Guia da experiência do utilizador de filtragem conversacional

A implementação bem-sucedida da filtragem de produtos conversacional depende de um design de experiência do utilizador bem pensado.

Elementos de apresentação visual

O posicionamento e o aspeto do filtro de conversação afetam significativamente a respetiva eficácia.

Esquema vertical versus horizontal

Seguem-se algumas considerações sobre se deve criar um esquema vertical ou horizontal:

• Recomendação: priorize um design orientado na horizontal e compacto na vertical. Isto minimiza o risco de enviar resultados de produtos abaixo da dobra.

• Raciocínio: se o filtro for apresentado horizontalmente na parte superior, pode empurrar os resultados dos produtos para baixo na página, o que aumenta o custo da funcionalidade ao reduzir a visibilidade imediata dos produtos. Além disso, minimizar o espaço em branco entre elementos pode adicionar espaço privilegiado na página Web para apresentar mosaicos de produtos adicionais.

Trate atributos longos

Se as opções de escolha múltipla forem longas (como nomes de marcas), não as divida em novas linhas, pois isso aumenta a altura dos elementos. Em alternativa, permita que se expandam horizontalmente para fora da página e ative o deslocamento lateral.

Segue-se um exemplo de uma implementação de deslocamento horizontal:

Posicionamento ideal

Considere colocar o filtro de conversa após 3 a 5 linhas de produtos. Esta abordagem impede que o elemento de conversa desloque a lista inicial de produtos.

Uma das principais conclusões para este posicionamento é que a barra de filtragem de conversas deve ser o mais verticalmente compacta possível. Quando a funcionalidade de filtragem de produtos conversacional está posicionada de forma proeminente, pode deslocar as apresentações de produtos mais para baixo na página, fora da vista imediata. Isto pode ser uma desvantagem, uma vez que os compradores veem menos produtos. Por conseguinte, os produtos visíveis têm de ser o mais relevantes possível.

• Lateral (vertical) vs. superior (horizontal): pondere colocar o filtro de conversa após 3 a 5 linhas de produtos. Esta abordagem impede que o elemento de conversa desloque a lista inicial de produtos.

• Ponderação forte: se a filtragem de produtos conversacional se tornar o seu principal método para restringir as seleções de produtos, considere minimizar ou substituir totalmente a barra de filtros manual. Isto permite-lhe adicionar outra coluna de artigos de produtos.

Computadores e telemóveis

Embora as implementações em computadores tenham tido sucesso, os resultados em dispositivos móveis têm sido menos consistentes e têm apresentado ganhos de desempenho gerais mais baixos. O tamanho limitado do ecrã em dispositivos móveis requer uma abordagem mais criativa e deliberada ao posicionamento.

• Recomendação: dê prioridade às implementações em computadores em vez de em dispositivos móveis, inicialmente. O tamanho maior do ecrã nos computadores permite uma maior flexibilidade nos designs dos criativos. O ecrã mais pequeno nos dispositivos móveis obriga os programadores a priorizar determinados elementos.

• Evite: interfaces de janelas de chat. Não implemente o filtro de conversação como uma janela de chat. Isto afasta os utilizadores da interface Web principal e pode interromper o fluxo de pagamento Web pretendido, que os programadores costumam otimizar durante um período considerável.

Considerações adicionais para dispositivos móveis

A Web para dispositivos móveis e as apps também devem ser tratadas de forma independente no que diz respeito aos testes. Os testes de apps para dispositivos móveis são inerentemente difíceis de realizar, mas oferecem maior flexibilidade. Geralmente, é mais rápido testar a Web para dispositivos móveis, mas existem diferentes cedências para vários navegadores de Internet para dispositivos móveis.

Interação do utilizador com filtros

Esta secção descreve como configurar a filtragem de produtos conversacional. Recomendamos que substitua os elementos de filtro estáticos codificados por filtragem conversacional dinâmica para libertar espaço no ecrã para produtos mais segmentados. Todos os filtros aplicados, independentemente da sua origem, podem atualizar globalmente a grelha de produtos.

As perguntas conversacionais subsequentes adaptam-se ao conjunto completo de filtros aplicados, o que oferece opções de escolha múltipla.

Filtros globais unificados

Os compradores podem interagir com os filtros de conversa e com os restantes elementos de filtro aplicados. A implementação do frontend tem de conseguir processar este cenário.

Os filtros globais unificados têm as seguintes caraterísticas:

• Aplicação global: quando um utilizador faz uma seleção a partir de qualquer elemento de filtro na página, quer seja um filtro de produto conversacional ou um elemento de filtro estático, a grelha de produtos tem de ser atualizada para mostrar resultados com todos os filtros globais aplicados.
• Acompanhamento inteligente: a próxima pergunta de conversação que o utilizador vê deve ser relevante com base no conjunto completo de filtros aplicados, independentemente do elemento que o utilizador selecionar. Por exemplo, se um comprador selecionar um filtro color no elemento de conversa e um filtro size no elemento de filtro clássico, a pergunta de conversa subsequente não deve perguntar ao comprador que tamanho quer.

Tipos de filtros

A filtragem de produtos conversacional permite a opção de usar seleções de escolha múltipla no site.

Escolha múltipla

O Vertex AI Search for commerce pode apresentar até 20 opções de escolha múltipla, com base nos nomes dos valores no catálogo de produtos. As opções aparecem numa lista ordenada das escolhas mais relevantes. As opções longas, como os nomes de marcas longos, ajudam a garantir que os utilizadores podem deslocar a página horizontalmente em vez de quebrar linhas, o que mantém a compactação vertical.

Substitua elementos codificados

Muitos programadores de sites de pesquisa de comércio têm componentes de filtro de categorias manuais pré-criados na respetiva interface Web destinados a consultas que geram receita máxima. Normalmente, estes componentes de filtro são caros, demorados de produzir e pouco interativos com o utilizador.

Figura 2. Exemplo de apresentação de elementos codificados.

• Recomendação: a ideia principal por detrás da filtragem conversacional permite-lhe implementar rapidamente experiências dinâmicas como estas em todos os seus produtos, e não apenas para as principais consultas para as quais os elementos visuais foram concebidos. Por conseguinte, identifique e remova os elementos que a filtragem conversacional foi concebida para substituir. Evite ter dois conjuntos concorrentes de elementos de filtro que desempenham funções semelhantes. Isto liberta espaço no ecrã para mostrar produtos mais segmentados.

Ideias para experiências

Seguem-se algumas ideias para experimentação:

• Posicionamento entre linhas de produtos: insira o componente a meio da página, após três a cinco linhas de produtos. Esta abordagem impede que o elemento de conversa desloque significativamente as apresentações de produtos iniciais.
• Menu flutuante ou pop-up: use um botão que aciona uma caixa de diálogo ou um menu flutuante com as perguntas do filtro. Isto pode ser integrado com pop-ups de filtros existentes ou um menu flutuante pode ser um elemento separado.
• Barra fixa: uma barra persistente no ecrã apresenta as perguntas e as opções. Este formato é apresentado antes dos produtos, em vez de os empurrar para baixo.
• Considerações sobre os testes: quando testar dispositivos móveis e computadores, certifique-se de que estas experiências são realizadas de forma independente. Os comportamentos de compras de cada dispositivo variam muito e os componentes visuais que funcionam num dispositivo podem não funcionar no outro.

Carregamento e qualidade de dados

A inteligência do modelo da Vertex AI baseia-se nos dados de interação dos utilizadores. O processo de integração usa uma abordagem de duas fases para o carregamento de dados.

Fase 1: início inicial com eventos históricos

O modelo pode ser preparado com dados de eventos históricos. Os dados de eventos do histórico são inicialmente carregados no ambiente Google, o que permite que o modelo reconheça até mesmo novos projetos sem dados de interação em direto.

Fase 2: transição para dados de consultas em direto

Depois de a capacidade estar ativa e começar a recolher dados capturados historicamente, o Vertex AI usa a stream de dados de consulta em direto para refinar o modelo de publicação. Geralmente, os dados de consultas em direto são de qualidade superior aos dados de eventos capturados historicamente, uma vez que os eventos do histórico podem, por vezes, não ter informações importantes. Isto torna os dados de consultas em direto mais eficazes para a otimização contínua.