Halaman ini berfungsi sebagai panduan untuk menerapkan pemfilteran produk percakapan untuk AI Commerce Search. Dokumen ini memberikan praktik terbaik yang didukung data untuk memastikan penerapan pemfilteran produk percakapan yang berhasil untuk bisnis retail menengah hingga besar.
Pemfilteran produk percakapan AI Commerce Search adalah alat yang didukung AI yang mengubah penelusuran menjadi pengalaman terpandu untuk menemani pembeli saat mereka berinteraksi dengan katalog produk besar. Saat pengguna situs melakukan penelusuran luas (seperti meja kopi atau gaun merah) yang menampilkan ribuan hasil, pemfilteran produk percakapan akan meminta mereka secara cerdas dengan pertanyaan lanjutan untuk mempersempit opsi dengan cepat.
Kasus penggunaan bisnis
Kemampuan pemfilteran produk percakapan dalam penelusuran terpandu dirancang khusus untuk menangani kueri penelusuran yang luas, ambigu, atau sangat bernuansa. Menerapkan filter untuk mempersempit hasil akan meningkatkan pendapatan dan engagement pengguna secara signifikan.
Tujuan utama pemfilteran produk percakapan adalah membantu pembeli menemukan item yang tepat dengan cepat dan intuitif.
Bisnis menggunakan pemfilteran percakapan untuk:
- Mempercepat penemuan produk: Membantu pembeli mempersempit pilihan produk yang luas dengan cepat (seperti beralih dari 5.000 karpet area ke beberapa ratus hasil yang ditargetkan) dengan mengajukan pertanyaan yang relevan.
- Menyempurnakan personalisasi: Pertanyaan dan opsi pilihan ganda bersifat kustom untuk setiap kueri, berdasarkan data penggunaan filter historis untuk kueri tertentu tersebut (meja kopi secara historis lebih sering difilter berdasarkan warna daripada ukuran, sehingga warna dapat ditanyakan terlebih dahulu).
- Menyederhanakan penerapan: Pertanyaan telah ditetapkan untuk atribut produk, seperti warna dan lebar, dengan satu pertanyaan per atribut.
Percakapan satu arah
Pemfilteran produk percakapan beroperasi sebagai percakapan satu arah yang menemani pembeli sepanjang perjalanan penelusuran mereka di situs ecommerce. Model AI mengajukan pertanyaan kepada pembeli, dan pembeli menjawab.
Pembeli memulai kueri penelusuran, seperti karpet area.
Situs retail menampilkan 80+ halaman hasil produk.
AI Commerce Search mengajukan pertanyaan kepada pembeli di situs untuk membantu mempersempit penelusuran mereka. Contoh: Warna apa yang Anda cari?
Pembeli memilih jawaban dari daftar opsi pilihan ganda. Contoh: biru
Hasil produk di halaman langsung difilter berdasarkan pilihan pembeli.
Penelusuran kemudian menampilkan pertanyaan lanjutan berikutnya yang paling relevan. Contoh: Bentuk apa yang Anda cari?
Gambar 1. Perjalanan pengguna pemfilteran percakapan.
Pembuatan pertanyaan
AI memeriksa nama dan nilai atribut dari katalog produk dan membuat satu pertanyaan per atribut.
Contoh
- Nama atribut:
Coffee table shape - Nilai:
"Round","Square","Oval" - Pertanyaan yang dibuat: Bentuk meja apa yang Anda inginkan?
Mengedit dan menyetujui pertanyaan
Retailer meninjau dan mengedit pertanyaan yang dibuat untuk relevansi dan nada.
Contoh
- Lewati pertanyaan: Berapa berat Anda? (Tidak relevan/tidak aman)
- Edit pertanyaan: Bentuk
meja apa yang Anda inginkan?→ Bentuk apa yang Anda cari? (Penyusunan kata yang lebih baik)
Perencanaan percakapan
AI menggunakan data penggunaan filter pelanggan untuk menentukan urutan pertanyaan yang optimal dan opsi pilihan ganda terbaik.
Contoh
- Kueri pelanggan: Meja kopi
- Pertanyaan #1: Bentuk (filter yang paling sering digunakan)
- Opsi pilihan ganda: Oval, Square, dan Round
Menampilkan pertanyaan
Pertanyaan yang dibuat dan opsi pilihan ganda ditampilkan kepada pengguna dalam respons API yang sama dengan hasil produk.
Contoh visual di antarmuka chat
- AI:
Bentuk apa yang Anda cari?
- Opsi:
Round Rectangular Oval Square Triangle Corner
Pemrosesan jawaban
Sistem memproses pilihan ganda dan jawaban yang dimasukkan pengguna.
Pengguna kemudian melakukan salah satu tindakan berikut:
- Pelanggan memilih pilihan ganda →
<Add a filter> - Pelanggan mengetik jawaban sendiri →
<Run synthetic query>
Peningkatan berulang dengan pengujian
Pemfilteran produk percakapan adalah pengoptimalan yang memerlukan penyempurnaan berkelanjutan dan keputusan berbasis data. Tujuannya adalah memaksimalkan kemampuan fitur untuk mengumpulkan insight pengguna dengan memahami perilaku pembeli dan menyesuaikan desain untuk mendorong daya tarik pengguna.
Dipengaruhi oleh berbagai faktor, seperti tren pasar, penawaran pesaing, dan perubahan preferensi pribadi, perilaku pembeli bersifat dinamis dan berkembang dari waktu ke waktu. Anda harus terus bereksperimen dan melakukan iterasi pada desain, serta menguji pendekatan baru saat mengumpulkan lebih banyak data dan mengamati cara pembeli berinteraksi dengan fitur AI. Siklus eksperimen, analisis data, dan penyempurnaan yang berkelanjutan ini membantu memastikan bahwa fitur AI tetap relevan, efektif, dan dioptimalkan untuk basis pengguna Anda yang terus berkembang.
Tinjau metrik performa secara berkala, lakukan survei pengguna, dan analisis masukan untuk mengidentifikasi area yang perlu ditingkatkan dan peluang baru untuk inovasi. Komitmen terhadap iterasi berkelanjutan adalah kunci keberhasilan jangka panjang dalam penerapan fitur AI.
Pelajaran yang diperoleh
Pelajaran yang diperoleh berikut terjadi setelah pengujian berturut-turut:
- Terus bereksperimen: Hasil yang optimal sering kali bukan desain pertama yang Anda coba.
- Lakukan iterasi dan sesuaikan: Perilaku pengguna terus berkembang. Terus lakukan iterasi pada desain dan uji pendekatan baru saat Anda mengumpulkan lebih banyak data dan mengamati cara pembeli berinteraksi dengan fitur tersebut.
- Di luar A/B: Jangan batasi diri Anda hanya pada pengujian A/B, yang membandingkan dua versi. Sebagai gantinya, lakukan banyak pengujian A/B/C/D/E/F untuk menjelajahi berbagai desain UI dan opsi penempatan yang lebih luas.
Metrik utama untuk pengoptimalan
Untuk mengoptimalkan AI Commerce Search secara efektif, penting untuk menentukan dan melacak metrik yang relevan yang memberikan insight tentang engagement dan kepuasan pengguna, serta dampak keseluruhan fitur. Metrik utama yang perlu dipertimbangkan meliputi hal-hal berikut:
- Rasio konversi: Persentase pengguna yang menyelesaikan tindakan yang ditargetkan, seperti melakukan pembelian.
- Skor kepuasan pengguna (seperti NPS, CSAT): Masukan langsung dari pengguna tentang pengalaman mereka dengan fitur AI yang memberikan insight kualitatif tentang kegunaan dan nilai yang dirasakan.
- Rasio adopsi: Persentase pembeli yang secara aktif menggunakan pemfilteran produk percakapan yang menunjukkan visibilitas dan utilitas yang dirasakan.
Pertanyaan lanjutan dalam penelusuran
Jika pemfilteran produk percakapan diaktifkan, pertanyaan lanjutan di situs akan mendorong percakapan yang terjadi hingga salah satu dari tiga skenario berikut terjadi:
- Jumlah produk minimum yang telah dikonfigurasi sebelumnya tercapai (percakapan tidak berguna jika hanya dua produk yang muncul).
- Pengguna mengklik produk dan menambahkannya ke keranjang (tujuannya).
- Pemfilteran produk percakapan kehabisan pertanyaan yang dibuat AI.
Menggunakan sebagai alternatif untuk faset dinamis
Faset dinamis dikaitkan dengan kueri luas dan jumlah hasil penelusuran yang tinggi, yang menyebabkan pendapatan per kueri rendah. Pengguna akhir dapat merasa kewalahan saat melihat puluhan ribu hasil dan mengabaikan penelusuran. Penelusuran percakapan dapat menyaring kueri dan dapat digunakan dengan faset dinamis. Pemfilteran produk percakapan menawarkan beberapa keunggulan dibandingkan faset dinamis, karena lebih alami, lebih interaktif, dan menggunakan lebih sedikit ruang di halaman.
Untuk mengetahui informasi selengkapnya, lihat halaman Faset.
Mengedit pertanyaan generatif
Pemfilteran produk percakapan mendorong interaksi manusia dalam loop dengan pertanyaan AI generatif dengan memungkinkan retailer mengedit, menimpa, atau membatalkan pilihan pertanyaan yang dibuat AI sesuai dengan preferensi mereka, berdasarkan katalog yang diupload. Pertanyaan dapat diedit atau dinonaktifkan satu per satu atau secara massal di konsol AI Commerce Search di Gemini Enterprise for Customer Experience atau API untuk menyesuaikan pertanyaan yang ingin ditampilkan dalam penelusuran.
Kesimpulan
Integrasi pemfilteran produk percakapan dalam platform perdagangan Anda memberikan cara untuk meningkatkan pengalaman pengguna secara signifikan dan mendorong peningkatan besar dalam rasio konversi pengguna. Hal ini berlaku untuk kueri kategori luas, yang sering kali membuat pengguna Anda menghadapi berbagai pilihan yang sangat banyak dan kesulitan untuk mempersempit preferensi mereka dengan cepat.