Wywiad wyszukiwania
Jak przekształcić dane e-commerce w lepsze decyzje katalogowe
("Najszybszy sposób, aby ecommerce wyszukiwania danych przydatnych jest, aby przestać traktować go jako raport i przekształcić każde powtarzające się zapytanie klienta w decyzję: poprawić rekord produktu, dodać brakujący atrybut, utworzyć synonim, zmienić kolejność wyników, źródło brakującego produktu lub wyjaśnić, że element jest niedostępny. Cenny wynik jest priorytetowo ustawiona kolejka pracy z dowodami, właściciel i sposób pomiaru, czy zmiana pomógł.", "Nie-wynik liczyć tylko nie może powiedzieć, które działanie jest właściwe. Niektóre pytania ujawniają niezaspokojony popyt; inne używają języka klienta, który jest nieobecny w katalogu; niektóre produkty zwrotne wiarygodne, że nikt nie kliknie; a niektóre pytania lepiej odpowiedzieć przez poradę, a nie inny produkt. Wywiad wyszukiwania łączy te sygnały z decyzjami katalogowymi, które firma może faktycznie podjąć.", "Ten przewodnik pokazuje, jak zbierać właściwe dowody, klasyfikować problemy wyszukiwania konsekwentnie i uruchomić pętlę sprzężenia zwrotnego bez mylenia wewnętrznego wyszukiwania strony z zewnętrznymi danymi wyszukiwania Google".)
Dla powtarzalnej wersji tego procesu, odkryj M.I.A.I Wywiad poszukiwawczy.
Zacznij od decyzji, a nie deski rozdzielczej
Przed zebraniem więcej danych, zapisać decyzje, które firma jest gotowa podjąć. Typowe wyniki obejmują dodawanie produktu, wzbogacanie atrybutów, zmianę brzmienia produktu, mapowanie synonimu, tworzenie kolekcji, dostosowanie rankingu, poprawianie dostępności lub publikowanie przewodnika zakupów. Jeżeli metryka nie może wpływać na jeden z tych wyników, może być interesująca, ale nie jest jeszcze operacyjna.
Daj każdemu typowi decyzji właściciela. Merchandising może ocenić luki popytu i zakresu; zespoły danych produkcyjnych mogą naprawić tytuły, identyfikatory i atrybuty; właściciele wyszukiwania mogą dopasować i ranking; zespoły treści mogą odpowiadać na pytania badawcze; a zespoły handlowe mogą zdecydować, czy popyt uzasadnia pozyskiwanie. Dzielona kolejka zapobiega przekazywaniu tego samego zapytania pomiędzy zespołami bez rozdzielczości.
M.I.A.I Search Intelligence jest przeznaczony do analizy pytań, wyszukiwania luk, przeglądu znaczenia i zatwierdzonych sygnałów sprzężenia zwrotnego. Jego celem jest pomoc biznesowi w zrozumieniu zachowań wyszukiwania, luk i możliwości w katalogu, w tym przeglądów wyników zerowych, mapowania języków użytkownika i priorytetowo ulepszeń katalogu.
Uchwyć wystarczająco dużo kontekstu, aby wyjaśnić podróż wyszukiwania
Przechowuj surowe zapytanie, znormalizowaną wartość porównawczą, znacznik czasu, rynek, klasę urządzeń, liczbę wyników i sesyjne zdarzenia podróży. Gdy dostępne, podłącz zapytanie do produktów pokazanych, kliknięcia, udoskonalenia, widoki na produkt, zdarzenia add- to- cart i zakupy. Zachowaj surowe sformułowania, ponieważ zawiera język klienta; użyj znormalizowanej wartości tylko do grupowania oczywistych wariantów, takich jak kapitalizacja, spacja biała i formy mnogie.
Zwiększony pomiar Google Analytics może emitować zdarzenie view _ search _ results, gdy zostanie wyświetlona strona wyników i umieścić zapytanie w parametrze search _ term. Jest to użyteczny punkt wyjścia, ale widok strony wyników nie dowodzi, że wyniki były istotne. Liczba wyników, kolejność i późniejsze zachowanie stanowią brakujący kontekst.
Należy przestrzegać minimalizacji danych. Pola wyszukiwania czasami otrzymują adresy e-mail, numery zamówień, numery telefonów lub inne dane osobowe. Wyłączenie lub zmiana tych wartości przed analizą, ograniczenie zatrzymywania i dostępu oraz unikanie wysyłania do systemów analitycznych informacji identyfikowalnych osobiście. Celem jest zrozumienie wzorców popytu, a nie identyfikacja indywidualnego gościa.
- Surowe zapytanie i znormalizowana wartość grupowania
- Rynek, język, urządzenie i znacznik czasu na sesjach
- Liczba wyników i wyświetlane produkty
- Kliknięcia, udoskonalenia, wyjścia, imprezy add- to- cart i zakupy
- Znane ograniczenia giełdowe lub rynkowe w momencie przeszukania
- Filtr prywatności i udokumentowany okres retencji
Oddziel pięć różnych wyników wyszukiwania
Jedna kolumna wyników zerowych ukrywa kilka różnych problemów. Utwórz kohorty opisujące to, co stało się po zapytaniu. Zacznij bez rezultatu, wyników, ale bez kliknięcia, kliknął następnie zwrócony i przeformułowany, kliknął z przydatnych działań handlowych, i udanej podróży, która zakończyła się w zakupie lub inny uzgodniony wynik.
Raporty o zachowaniu Shopify wyróżniają wyszukiwanie poprzez zapytanie, wyszukiwanie bez kliknięć, wyszukiwanie bez wyników i konwersje wyszukiwania w czasie. Ta separacja ma znaczenie: zapytanie z wynikami, ale bez kliknięć sugeruje problem z istotnością lub prezentacją, podczas gdy zapytanie bez wyników może wskazywać brakujący język, brakujące dane lub brakujący zakres. Udane zapytanie jest również dowodem; pokazuje, które sformułowanie klienta już mapuje przydatny wynik.
Przegląd tendencji według tygodnia i rynku zamiast reakcji na jedną nietypową sesję. Rachunek za zgłaszanie opóźnień i filtrowanie bota tam, gdzie platforma go obsługuje. Zachowaj definicje kohorty na tyle stabilne, aby porównać je przed i po zmianie.
Utajnienie przyczyny przed wybraniem poprawki
Dla każdej istotnej grupy zapytania należy sprawdzić rzeczywiste wyniki i dowody katalogowe. Przypisz jedną główną przyczynę i każdy współpracownik. Spójne etykiety sprawiają, że kolejka wymierna i pomagają biznesowi sprawdzić, czy największym problemem jest zakres, jakość danych, język, ranking lub poradnictwo klienta.
Zapytanie o brakujący zakres opisuje produkt, którego firma nie sprzedaje. Luka terminologiczna występuje, gdy produkt istnieje, ale słowa klienta nie pojawiają się w danych wyszukiwania. Luka atrybutów oznacza, że produkt istnieje jeszcze rozmiar, kompatybilność, materiał lub specyfikacja niezbędne do jego odzyskania jest nieobecny lub niespójne. Znaczenie problem zwraca produkty, ale najsilniejszy mecz jest pochowany. Dostępność i luki rynkowe występują, gdy produkt istnieje globalnie, ale nie można go kupić w lokalizacji odwiedzającego. Pytania dotyczące wytycznych zadają pytanie, które może wymagać porównania treści lub przewodnika zakupów.
Nie tworzyć automatycznie synonimów dla każdej nieudanej frazy. Synonim łączący różne specyfikacje lub niekompatybilne części może sprawić, że wyszukiwanie będzie bardziej ruchliwe, a wybór produktu będzie mniej bezpieczny. Przed zatwierdzeniem równoważności technicznej wymagane są dowody pochodzące z danych dotyczących produktu lub z fachowego recenzenta.
- Brak możliwości produktu lub zakresu
- Terminologia klienta nieprzedstawiona w katalogu
- Brak lub niespójne atrybut wyszukiwania
- Słabe ranking lub zbyt szerokie dopasowanie
- Niedostępne ograniczenia dotyczące zapasów, kanałów lub rynku
- Pytanie o nawigację, politykę lub doradztwo, a nie o popyt na produkt
- Hałas, aktywność bota lub zapytanie, które należy wykluczyć
Priorytet według wartości, tarcia i pewności
Częstotliwość zapytań jest użyteczna, ale nie powinna być jedyną zasadą priorytetową. Częste niejasne zapytanie może być mniej cenne niż mniejsza grupa precyzyjnych, wysokiej intencji wyszukiwań elementu, który firma jest wyposażona do sprzedaży. Zbuduj prosty wynik z częstotliwości popytu, tarcie klienta, znaczenie biznesowe i zaufanie do diagnozy.
Tarcie klienta wzrasta, gdy zapytanie wielokrotnie nic nie zwraca, nie powoduje kliknięć lub powoduje kilka zmian. Znaczenie biznesowe może odzwierciedlać marżę, zasięg strategiczny, dostępność, rynek i koszt obsługi wniosku. Pewność siebie powinna być większa, gdy ta sama potrzeba pojawia się podczas wielu sesji, ma wyraźny mecz katalogowy i został zweryfikowany przez specjalistę produktu.
Zachowaj formułę do wyjaśnienia. Przeglądarka powinna być w stanie zobaczyć, dlaczego element znajduje się w pobliżu górnej części kolejki i zmienić nieprawidłową klasyfikację. Automatyczne ranking może organizować dowody; nie powinno przekształcać domyślnego synonimu ani niewspieranego założenia popytu w niewidzialną zmianę produkcji.
Konkretny przykład: poszukiwanie części technicznych
Wyobraź sobie, że detalista części widzi powtarzające się wyszukiwanie 'dolnego wałka Takeuchi TL12', 'wałka TL12' i znanego odniesienia OEM. Pierwsze zapytanie nic nie zwraca, drugie zwraca wiele ogólnych rolek bez kliknięcia, a odniesienie znajduje właściwy produkt. Traktowanie ich jako trzech niepowiązanych wierszy podważa możliwość.
Specjalista od produktów potwierdza, że klienci używają wałków dolnych i tocznych dla tego samego składnika w tym kontekście katalogowym i weryfikuje, które warianty TL12 są kompatybilne. Zespół danych przechowuje stabilne identyfikatory produktu, dodaje zatwierdzoną terminologię, rejestruje atrybut zgodności i sprawdza, czy odniesienie OEM pozostaje do przeszukania. Właściciel wyszukiwania sprawdza, czy dokładne kompatybilność modelu powinno rangi powyżej ogólnych meczów tekstu.
Pozycja robocza zawiera surowe zapytania, sesje, aktualne wyniki, zatwierdzone dowody produktu, proponowane zmiany katalogu i właściciela. Po wydaniu, zespół porównuje tę samą kohortę zapytań przez określony okres: pokrycie wyników, szybkość kliknięć, wykwalifikowane widoki produktów i aktywność add- to- cart. Jeśli nieistotne produkty zaczynają otrzymywać kliknięcia, zespół bada raczej niż deklarując sukces z niższej liczby wyników tylko.
Jeżeli sprzedawca detaliczny nie przechowuje kompatybilnego wałka, wynik jest inny. Zapytanie staje się decyzją zakresu obsługiwaną przez obserwowany popyt. Firma może pozyskiwać produkt, kierować klientów do uczciwej alternatywy, gdy istnieje, lub publikować jasne wytyczne. Nie powinno ono zmuszać produktu niezgodnego do uzyskania wyników.
Zamień zatwierdzone ustalenia w prace katalogowe
Każde przyjęte znalezisko powinno stworzyć najmniejszą odpowiednią zmianę. Terminologia może należeć do synonimu, tytułu produktu, opisu lub atrybutu strukturalnego w zależności od jego znaczenia. Zgodność należy do danych dotyczących produktów regulowanych, nie tylko do kopii promocyjnej. Luka w zakresie należy do zakupu i sprzedaży. Pytanie dotyczące wytycznych może wymagać treści związanych z wynikami wyszukiwania.
Zachowaj tożsamość produktu i wariantu przy zmianie zapisów katalogowych. Używać stabilnych identyfikatorów platformy i regulowanych identyfikatorów źródeł, tak aby wzbogacanie docierało do zamierzonej pozycji. Tytuły, uchwyty i opisy zmieniają się zbyt często, aby służyć jako bezpieczne klucze pasujące. Zarejestrować wartość przed, proponowaną wartość, dowody, zatwierdzający i wynik wdrożenia.
Podobne prace partii, gdzie poprawia spójność, ale podgląd produktów dotkniętych przed publikacją. Współdzielony synonim lub mapowanie atrybutów może zmienić wiele zestawów wyników. Podgląd powinien pokazywać zarówno zamierzone zyski, jak i oczywiste kolizje, szczególnie w przypadku nazw modeli, skrótów i terminów technicznych.
Porównaj wyszukiwanie wewnętrzne z zewnętrznym popytem
Google Search Console 's Performance' s Report grupuje zewnętrzne dane Google Search według zapytań i zapewnia kliknięcia, wrażenia, klikanie przez kurs i średnią pozycję. Porównaj ten język z wewnętrznym wyszukiwaniem w celu znalezienia wzorców, ale nie łącz zbiorów danych tak, jakby zmierzały tę samą podróż.
Zewnętrzne pytania opisują, jak ludzie napotkali stronę w wynikach wyszukiwania Google. Wewnętrzne pytania opisują to, o co prosili goście po dotarciu na stronę. Termin z wieloma wrażeniami Google, ale małe wyszukiwanie na miejscu może już mieć silną stronę docelową. Częste zapytanie na miejscu z niewielką widocznością Google może ujawnić tarcie nawigacyjne, zadanie zwrotu klienta lub możliwość dedykowanej strony.
Użyj porównania do stworzenia hipotezy. Następnie należy sprawdzić strony wyładunkowe, zestawy wyników, zapisy katalogowe i kontekst handlowy przed zmianą kopii SEO lub danych produktu. Różne przypisywanie, progi prywatności, zakresy terminów i zasady agregacji mogą powodować wyraźne rozbieżności, które nie są wadami katalogowymi.
Uruchom kontrolowaną pętlę sprzężenia zwrotnego
Przydatny proces wywiadowczy powtarza się w przewidywalnym cyklu. Zbierz stabilny okres danych, grupować i klasyfikować zapytań, przeglądać dowody najwyższej wartości, zatwierdzać konkretne zmiany, publikować je przez odpowiedzialny system i mierzyć te same kohorty ponownie. Zachować okres kontroli lub niezmieniona grupa zapytań, jeśli jest to praktyczne.
Zmierz razem kilka wyników: wskaźnik nierezultatu, wskaźnik niekliknięcia, wskaźnik przeformułowania, użyteczne kliknięcia produktu, aktywność add- to- koszyka i wyniki zakupu, gdzie objętość jest wystarczająca. Należy również śledzić środki operacyjne, takie jak czas na zaklasyfikowanie luki, czas na opublikowanie korekty, powtarzające się wyjątki i procent proponowanych zmian odrzuconych w przeglądzie.
Unikać pogoni za codziennym hałasem. Popyt sezonowy, kampanie, zmiany na giełdzie i uwolnienie strony mają wpływ na zachowanie wyszukiwania. Zapisać te zdarzenia, porównać równoważne okresy i zachować oryginalne dowody zapytania, aby późniejszy recenzent może zrozumieć, dlaczego decyzja została podjęta.
Częste błędy, które czynią dane wyszukiwania mylącymi
Pierwszym błędem jest równanie mniej zerowych wyników wyszukiwania z lepszym odkryciem. Szerokie dopasowanie może zmniejszyć zera przy jednoczesnym pojawieniu się nieistotnych produktów. Drugim jest liczenie kliknięć jako sukcesu bez sprawdzania, czy odwiedzający natychmiast wrócili, udoskonalił zapytanie lub porzucił podróż.
Innym błędem jest przepisywanie tytułów produktów wokół każdej frazy. Tytuły nadal muszą jasno identyfikować produkty; język klienta można uchwycić poprzez odpowiednie opisy, atrybuty ustrukturyzowane i regulowane mapowania wyszukiwania. Zespoły tracą również zaufanie, gdy grupa raportów w przeciwieństwie do zapytań technicznych lub po cichu odrzucić rzadkie, ale komercyjnie ważne wyszukiwania.
Wreszcie, nie pozwól, aby narzędzie wnikliwości stało się nieocenionym systemem wydawniczym. Działalność poszukiwawcza jest dowodem intencji klienta, a nie dowodem równoważności produktu, przydatności prawnej, zgodności lub popytu handlowego. Zatwierdzone sygnały zwrotne i odpowiedzialni właściciele utrzymują pętlę użyteczną.
Wyszukaj listę kontrolną obsługi wywiadu
- Zdefiniuj katalog, ranking, zawartość i zakres decyzji, które dane mogą wywołać.
- Przechwytywanie surowych zapytań, kontekstu rezultatu i kolejnych wydarzeń podróży.
- Filtruj dane osobowe, boty i znany wewnętrzny ruch testowy.
- Oddzielny wynik, niekliknięcie, przeformułowanie i pomyślne wyszukiwanie.
- Przed zaproponowaniem poprawki należy sklasyfikować każdą materialną grupę zapytań.
- Priorytetem jest częstotliwość, tarcie, znaczenie biznesowe i pewność siebie.
- Użyj stabilnych identyfikatorów produktów i wariantów dla każdej zmiany katalogu.
- Podgląd wspólnych mapowań i zmiany o dużym oddziaływaniu przed publikacją.
- Utrzymuj wewnętrzne wyszukiwanie stron innych niż zewnętrzne raportowanie wyszukiwania Google.
- Zmierz te same kohorty po zwolnieniu i ponownym otwarciu pracy, gdy znaczenie pogarsza.
ZASOBY WŁASNE
Wytyczne stosowane w niniejszym artykule
PRZEGLĄD PYTAŃ
Pytania dotyczące integracji ecommerce i zawartości wyszukiwania AI
Czym jest ecommerce search intelligence?
Jest to proces wykorzystywania danych z zapytania na miejscu, wyników i podróży w celu zidentyfikowania luk w poszukiwaniach i przekształcenia ich w priorytetowy katalog, znaczenie, treść lub zakres decyzji.
Czy zapytanie o wynik zerowy jest zawsze dowodem na brak produktu?
Nie. Może wskazywać na brakujący produkt, inną terminologię klienta, brak atrybutów, ograniczenie rynku, pytanie, które wymaga poradnictwa lub po prostu hałasu. Przegląd katalogu i kontekstu rezultatu przed wyborem fix.
Jaki rozmiar wyszukiwania powinniśmy nadać priorytetowo?
Użyj kilku razem. Częstotliwość pokazuje skalę, podczas gdy brak wyników, brak kliknięć i zachowanie reformulacji wykazują tarcie. Dodaj znaczenie biznesowe i pewność siebie tak popularne, ale niejasne zdanie nie automatycznie przewyższa precyzyjną potrzebę handlową.
Czy wewnętrzne warunki wyszukiwania powinny być kopiowane do tytułów produktów?
Tylko wtedy, gdy sformułowanie dokładnie poprawia identyfikację produktu. Inne terminy mogą należeć do opisów, atrybutów strukturyzowanych lub nazw synonimowych. Należy zawsze sprawdzać równoważność techniczną i zgodność.
W jaki sposób M.I.A.I przeszukuje wywiad?
M.I.A.I Search Intelligence jest przeznaczony do analizy zapytań, odkrywania luk w wyszukiwaniu, przeglądu znaczenia i organizacji zatwierdzonych sygnałów sprzężenia zwrotnego, aby zespoły mogą mapować język klienta i priorytetowo ulepszeń katalogu.
