Panduan pengalaman pengguna pemfilteran percakapan

Penerapan yang berhasil dari pemfilteran produk percakapan bergantung pada desain pengalaman pengguna yang dipikirkan dengan matang.

Elemen tampilan visual

Penempatan dan tampilan filter percakapan sangat memengaruhi efektivitasnya.

Tata letak vertikal versus horizontal

Berikut beberapa pertimbangan untuk menentukan apakah akan mendesain tata letak vertikal atau horizontal:

  • Rekomendasi: Prioritaskan desain yang berorientasi horizontal dan rapat secara vertikal. Tindakan ini meminimalkan risiko hasil produk didorong ke bawah layar.

  • Alasan: Jika filter ditampilkan secara horizontal di bagian atas, filter dapat mendorong hasil produk ke bawah halaman, yang meningkatkan biaya fitur dengan mengurangi visibilitas produk langsung. Selain itu, meminimalkan ruang kosong di antara elemen dapat menambah ruang utama di halaman web untuk menampilkan kartu produk tambahan.

Menangani atribut panjang

Jika opsi pilihan ganda panjang (seperti nama merek), jangan bungkus ke baris baru karena akan menambah tinggi elemen. Sebagai gantinya, izinkan mereka meluas secara horizontal dari halaman dan aktifkan scroll samping.

Berikut adalah contoh penerapan scroll horizontal:

Contoh tampilan elemen horizontal

Penempatan yang optimal

Pertimbangkan untuk menempatkan filter percakapan setelah 3-5 baris produk. Pendekatan ini mencegah elemen percakapan menggantikan daftar produk awal.

Pelajaran penting untuk penempatan ini adalah bahwa kolom pemfilteran percakapan harus sekecil mungkin secara vertikal. Jika fitur pemfilteran produk percakapan ditempatkan di posisi yang mencolok, fitur ini dapat menggeser tampilan produk lebih jauh ke bawah halaman, sehingga tidak terlihat langsung. Hal ini dapat menjadi kekurangan, karena pembeli melihat lebih sedikit produk. Oleh karena itu, produk yang terlihat harus serelevan mungkin.

  • Samping (vertikal) versus atas (horizontal): Pertimbangkan untuk menempatkan filter percakapan setelah 3-5 baris produk. Pendekatan ini mencegah elemen percakapan menggantikan daftar produk awal.

  • Pertimbangan yang kuat: Jika pemfilteran produk melalui percakapan menjadi metode utama Anda untuk mempersempit pilihan produk, pertimbangkan untuk meminimalkan atau mengganti sepenuhnya kolom filter manual Anda. Dengan begitu, Anda dapat menambahkan kolom item produk lainnya.

Desktop dan perangkat seluler

Meskipun penerapan di desktop telah terbukti berhasil, hasil di perangkat seluler kurang konsisten dan menunjukkan peningkatan performa keseluruhan yang lebih rendah. Ukuran layar yang terbatas di perangkat seluler memerlukan pendekatan penempatan yang lebih kreatif dan disengaja.

  • Rekomendasi: Prioritaskan penerapan desktop daripada seluler, pada awalnya. Ukuran layar yang lebih besar di desktop memungkinkan fleksibilitas yang lebih besar dalam desain materi iklan. Layar yang lebih kecil di perangkat seluler memaksa developer untuk memprioritaskan elemen tertentu.

  • Hindari: Antarmuka jendela chat. Jangan menerapkan filter percakapan sebagai jendela chat. Hal ini mengalihkan pengguna dari antarmuka web utama dan dapat mengganggu desain alur checkout web yang biasanya dioptimalkan developer dalam waktu yang cukup lama.

Pertimbangan tambahan untuk perangkat seluler

Web dan aplikasi seluler juga harus diperlakukan secara terpisah saat melakukan pengujian. Pengujian aplikasi seluler pada dasarnya sulit dilakukan, tetapi menawarkan fleksibilitas yang lebih besar. Web seluler sering kali lebih cepat diuji, tetapi memiliki kekurangan yang berbeda untuk berbagai browser web seluler.

Interaksi pengguna dengan filter

Bagian ini menjelaskan cara mengonfigurasi pemfilteran produk percakapan. Mengganti elemen filter statis yang dikodekan secara permanen dengan pemfilteran percakapan dinamis untuk membebaskan ruang layar bagi produk yang lebih tertarget direkomendasikan. Semua filter yang diterapkan, terlepas dari asalnya, dapat memperbarui petak produk secara global.

Pertanyaan percakapan berikutnya akan disesuaikan dengan kumpulan lengkap filter yang diterapkan, yang menawarkan opsi pilihan ganda.

Filter global terpadu

Pembeli dapat berinteraksi dengan filter percakapan dan elemen filter lainnya yang diterapkan. Implementasi frontend Anda harus dapat menangani skenario ini.

Filter global terpadu memiliki karakteristik berikut:

  • Penerapan global: Saat pengguna membuat pilihan dari elemen filter apa pun di halaman, baik itu filter produk percakapan atau elemen filter statis, petak produk harus diperbarui untuk menampilkan hasil dengan semua filter global diterapkan.
  • Tindak lanjut cerdas: Pertanyaan percakapan berikutnya yang dilihat pengguna harus relevan berdasarkan kumpulan lengkap filter yang diterapkan, terlepas dari elemen mana yang dipilih pengguna. Misalnya, jika pembeli memilih filter color dari elemen percakapan dan filter size dari elemen filter klasik, pertanyaan percakapan berikutnya tidak boleh menanyakan ukuran yang diinginkan pembeli.

Jenis filter

Pemfilteran produk percakapan memungkinkan opsi untuk menggunakan beberapa pilihan ganda di situs.

Pilihan ganda

Vertex AI Search untuk commerce dapat menampilkan hingga 20 opsi pilihan ganda, berdasarkan nama nilai dalam katalog produk. Opsi muncul dalam daftar yang diurutkan berdasarkan pilihan yang paling relevan. Opsi panjang, seperti nama merek yang panjang, membantu memastikan bahwa pengguna dapat men-scroll ke samping, bukan melipat ke baris baru, sehingga mempertahankan kepadatan vertikal.

Mengganti elemen yang dikodekan secara permanen

Banyak developer situs penelusuran e-commerce memiliki komponen filter kategori manual yang telah dibuat sebelumnya di antarmuka web mereka yang ditujukan untuk kueri penghasil pendapatan teratas. Komponen filter ini biasanya mahal, membutuhkan waktu lama untuk diproduksi, dan tidak terlalu interaktif dengan pengguna.

Contoh elemen yang dikodekan secara permanen Gambar 2. Contoh tampilan elemen yang di-hardcode.

  • Rekomendasi: Ide inti di balik pemfilteran percakapan memungkinkan Anda men-deploy pengalaman dinamis seperti ini dengan cepat di semua produk Anda, bukan hanya untuk beberapa kueri teratas yang elemen visualnya dirancang untuk kueri tersebut. Oleh karena itu, identifikasi dan hapus elemen yang dirancang untuk digantikan oleh pemfilteran percakapan. Hindari memiliki dua set elemen filter yang bersaing yang melakukan fungsi serupa. Hal ini membebaskan ruang di layar untuk menampilkan lebih banyak produk yang ditargetkan.

Ide untuk eksperimen

Beberapa ide untuk bereksperimen adalah:

  • Penempatan di antara baris produk: Sisipkan komponen di tengah halaman, setelah tiga hingga lima baris produk. Pendekatan ini mencegah elemen percakapan menggantikan tampilan produk awal secara signifikan.
  • Fly-out atau pop-up: Gunakan tombol yang memicu dialog atau menu fly-out yang berisi pertanyaan filter. Hal ini dapat diintegrasikan dengan pop-up filter yang ada, atau fly-out dapat menjadi elemen terpisah.
  • Panel tetap: Panel tetap di layar menampilkan pertanyaan dan opsi. Hal ini berada di depan produk, bukan mendorongnya ke bawah.
  • Pertimbangan pengujian: Saat menguji perangkat seluler dan desktop, pastikan eksperimen ini dilakukan secara independen. Perilaku belanja untuk setiap perangkat sangat bervariasi, dan komponen visual yang berfungsi di satu perangkat mungkin tidak berfungsi di perangkat lain.

Penyerapan dan kualitas data

Kecerdasan model Vertex AI dibangun berdasarkan data interaksi pengguna. Proses aktivasi menggunakan pendekatan dua fase untuk penyerapan data.

Fase 1: Mulai dengan peristiwa historis

Model dapat dilatih dengan data peristiwa historis. Data peristiwa historis awalnya dimasukkan ke lingkungan Google, sehingga model dapat mengenali bahkan project baru tanpa data interaksi langsung.

Fase 2: Transisi ke data kueri langsung

Setelah kemampuan ini aktif dan mulai mengumpulkan data yang diambil secara historis, Vertex AI akan menggunakan aliran data kueri langsung untuk meningkatkan kualitas model penayangan. Data kueri langsung umumnya memiliki kualitas yang lebih tinggi daripada data peristiwa yang diambil secara historis karena peristiwa historis terkadang kehilangan informasi penting. Hal ini membuat data kueri aktif lebih efektif untuk pengoptimalan berkelanjutan.