And- eller or-søgning: Sådan tuner du din søgemaskine
Når du har fået indsigt i din egen søgemaskine, så er der en meget basal ting, du kan gøre, som kan have stor betydning for din søgemaskines præcision. Start med at kigge på, hvordan din søgemaskine opfatter kombinationen af søgeord. Bruger den and eller or-søgning?
Det er nemmest forklaret med udgangspunkt i et eksempel – så her kan vi se nærmere på, hvilken betydning and eller or-søgning har for søgeresultatet på en specifik PH-lampe hos Louis Poulsen.
Til venstre kan du se søgeresultaterne fra en or-søgning. Til højre er resultaterne fra en and-søgning.
Or-søgningen har vist hele 34 resultater, da maskinen opfatter søgningen som PH eller 2/1. Men fordi PH 2/1 er en specifik lampemodel, så viser and-søgningen blot 4 resultater, da maskinen opfatter det som et krav, at produktet både skal hedde PH og 2/1. Så ved at bruge and-søgningen, får du langt mere præcise resultater.
Den åbenlyse ulempe ved at benytte AND-søgning er, at hvis en enkelt søgetermerne ikke matcher, så får brugeren 0 hits. Hvis kunden staver noget forkert i or-søgningen, så kommer der alligevel et eller andet frem. Hvis du er bange for at udelukke for mange produkter ved at skifte til AND-søgning, så genbesøg din søgelog-analyse. Se specifikt på de søgninger, der består af mere end ét ord. Ville de fejle? Eller ville det gå godt? Kunne søgemaskinens tolerance overfor stavefejl med videre, som vi snakkede om i første del af denne blogserie, evt alligevel sørge for, at kunden fik præcise og relevante resultater med en AND-søgning?
Auto-scoping og semi-auto-scoping: Hvilke søgeresultater skal dukke op hvornår
I forrige indlæg snakkede vi om tænke-højt-testen af Coop MAD, der viste at kunderne hellere ville have specifikke søgeresultater, såsom avocadofrugten og ikke lignende produkter som avocado-shampoo. Det er det, vi kalder auto-scoping. Auto-scoping betyder, at når brugerne søger på et ord, der matcher en kategori af samme navn, så skal vi kun søge i denne kategori.
Her er avocadoeksemplet meget godt. Hvis din bruger søger på avocado, så skal der kun komme produkter i kategorien avocado frem, og ikke avocado-shampoo, eller hytteost.
Auto-scoping virkede meget godt på netop avocado hos Coop MAD. Men det kan være, at dine kunder rent faktisk forventer resultater fra andre kategorier. Et eksempel her er kyllingekødpålæg. Når din kunde søger på kyllingekødpålæg, så er det to kategorier, der skal søges inden for. Så derved skal ordet ’kylling’ også finde produkter i kategorien ’kødpålæg’. Det kan vi kalde for semi-autoscoping.
Så hvis du i dette tilfælde blot havde lavet auto-scoping, ville du faktisk udelukke alle søgeresultatet med kødpålæg, der indeholder kylling. Så i nogle tilfælde, er du nødt til at tweake din søgemaskine lidt på nogle udvalgte søgetermer.
Auto-produkt-berigelse: Berig produkter med de betegnelser, som deres kategorier indeholder
I en tidlig udgave af Coop MAD, søgte jeg på ordet ’slik’. Dengang kom der kun 5 søgeresultater frem, da mange slik-produkter ikke indeholder ordet ”slik” i deres navn. Derfor lavede vi en ændring, der gjorde, at de meget simpelt kunne autoberige produkterne med kategoriernes navne.
Vi valgte dog kun at berige produkter i kategorier bestående af ét ord. Toiletpapir ligger f.eks. i kategorien ’Toiletpapir og køkkenruller’. Hvis vi stemplede hele kategorinavnet ned på produkterme i kategorien, så ville der også komme toiletpapir frem, når man søgte på køkkenruller. Ergo ville vi opnå en masse støj med den ellers gode hensigt vi havde med vores autoberigelse.
Læringen her er, at en god ide til forbedring af søgemaskinen sommetider skal justeres lidt inden den faktisk giver et godt resultat!
Du kan ikke købe dig til dine synonymer
Mennesker har en tendens til at stave forkert, og vi bruger forskellige betegnelser for de samme produkter. Derfor er det vigtigt, du har en stærk synonymordbog. Det kan lyde som meget arbejde at lave en synonymordbog manuelt, så det kunne jo være rart, hvis det var noget, du kunne købe dig til eller lade kunstig intelligens skabe. Det er bare ikke tilfældet i praksis.
I Coop MAD’s tilfælde kunne vi ved hjælp af kendskab til domænet og en gennemgang af 0-hit søgeloggen, bygge en unik synonymordbog op, som dagligt hjælper i hundredevis af søgninger. En god ordbog behøver ikke tage hundredevis af timer at bygge op.
Eksempler fra Coop MAD's synonymordbog:
|
Affaldspose |
Skraldepose |
|
Økologisk |
Øko |
|
Soyadrik |
Soyamælk |
|
Aluminiumsfolie |
Sølvpapir, sølvfolie, stanniol |
|
Feta |
Salatost, puck |
|
Kæmperejer |
Tigerrejer |
|
Muscovadorørsukker |
Muscovadosukker |
|
Instant kaffe |
Neskaffe |
|
Forårsløg |
Springløg |
|
Hakket oksekød |
Oksefars |
|
Vegansk |
Plantebaseret |
Gør din søgemaskine mere tolerant
Fuzzyness, prefix-søgning og matching. De tre termer handler mere eller mindre alle om tolerance overfor trykfejl, men også om at undgå støj i resultater. Her kan du ved små tweaks hjælpe dine brugere til at stave rigtigt ved at komme med forslag i søgefeltet, når kunden taster.
Eksempel fra Louis Poulsens webshop, hvor søgemaskinen er tweaket til at komme med forslag til korrekt stavning og øvrige produkter med lignende navn. Det er ikke sikkert kunden ved, at ph5 skal staves med et mellemrum mellem ph og 5.
Sådan rangerer du dine søgeresultater
Når du efterhånden har din pulje af meget præcise søgeresultater, så er næste trin rækkefølgen af resultaterne. Selvom du måske har fået en god afgrænsning af dine topresultater, så er kunden stadig tilbøjelig til at vælge det første, der dukker op. Du skal nu finde ud af, hvad der skal ligge øverst i kundens søgning. Her er 6 konkrete punkter, du kan kigge på og lade indgå i din egen relevansalgoritme som sørger for at brugerne oplever relevante resultater, og samtidig sørger for at din forretning bliver støttet.
- Det tekstuelle match. Det indebærer det specifikke produktnavn eller et specifikt brand, der topper i søgningen.
- Ligger produktet i en lignende kategori? Hvis kunden søger på avocado, så er det mest relevant, at kunden får vist netop det.
- Varers popularitet generelt
- Varers popularitet for den enkelte
- Varers tilbudsstatus
- Fortjeneste
Gå systematisk til værks
Når du vil forbedre din søgemaskine, så udvælg 50-100 testcases, der fordeler sig på de mest hyppige søgemønstre på dit site. På den måde får du et værktøj, du kan bruge til at overvåge dine søgemønstre og se, hvordan de performer, hver gang du releaser en ændring af søgelogikkerne.
I eksemplet her, kan du se, at slik og majs helt endte med at blive udeladt fra søgemaskinen, da vi lavede en release på autoscoping. Så det er vigtigt, at du konstant overvåger dine søgemønstre før du udgiver en ny version af din søgemaskine. I eksemplet her har jeg farvekategoriseret søgeresultaterne. Så for at en søgeterm bliver grønt, så kræver det, at det kun er relevante søgeresultater, der vises, og at det er de vigtigste, der er øverst.
Opsummering
- Du skal sørge for, at din maskines resultater er præcise og relevante.
- Din søgemaskine skal være tolerant overfor stavefejl og synonymer
- Vedligehold dine produktdata, så filtreringsfeltet ved netop, hvilke produkter der skal frasorteres.
- Indsigt via brugertests og søgeloganalyse er en forudsætning for at, du får en stærk søgemaskine.
Til sidst er det vigtigt for mig at sige, at uanset hvilken forretning du driver, så kommer du langt med at være præcis i forhold til hvad du vil opnå, og ved ikke at være bange for også at lægge en mindre portion manuelt arbejde, der kan løfte kvaliteten af søgemaskinen. Du skal ikke satse på kunstig intelligens som eneste vej hen mod den ultimative søgeoplevelse.
