哪些电子商务搜索计量显示客户是否在寻找产品?

为什么一个搜索KPI给出错误的答案

较低的零结果率可以看起来像进步,即使宽度匹配用不相干的产品填满了页面. 如果客户打开第一个结果,发现它是错误的,并立即再次搜索,更高的点击率也可以误导. 购买率很重要,但低量技术产品可能无法产生足够的订单,无法进行稳定的日常计量.

使用一个小计分卡,每个公分卡都回答不同的问题. 覆盖 问系统是否返回任何东西。 业务约定询问一项结果似乎是否足以检查。 Progression询问搜索之行是否走向了业务结果. 经审查的关联性询问,正确的产品是否排名高,包括尚未获得足够流量的查询.

M.I.A.I.Search Intelligence旨在分析查询,发现搜索缺口,审查相关性并组织经批准的反馈信号. 目的是让搜索行为可以采取行动,而不把方便的号码变成一个不支持的结论.

从精确的测量边界开始

确定在计算费率之前包含哪些搜索。 说明存储面、市场、语言、设备范围、日期范围以及预测搜索选择是否与提交的搜索页分开计算。 不包括由隐私过滤器去掉的工作人员测试、已知值和值.

保存每个有效搜索的原始事件记录,并对资本化或周围空间等明显差异进行分组的正常比较值。 保存原始查询,因为它包含客户语言. 不要仅仅因为文本规范化规则使其看起来相似而合并技术模型编号,大小或部分引用.

按搜索会话和原始事件计数测量。 一个受挫的客户可以提出若干改进意见。 活动计数显示工作量;基于会话的衡量方法有助于说明有多少客户旅行遇到这一问题.

第一层:衡量结果覆盖面

结果覆盖是返回至少一个结果的有效搜索的百分比。 其对应的是无结果率。 按查询组、市场和设备分拆,而不是只依靠全店的平均值.

Shopify通过查询和搜索提供单独的搜索报告,没有结果. 它还警告说,搜索报告可被延迟至72小时. 使用完整的报告窗口并避免将最近一天作为最终日期.

覆盖面查明了一个检索漏洞,而不是其原因。 零结果查询可能代表企业不销售的产品、产品数据中缺少的客户术语、缺少的适配属性、市场限制、拼写问题或噪音。 结果只是成功的第一个条件.

• 结果覆盖 = 有一个或多个结果被有效搜索除以的搜索.
• 无结果率 = 无结果的搜索除以有效搜索.
• 报告重复的查询组与孤立的长尾搜索分开.
• 为私人数据,bots和内部测试保留一个例外列表.

第二层:衡量有用的参与

搜索点击率是指客户从结果集中打开一个产品进行搜索的部分. 不点击率暴露了返回产品的查询,但没有说服客户检查任何产品.

Shopify的搜索没有点击报告 专门列出返回结果但没有收到客户点击的搜索条件 。 它随时间推移的搜索转换报告会分出会话,有点击,加码和购买. 这个漏斗比把每个结果页合并成一个成功点子更能说明问题.

点击仍然是中间信号. 在现有分析方法允许的情况下,添加一个短击或重排检查。 如果客户反复打开一个结果并用修改后短语返回搜索,那么第一个排名可能已经具有吸引力,但并不有用.

第三层:遵循商业进展

测量导致商定下游行动的搜索会话的百分比:合格的产品视图、加到手推车、查询、引用请求或购买。 选择符合业务模式的结果,而不是将每个目录强制纳入只购买的定义.

Shopify 使用会话定义搜索转换阶段,并点击结果,添加到目录和购买. 它注意到搜索跟踪取决于使用通过搜索结果返回的URL的主题,而Buy Button或第三方应用购买不包含在本报告中. 记录这些限制,然后将数字与总库存订单进行比较.

使用商业进程来比较类似查询组 。 寻找低成本的库存辅料和寻找配置的工业产品有不同的购买历程. 与各自的基线、市场供应情况和股票状况进行比较.

第四层:直接评分质量

行为衡量标准不能充分判断相关性。 客户可以点击一个受欢迎或视觉突出的产品,即使更好的配对位置较低。 创建包含重要高卷名词,技术标识符,相容性搜索,困难同义词和已知故障等内容的审查查询集.

对于每个测试查询,记录哪些产品是相关的,并在有用的地方进行分级. 在排名变化前后运行相同的查询. Elasticsearch的分级评价API支持措施,包括K的精度,K的回想,指对等的分级和被折扣的累积收益. 这些衡量标准回答了不同的问题,即有多少检索到的物品是相关的,以及最佳或分级结果的出现程度如何.

一套经过仔细审查的小问题比作为基本事实提出的几千起无标签的询问更有价值。 产品专家应核准技术相关性,特别是兼容性、替换部件和受管制产品.

使用 GA4 搜索事件作为证据, 而不是完整的判决

Google Analytics 记录了用户在显示搜索结果时的视图 search results事件. 该事件可以包括搜索-定期参数,并识别该术语在会话中是否独一无二. 这有助于将搜索活动与更广泛的旅程联系起来.

View search results事件没有说明出现了多少个产品,它们是否相关,或者哪些结果位置可见. 在需要和允许这些字段时,通过核准的计量设计,添加结果计数,显示产品标识符并选定结果位置.

在建立计分卡前验证收藏 。 请检查access-date=中的日期值 (帮助) 请检查access-date=中的日期值 (帮助) 请检查access-date=中的日期值 (帮助) 请检查access-date=中的日期值 (帮助) 查询参数是否一致被捕获,预测搜索不重复计算,输入到搜索框的个人信息是否被过滤而不是被发送到分析中.

具体实例:测量技术部分搜索

想象一个商店在一周内收到1000个有效的搜索会话. 九百回至少一个结果,所以结果覆盖率为90%. 在这900个培训班中,540个培训班的产品点击,135个培训班的产品加入推车,45个培训班的首发。 标题数字是有用的,但是它们没有指明哪些查询需要工作.

团队按客户需求分组询问. 使用精确的 OEM 引用的搜索覆盖率为98%,进展强劲. 机器和部件搜索返回的结果为92%的会话,但无点击率很高。 经审查的样本显示,通用部件超出了可兼容的模型特定产品。 广泛的产品-家庭搜索收到许多点击,但也重复了重制.

第一个优先事项不是最小的百分比。 该团队固定了高价值的机器与部分的排名,因为正确的产品存在并有证据表明它们被埋了. 它分别为缺失的模型属性创建了目录工作,并要求商品交易来审查真正的范围差距. 每个更改都有查询组、所有者和释放前基线.

四周后,再次测量了同样的经审查的查询和可比的活体组群。 覆盖面几乎保持不变,但对于受影响的搜索来说,点击和加载进进增加是有用的,而所审查的最高结果的准确性则有所提高。 这比声称成功更有证据,因为零结果率上升了一个百分点.

比较前部分

全库平均值隐藏在搜索失败的地方 。 按市场、语言、设备、新来或返回的访客(如果允许)、产品家庭、查询意图和股票状况分类。 移动不点击问题可能是一个演示问题;市场特有的零结果问题可能是可用性而不是检索.

说明运动、目录进口、库存事件、主题发布和搜索规则变化。 Shopify于2026年9月21日至23日开始展开会话测量,并警告说,基于会话的衡量标准可能有所不同而不会发生根本的行为变化。 计量变化必须与产品发现变化相分离.

使用等同的日期范围,并允许已知的延迟报告。 当季节性重要时,与整个星期进行比较,避免判断变化,而推广的范围、库存位置或跟踪执行情况则大相径庭.

为每次改进设置护栏

每一次优化都应列出预期会改进的衡量尺度和绝不能恶化的衡量尺度。 扩大同义词可能提高覆盖面,但降低精度。 推广受欢迎产品可能会增加点击量,同时将相容产品推倒. 隐藏无法获取的项目可能改善转换,但增加无结果的需求.

使用前后的查询组、经过审查的相关性集和业务检查。 确认结果中显示的产品标识、市场、价格和股票是正确的。 在受控批次中保持可逆变化并放出宽度匹配或排序变化.

如果在护栏变坏的同时有1个公尺的改善,则重新开放工程项目。 搜索情报应使权衡结果明显可见,而不是将其压缩成一个无法解释的复合分数.

建立一个记分卡 人们可以采取行动

一个有用的周记分卡适合一页。 显示全部有效的搜索会话, 覆盖, 不点击率, 向所选结果推进, 被审查的关联性和最优先查询例外 。 在数字旁边包含报告窗口、分割和收集限制.

在每一种例外情况下,显示原始客户措辞、当前结果实例、受影响的会话、可能的原因、拟议所有人和信心。 搜索团队可以调谐检索,产品数据团队可以修复属性,交易可以决定范围漏洞,内容团队可以回答指导问题.

不以一个全库的转换率对队伍进行排名. 搜索数据反映了目录宽度、流量组合、库存、定价和计量质量以及搜索行为。 使用计分卡来决定工作和核实变化,而不是隐藏不确定性.

实际衡量周期

1. 冻结报告定义,隐私过滤和查询正常化规则.
2. 收集覆盖、参与和进展的完整可比期间.
3. 维持一套经过审查的与重要而困难的询问的相关性.
4. 分块材料缺口并检查返回的实际产品.
5. 指定最小的适当目录、搜索、内容或范围变化.
6. 对照稳定的产品标识符进行预览并批准修改.
7. 度量释放后设定的相同组群和相关性.
8. 保留、修正或倒置根据完整的记分卡作出的更改.

搜索质量测量清单

• 定义存储前端、市场、语言、设备、日期范围并包括搜索经验.
• 单独进行原始搜索,规范查询组和搜索会话.
• 衡量结果覆盖率和无结果率.
• 测量点击、不点击和可重写.
• 遵循合格的产品浏览、加码、查询或采购.
• 维持已核准的对受控查询集的相关判断.
• 比较前按目录和行程背景分列.
• 注释跟踪、主题、股票、竞选和目录变化.
• 使用护栏来进行更广泛的检索不能掩盖更不切实际的关联性.
• 将重大例外变成自有的、可审查的工作项目.