. La fiducia dovrebbe essere più alta quando la stessa necessità appare in più sessioni, ha una chiara corrispondenza di catalogo ed è stato recensito da uno specialista del prodotto.

Tenere la formula spiegabile. Un recensore dovrebbe essere in grado di vedere perché un elemento è vicino alla parte superiore della coda e cambiare una classificazione errata. La classifica automatizzata può organizzare prove; non deve trasformare un sinonimo indovinato o un'assunzione di domanda non supportata in un cambiamento di produzione invisibile.

Un esempio concreto: ricerche di parti tecniche

Immaginate un rivenditore di parti vede ripetute ricerche per 'rotolo di fondo Takeuchi TL12', 'rotolo di pista di LTL12' e un riferimento OEM noto. La prima query non restituisce nulla, il secondo restituisce molti rulli generici senza clic, e il riferimento trova il prodotto corretto. Trattare questi come tre righe non correlate sottosta l'opportunità.

Lo specialista del prodotto conferma che i clienti utilizzano rulli e rullini inferiori per lo stesso componente rilevante in questo contesto di catalogo e verifica quali varianti TL12 sono compatibili. Il team di dati mantiene gli identificatori stabili del prodotto, aggiunge la terminologia approvata, registra l'attributo di compatibilità e verifica che il riferimento OEM rimane ricercabile. Il proprietario della ricerca valuta se la compatibilità esatta del modello dovrebbe rango sopra le partite di testo generiche.

La voce di lavoro contiene le query grezze, le sessioni colpite, i risultati attuali, le prove di prodotto approvate, le modifiche di catalogo proposte e un proprietario. Dopo il rilascio, il team confronta la stessa coorte di query in un periodo definito: copertura dei risultati, click rate, viste di prodotto qualificate e attività add-to-cart. Se i prodotti irrilevanti iniziano a ricevere clic, il team indaga piuttosto che dichiarare il successo da un basso numero di risultati da solo.

Se il rivenditore non fornisce un rullo compatibile, il risultato corretto è diverso. La query diventa una decisione di gamma sostenuta dalla domanda osservata. Il business può fonte l'oggetto, indirizzare i clienti ad un'alternativa onesta quando si esiste, o pubblicare una guida chiara. Non deve costringere un prodotto incompatibile nei risultati.

Trasformare i risultati approvati nel lavoro a catalogo

Ogni risultato accettato dovrebbe creare il più piccolo cambiamento appropriato. La terminologia può appartenere in un sinonimo ricercabile, titolo del prodotto, descrizione o attributo strutturato a seconda del suo significato. La compatibilità appartiene ai dati dei prodotti disciplinati, non solo in copia promozionale. Un gap di gamma appartiene all'acquisto e merchandising. Una domanda di orientamento può richiedere contenuti collegati ai risultati di ricerca.

Conservare l'identità del prodotto e della variante quando cambia il catalogo. Utilizzare gli ID della piattaforma stabile e gli identificatori di origine governati così l'arricchimento raggiunge l'oggetto previsto. Titoli, maniglie e descrizioni cambiano troppo spesso per servire come chiavi di corrispondenza sicure. Registra il valore precedente, il valore proposto, la prova, l'approvazione e il risultato di distribuzione.

Batch lavoro simile dove migliora la consistenza, ma in anteprima i prodotti colpiti prima della pubblicazione. Un sinonimo condiviso o mappatura attributo può alterare molti set di risultati. L'anteprima dovrebbe mostrare entrambi i guadagni previsti e le collisioni ovvie, soprattutto per i nomi dei modelli, abbreviazioni e termini tecnici.

Confronta con attenzione la ricerca interna con la domanda esterna

Google Search Console's Performance report group esterni Google Cerca i dati per query e fornisce clic, impressioni, click-through rate e posizione media. Confrontare quella lingua con la ricerca interna per trovare modelli, ma non unire i set di dati come se misurassero lo stesso viaggio.

Le query esterne descrivono come le persone hanno incontrato il sito nei risultati di Google Search. Le domande interne descrivono ciò che i visitatori hanno chiesto dopo aver raggiunto il sito. Un termine con molte impressioni di Google, ma poca ricerca in loco può già avere una pagina di atterraggio forte. Una frequente query in loco con poca visibilità di Google può rivelare l'attrito di navigazione, un compito di ritorno-cliente o un'opportunità per una pagina dedicata.

Utilizzare il confronto per formare un'ipotesi. Poi ispezionare le pagine di atterraggio, i set di risultati, i record di catalogo e il contesto commerciale prima di cambiare i dati di copia SEO o di prodotto. Attribuzione differenziata, soglia di privacy, intervalli di date e regole di aggregazione possono produrre discrepanze apparenti che non sono difetti di catalogo.

Eseguire un loop di feedback controllato

Un utile processo di ricerca-intelligenza si ripete su un ciclo prevedibile. Raccogliere un periodo stabile di dati, raggruppare e classificare query, rivedere le prove di alto valore, approvare cambiamenti specifici, pubblicarli attraverso il sistema responsabile e misurare nuovamente le stesse coorte. Tenere un periodo di controllo o un gruppo di query non interessato dove pratico.

Misurare diversi risultati insieme: tasso no-risultato, tasso no-click, tasso di riformulazione, utili click prodotto, attività add-to-cart e risultati di acquisto in cui il volume è sufficiente. Traccia anche misure operative come il tempo per classificare un gap, il tempo per pubblicare una correzione, ripetute eccezioni e la percentuale di modifiche proposte respinte in revisione.

Evitare di inseguire il rumore quotidiano. La domanda stagionale, le campagne, le modifiche alle azioni e le versioni del sito influiscono sul comportamento di ricerca. Annota questi eventi, confronta i periodi equivalenti e mantieni le prove di query originali in modo che un recensore successivo possa capire perché la decisione è stata presa.

Errori comuni che rendono i dati di ricerca fuorvianti

Il primo errore consiste nell'equare meno ricerche zero-risultato con una migliore scoperta. L'abbinamento ampio può ridurre gli zeri durante la navigazione prodotti irrilevanti. Il secondo è il conteggio dei click come successo senza verificare se i visitatori tornassero immediatamente, affinarono la query o abbandonarono il viaggio.

Un altro errore è riscrivere i titoli di prodotto intorno ad ogni frase. I titoli devono ancora identificare chiaramente i prodotti; la lingua del cliente può essere catturata attraverso descrizioni appropriate, attributi strutturati e mappature di ricerca governate. Le squadre perdono fiducia anche quando i rapporti di gruppo a differenza di query tecniche o silenziosamente scartare ricerche rare ma commercialmente importanti.

Infine, non lasciare che uno strumento di intuizione diventi un sistema di pubblicazione non visualizzato. L'attività di ricerca è la prova dell'intento del cliente, non la prova dell'equivalenza del prodotto, dell'idoneità legale, della compatibilità o della domanda commerciale. Segnali di feedback approvati e proprietari responsabili mantenere il ciclo utile.

Cerca la lista di controllo

• Definire le decisioni di catalogo, classifica, contenuto e gamma che i dati possono attivare.
• Acquisire domande crude, contesto dei risultati e successivi eventi di viaggio.
• Filtra le informazioni personali, i bot e il traffico di prova interno conosciuto.
• Senza risultato separato, senza clic, ricerche riformulate e di successo.
• Classificare ogni gruppo di query materiale prima di proporre una correzione.
• Priorità con frequenza, attrito, rilevanza aziendale e fiducia.
• Utilizzare gli identificatori stabili del prodotto e delle varianti per qualsiasi modifica del catalogo.
• Anteprima mappe condivise e cambiamenti ad alto impatto prima della pubblicazione.
• Mantenere la ricerca interna del sito distinta dal report esterno di Google Search.
• Misurare gli stessi coorte dopo il rilascio e riaprire il lavoro quando la rilevanza peggiora.