Back to top

Abfragekennzeichnung und Abfragevorschläge für die Suche in mobilen Apps

Suche für mobile Apps – Blog-Reihe

Willkommen beim zweiten Artikel unserer Reihe zur Suche für mobile Apps!

Um den ersten Teil des Blogs noch einmal zusammenzufassen, wir haben erklärt, warum ein Suchfeld alleine noch nicht reicht, um dem Benutzer der mobilen App eine perfekte Sucherfahrung zu bieten. Wir haben auch einige Ideen geboten, wie man die grundlegende Sucherfahrung verbessern kann.

Wir haben darüber gesprochen, wie man die Suche vereinfachen und den Content optimieren kann und wie man alle bestehenden Fähigkeiten der mobilen Geräte für sich arbeiten lässt. Jetzt wird es Zeit, sich fortgeschrittenere Optionen anzusehen, mit denen man die Suche in der mobilen App weiter verbessern kann: Abfragekennzeichnung und Abfragevorschläge.

 

Kennzeichnung von Abfragen

Zu den Grundlagen der Content-Verarbeitung für die Suche gehören die Stammformreduktion, die Erweiterung von Wörtern über Lemmatisierung, die Implementierung von Synonymen und die Tokenerstellung. Diese Techniken können große Erfolge erzielen, können aber nicht die Absichten des Benutzers erkennen.

In dem man die Analyse der Suche mit einem Prozess kombiniert, den wir Abfragekennzeichnung nennen, können die Suchbegriffe der Benutzer mit Mustern abgeglichen werden, um die Absichten zu erkennen. Sobald man durch die eingegebenen Suchbegriffe und die eigene Analyse und Kennzeichnungsdefinition weiß, wonach der Benutzer sucht, können Query Processing und die Benutzeroberfläche der App gemäß diesen Kennzeichnungen handeln und angepasste Ergebnisse liefern. Beispiele wären das Ausfiltern bestimmter Resultate, das Anheben von Seiten, die für das Marketing wichtig sind, und die Steuerung der Anzeige in der Benutzeroberfläche.

Kennzeichnungen und die mit diesen verbundenen Regeln werden von Ihnen selbst erstellt, nicht von der Suchmaschine. Die Suchmaschine liefert relevante Ergebnisse, wie diese aber dem Benutzer am besten geliefert werden liegt bei Ihnen. Da Sie Ihre Kunden besser kennen als sonst jemand, haben Sie hierbei die Flexibilität, benutzerdefiniert auf diese einzugehen und die Sucherfahrung in der mobilen App anzuheben.

Um die Effizienz zukünftiger Abfrageanalysen anzuheben und Trends im Benutzerverhalten zu entdecken, können Sie die Effektivität der Kennzeichnungen durch die folgenden Methoden nachverfolgen und messen:

Der Workflow für die Kennzeichnung kann vier übergreifende Schritte umfassen.

 

SCHRITT 1 – Die Abfrage verstehen

query tagging e-commerceDer erste Schritt umfasst die Analyse der Abfrage des Benutzers. Dieser wird eine Kennzeichnung zugewiesen. Diese Kennzeichnung kann verbundene Synonyme und Aktionen/Regeln enthalten. Als Beispiel:

Nehmen wir an, dass die folgenden Suchbegriffe häufig auftreten: 5, 5S, 6, 6S, 7, 7S

Gemäß den Click-Logs für diese Abfragen haben die Benutzer nach iPhones gesucht, die Eingabe stand für das jeweilige Modell. Hieraus kann man ein Muster ableiten, das einen Zahlenwert kombiniert mit einem alphanumerischen Zeichen erkennt (um tatsächliche Modellnummern zu erfassen kann dieses Muster natürlich auch deutlich komplizierter gestaltet werden). Die Kennzeichnung wird also wie Folgt definiert:

Das iPhone 7S ist noch nicht auf dem Markt, man kann aber davon ausgehen, dass es bald erscheint. Also kann man bereits eine Marketingseite erstellen, auf der das Produkt beworben wird und Kunden die Möglichkeit der Vorbestellung anbieten. Statt die Seite einfach nur natürlich in den Suchergebnissen auftreten zu lassen, wie sie von der Suchmaschine ausgegeben werden, soll sie direkt ans obere Ende der Suchergebnisse verschoben werden. Daher kann man eine Aktion für die Kennzeichnung definieren:

Wenn ein Benutzer nach „7S“ sucht, wird die Vorbestellseite automatisch an oberster Stelle der Suchergebnisse geladen. Für mobile Apps mit weniger Platz auf dem Bildscchirm kann dies für den Geschäftserfolg entscheidend sein.

 

SCHRITT 2 – Die Abfrage ausführen

Der Benutzer hat eben eine Abfrage ausgeführt: 7S

Der Query Processor der App interpretiert diese Abfrage und alle zusätzlichen Aktionen und erstellt die endgültige Abfrage für die Suchmaschine. Einfacher ausgedrückt übermittelt der Code der Suchmaschine die Zeichenfolge 7Sidentifiziert als <iPhoneModel>7S</iPhoneModel>, mitsamt der Anweisung, die hierfür vorgesehene Aktion vorzunehmen.

 

SCHRITT 3 – Die Ergebnisse anzeigen

Aus Sicht des Benutzers ist es nur eine Suche wie jede andere. Allerdings wird der Verweis auf die Vorbestellseite als erstes Ergebnis ausgegeben. Somit erfährt der Benutzer direkt, dass das iPhone 7S noch nicht erschienen ist, jedoch leicht und schnell direkt über die App vorbestellt werden kann. So praktisch! 

 

SCHRITT 4 – Weiter so!

Der Benutzer führt die App auf dem iPhone 6S aus. Daraus kann man ableiten, dass er an einem Upgrade auf das neuste Modell des iPhones Interesse haben könnte, auch, weil das aktuelle Smartphone vor zwei Jahren mit einem Vertrag für Mobiltelefone gekauft wurde. Sie können Kennzeichnungen setzen, um die bisherigen Transaktionen eines Benutzers nachzuverfolgen oder Daten über das aktuell genutzte Gerät abzurufen. Daraus können dann Aktionen bestimmt werden, welche dem Benutzer die besten Antworten liefern. So könnte beispielsweise die Vorbestellseite für das iPhone 7S zusammen mit einem Werbebanner angezeigt werden, auf dem eine Werbeaktion für ein Upgrade für Bestandskunden angeboten wird.

 

Was sind Abfragevorschläge?

Einer sagt Textvervollständigung, der nächste sagt Abfragevorschläge, wieder ein anderer Autovervollständigung, und wiederum andere ...

mobile query suggestion exampleDiese Funktion ist unter vielen Namen bekannt, darunter auch automatische Vorschläge und Abfragevervollständigung, aber die Absicht ist immer gleich. Der Benutzer gibt Buchstaben in das Suchfeld ein, ein Dropdown-Menü erscheint und zeigt Begriffe an, die mögliche Treffer für die Abfrage des Benutzers sein könnten. Ein einfaches Konzept, aber um es gut umzusetzen, muss man die Struktur sorgfältig planen.

Auch hier empfehlen wir wieder, alles einfach zu halten und es dem Benutzer einfach zu machen, Antworten zu finden.

Nehmen wir beispielsweise ein Design für mobile Abfragevorschläge basierend auf dem Projekt für die Library of Congress, das wir kürzlich abgeschlossen haben. Um dem Benutzer schnellen und leichten Zugriff auf relevante Dokumente und Titel zu geben, die zu seinen Interessen passen, werden die Abfragevorschläge im Umfang auf beliebte Abfragen eingegrenzt, die ohnehin im System vorliegen, und Titel, die innerhalb der Daten gefunden werden. Wenn ein Benutzer mar eingibt, wird eine Liste relevanter Themen im Dropdown-Menü vorgeschlagen, wie in der Grafik angezeigt.

 

Präsentation

Die mobile Abfragevervollständigung bringt einige Herausforderungen für das Design mit sich. Man muss alles groß genug halten, damit die Benutzer die Ergebnisse leicht erkennen können und beim Tippen den richtigen Eintrag erwischen, aber es muss klein genug sein, damit nicht der gesamte Bildschirm verdeckt wird. Man muss genug mögliche Treffer anzeigen, um sicherzustellen, dass die Frage des Benutzers beantwortet wird, aber nicht so viele, dass die Vorschläge aus dem Bild fallen und der Benutzer nach unten wischen muss, um den Rest zu sehen.

Benutzeroberflächen für Textvervollständigung stellen auch einige besondere Herausforderungen, die es bei der Textvervollständigung auf dem Desktop nicht gibt: Die Tastatur des Gerätes nimmt in aktiviertem Zustand gut ein Drittel des Bildschirmplatzes ein. Hierdurch wird die Anzahl der Vorschläge, die dem Benutzer geboten werden können, drastisch reduziert. Damit kommen wir zu ...

 

Gruppierungen

suche in mobilen appsUm die besten Vorschläge zu bieten und dem Benutzer eine Idee zu geben, was er erwarten kann, wenn er einen Treffer antippt, sollten die Treffer in Datenkategorien zusammengestellt werden. Wenn der Benutzer etwa golf eingibt, könnten die folgenden möglichen Treffer ausgegeben werden:

  • golf in Allen Abteilungen
  • golf in Sport
  • golf in Tagesangebote
  • golf in Reisen

Diese Umfangsbegrenzung sollte auf den häufigsten Abfragen basieren, die durch die letzten Abfragen der Benutzer bestimmt werden. Wenn beispielsweise ein Treffer für die Abfrage golf in der Kategorie „Puzzle“ zu finden ist, aber in den letzten 6 Monaten keine signifikante Anzahl Anfragen zu diesem Artikel vorgekommen ist, muss kein wertvoller Bildschirmplatz verschwendet werden, um dem Benutzer auch die Abfrage golf in der Kategorie Puzzle vorzuschlagen.

Zusammengefasste Treffer können mehr oder weniger als die organischen Treffer umfassen. Es kommt auch darauf an, ob man die jeweilige Gruppierung fördern will. Wir empfehlen zuerst zusammengefasste Treffer anzugeben, danach erst die Liste der direkten Treffer, damit der Benutzer die Chance hat, direkt zu den Ergebnissen zu springen, die für ihn interessant sind.

 

Relevanz

Da wir gerade bei normalen Ausdruckstreffern sind, auf diese sollte auch Relevanz angewendet werden. Wir wollen ja schließlich nicht, dass eine selten auftretende Abfrage vor den Ergebnissen aufgeführt wird, die in den beliebtesten Abfragen gesucht werden.

Ein weiteres zentrales Konzept der Textvervollständigung ist es, sicherzustellen, dass die Vorschläge auch tatsächlich in der Daten gefunden werden, also im Korpus. Es sollte nie zu der Situation kommen, dass ein Benutzer auf den Vorschlag für eine Kategorie tippt und „Keine Ergebnisse gefunden“ angezeigt bekommt. Damit schafft man keine Lösungen, sondern nur Frustration.

 

Fuzzy Matches

Diese winzig kleinen mobilen Tastaturen können einen erwachsenen Mann zum Weinen bringen. Wer kennt es nicht, man tippt wie verrückt, um den richtigen Buchstaben zu erwischen, trifft aber immer den falschen und hat schon wieder einen Tippfehler im Wort. Manchmal fällt es uns gar nicht auf, bis die Suche ausgeführt wird und keine Treffer liefert. 

All das kann man umgehen, wenn man eine Suche nach Fuzzy Matches ermöglicht, bei der die Suchanwendung die Arbeit übernimmt und Tippfehler automatisch korrigiert. Die ausgegebenen Treffer werden dann mit dem korrekten Wort übereinstimmen, also, der Benutzer gibt beispielsweise gokf ein, aber die Ergebnisse passen zu golf.

 

Personalisierung

Kommen wir zum Konzept der Gruppierung von Vorschlägen zurück. Die Vorschläge können auf den Benutzer zugeschnitten personalisiert werden, indem sie nach Gerätearten gruppiert werden (oder anderen Faktoren, die auf die Benutzer anwendbar sind). Wenn der Benutzer beispielsweise in der App nach einem Ladekabel sucht, sollten die Vorschläge so zusammengefasst werden, dass mit seinem Gerät kompatible Produkte gezeigt werden. Wir empfehlen dazu, die personalisierten Ergebnisse unter den zusammengefassten Ergebnissen anzugeben.

Auch den Verlauf der letzten Suchen in die Textvervollständigung mit einzubeziehen hilft dem Benutzer. Hierdurch können sie den Begriff durch einfaches Antippen auswählen, statt alles erneut eingeben zu müssen. Wie bereits oben angegeben, alles, was das Tippen auf der mobilen Tastatur erspart, ist willkommen!

 

Architektur

Gut ausgeführte und durchdachte Content-Verarbeitung hilft dabei, Abfragevorschläge mit hohem Mehrwert zu erzeugen. Die Prozesse in der Content-Verarbeitung oder Datenaufnahme sollten duplizierte Einträge entfernen, die Daten normalisieren, Stoppwörter und andere unerwünschte Begriffe ausnehmen, die zu Ergebnislisten mit null Resultaten führen könnten, und die Termfrequenz berechnen.

Wir empfehlen eine eigenständige Open-Source-Suchmaschine wie Solr oder Elasticsearch, um mehr Flexibilität für die Abfragevorschläge zu gewinnen. Beide unterstützen das Suchschema und Abfragemodell, das für diese Implementierung notwendig ist.

Man sollte auch erwägen, ein Open-Source-Framework für Javascript/JQuery einzusetzen, um Abfragen zu unterstützen, die von Benutzern durch den Vorschlagdienst eingereicht werden. Eine umgekehrte Proxy-Implementierung schützt den Index vor schädlichen Abfragen.

 

Was kann ich sonst noch tun?

Wir haben jetzt Abfragekennzeichnung und intelligente Abfragevorschläge vorgestellt, aber es gibt noch unendlich viel mehr, was man tun kann, um die Suche in der mobilen App zu verbessern. Mehr dazu in unserem nächsten Blog der Reihe Suche für mobile Apps – dort geben wir dann einen Überblick über Logs und Analyse für mobile Apps! 

-- Kristy

0