Back to top

Fallstudie der Feineinstellung der Suchrelevanz für E-Commerce

Die Suche spielt eine enorm wichtige Rolle im E-Commerce. Sie stellt den eigentlichen „Verkäufer“ der Website dar. Wenn die Abfragen im Suchfeld nicht akkurat und schnell beantwortet und die Ergebnisse nicht ansprechend präsentiert werden, geht ein Kunde verloren. 

Eine bessere Suche einzurichten bedeutet aber nicht automatisch, dass eine neue Suchmaschine gekauft werden muss. Die Verbesserung der Suche für den E-Commerce ist oft nur eine Frage der Aufmerksamkeit zum Detail. Dieses kurze Anwendungsbeispiel, das auf den Erfahrungen eines kürzlich ausgeführten Auftrags beruht, illustriert dies. Der Kunde, eine weltweit bekannte Marke der Unterhaltungselektronik, setzt Solr ein.

HINTERGRUND

Der Kunde selbst hat eine interne Studie zur Suchfunktion seiner öffentlich zugänglichen E-Commerce-Website vorgenommen. Das Ziel war, herauszufinden, wie die Abschlussrate der Einkäufe und die Kundenzufriedenheit optimiert werden können (zur Stärkung der Marke). Als Messwert diente Kundenfeedback, zusätzlich wurden auch die Log-Dateien der Website untersucht und analysiert.

  • Die Haupterkenntnisse über die notwendigen Verbesserungen werden jedem bekannt vorkommen, der Erfahrung mit wichtigen Suchsystemen des E-Commerce hat:
  • Die Erleichterung der Navigationsmöglichkeiten, einschließlich der freien Wahl, ob man Suche oder Browsen nutzen will
  • Bessere Präsentation der Produkte (Beschreibungen, Zusammenfassungen, Bilder und andere unterstützende Ressourcen)
  • Die Leistung der Seite. Jeder hasst es, in der Schlange zu stehen. Egal, ob es sich dabei um ein Geschäft im Stadtzentrum oder eine virtuelle Schlange auf einer Website handelt
  • Das allgemeine Erscheinungsbild, das Gefühl, die Benutzerfreundlichkeit und der allgemeine „Fluss“ der Website

Die Website war nicht ausschließlich auf den E-Commerce ausgerichtet, die Suchanfragen über das einzige Suchfeld müssen auch für den Kundendienst, detaillierte Produktinformationen und andere Zwecke genutzt werden.

Allgemein gesagt sah sich das auf Solr basierende Suchsystem direkt einer ganzen Reihe von Herausforderungen gegenüber, von denen die zentrale Relevanz aber das Hauptproblem darstellte. Erschwert wurde die Situation dadurch, dass die Suchfunktion gleichzeitig dazu dienen musste, spezielle Abfragen der Benutzer zu beantworten sowie neben diesem nicht für den E-Commerce bestimmten Content auch kontextbezogene Produktvorschläge zu bieten.

AUFMERKSAMKEIT ZUM DETAIL

Der Kunde hat sich an Search Technologies gewandt. Als Start für das Projekt wurde eine tiefreichende Evaluation des Suchsystems durch unser Search Application Assessment vorgenommen.

Im Bericht des Assessments wurden mehrere Verbesserungen angesprochen, die dann angenommen und implementiert wurden. Die wichtigsten waren:

  • Verbesserte Unterstützung für Abkürzungen, die Kunden gerne für Produkte verwenden (Synonyme)
  • Beschränkung der Anzahl der Suchergebnisse, die angezeigt werden; manchmal war die Liste deutlich zu lang
  • Verbesserte Kontrolle über Relevanz allgemein, bei Schlüsselsuchen präzise Kontrolle über die Reihenfolge, in der die Produkte aufgelistet werden
  • Bessere Handhabung von Suchen nach Produkten weltweit, inklusive sicherstellen, dass nur jene Ergebnisse angezeigt werden, die für den lokalen Markt relevant sind
  • Verbesserte Unterscheidung zwischen Suchen von Kunden und Suchen von Einzelhändlern (denen auch zusätzliche Produkte zugänglich sind) 
  • Die Einführung von „Quick Links“, die Kunden zu speziellen Produktkategorien leiten. Diese Funktion ist besonders wichtig, wenn die Suchbegriffe sehr vage sind

Neben diesen Kernpunkten wurden in der von Search Technologies vorgenommenen zusätzlichen Analyse noch zahlreiche weitere Probleme aufgedeckt und die wichtigsten Ursachen für Probleme mit der Relevanz untersucht, darunter auch das zu häufige Auftreten von Suchen mit „Null Ergebnissen“. Zu den Gründen gehörten:

  • Fehlende Kontrolle über den Umfang der Suche – verschiedene Contentarten wurden ohne tieferen Grund zusammengeworfen
  • Zu wenig Nutzung von Suchen nach ganzen Ausdrücken (implementiert über Query Processing, um die Genauigkeit zu steigern)
  • Ungenauigkeiten in der Taxonomie der Produkte führten bei Benutzern zu Frustration
  • Mangelhaft entwickelte semantische Ressourcen – es gab genug Möglichkeiten zur Verbesserung der Suche durch Hinzufügen einiger Synonyme zum System, die aus den Log-Dateien der Suche bestimmt wurden

Wie bei vielen Kunden wurde auch hier ein Ansatz in Phasen gewünscht. Die erste Phase zielte auf schnelle Ergebnisse, um sicherzustellen, dass das Projekt nicht ins Stocken gerät. Die folgenden Verbesserungen wurden bereits in der ersten Phase implementiert:

  • Einführen einer Abfragelogik, die aus Abfragen nach mehreren Wörtern intelligent Suchen nach Ausdrücken erstellt (hierfür wurde QPL genutzt)
  • Weitere Verbesserungen des Query Processing, um bei der Unterscheidung zwischen Abfragen nach Produkten und solchen nach Produktzubehör durch den Kundendienst zu helfen
  • Einstellen des Suchoperators „AND“ als Standardmodus in Solr. Dies verbesserte die Präzision substanziell. Wenn keine Ergebnisse gefunden werden, wird die Suche automatisch mit „OR“ als Operator erneut ausgeführt
  • Verbesserungen zur bestehenden Logik der Autovervollständigung der Abfragen, durch Hinzufügen von Synonymen und verbesserter (gezielter) Rechtschreibprüfung 
  • Verbesserungen zur Taxonomie, die zu akkuraten Optionen in der Suchnavigation führten 
  • Einführung zusätzlicher Sortiermethoden (z.B. nach Preis). Hierzu wurde zusätzliche Content-Verarbeitung vor dem Indexieren in Solr notwendig, um sicherzustellen, dass die Metadaten am korrekten Ort vorlagen, um die Sortierung nach verschiedenen Eigenschaften zu unterstützen
  • Änderung der Abfragelogik bei „Best Bets“, um auszuschließen, dass Content von anderen Quellen als jenen der Best Bets geliefert wird
  • Einführung eines flexibleren Ansatzes zum „Relevanzboost“, der Input von jeder Art Dokument annehmen kann 
  • Hinzufügen einer Logik für „Exakte Treffer“, basierend auf Titeln und Anzeigenamen der Produkte. Diese Verfeinerung hat die Präzision weiter verbessert
  • Unterstützung für Crawling und Indexieren von Seiten für Werbekampagnen auf Anforderung, so dass neue Kampagnen sofort in der Suche sichtbar werden

ZUSAMMENGEFASST

Menschliche Vertriebsmitarbeiter in physikalischen Ladengeschäften profitieren von kontinuierlichen Schulungsmaßnahmen. Das Suchfeld einer E-Commerce-Website profitiert auf ähnliche Weise von kontinuierlichen Verbesserungen. Die Aufmerksamkeit zum Detail hat dem Kunden Vorteile gebracht, die dieser direkt in Relation zum Absatz im E-Commerce sehen und beziffern konnte.

0