전자 상거래 상점을 위한 효과적인 현장 검색 경험을 만드는 10가지 방법

기존의 실제 매장은 방문 고객의 검색 경험을 조정하는 전통적인 판매원의 전형적인 예입니다. 이는 고객의 소중한 시간을 절약할 뿐만 아니라 구매를 유도하여 매장의 더 높은 매출을 보장합니다.

반대로 온라인 전자 상거래 상점에는 영업 직원이 없습니다. 사용자는 자신이 진정으로 원하는 것을 얻기 위해 e-store를 통해 스스로 방법을 찾아야 하므로 찾고 있는 제품을 빠르게 찾을 수 없을 때 쉽게 사용자가 이탈하게 됩니다.

최근 연구에 따르면 구매자는 e-store에서 제품을 찾기 위해 검색하는 것보다 검색 서비스를 사용할 가능성이 90% 더 높습니다.

그렇기 때문에 전자 상거래 플랫폼에서 향상된 검색 경험을 제공하는 것이 사용자를 올바른 제품으로 신속하게 안내하여 전자 상점의 더 높은 전환율과 매출 증대를 보장하기 때문에 매우 중요합니다.

좋은 검색 경험이란 무엇을 의미합니까?

더 나은 검색 경험이란 방문자가 검색 표시줄에 "선글라스"를 입력하고 카탈로그에서 "선글라스"를 참조하는 경우 검색 결과가 의미를 감지하고 정확한 결과를 보여줄 수 있어야 함을 의미합니다.

검색 이면의 의도된 의미를 이해하고 잘 응답하는 데 필요한 모든 것입니다.

페이지가 "결과를 찾을 수 없음"과 같이 표시되면 검색 경험 최적화 작업을 하고 있지 않은 것입니다. 이것은 방문자가 실망하고 재고에 제품이 있어도 플랫폼을 떠나게 할 것입니다.

이 경험은 고객에게 바로 옆에 놓여 있는데도 특정 품목이 없거나 품절 상태라고 말하는 좌절한 판매원과 비슷합니다.

이제 기본 개념을 이해했으므로 효과적인 검색 경험을 만드는 방법에 대해 궁금해할 것입니다. 따라서 좋은 검색 경험을 제공하여 더 나은 고객 경험을 제공할 수 있는 몇 가지 모범 사례가 있습니다.

1. 피츠의 법칙 수용

Fitts의 법칙에 따르면 목표 지역으로 이동하는 데 필요한 시간은 목표까지의 거리와 해당 폭 사이의 비율입니다. 이 법칙은 정확성을 달성하기 위해 검색 표시줄(배치 및 너비)을 조정하는 데 도움이 되기 때문에 전자 상거래 상점에 적용될 수 있습니다.

아이디어는 사용자가 원하는 것을 얻기 위해 최선을 다할 필요가 없도록 전자 상거래 UX 플랫폼에서 검색 표시줄을 지배하는 것입니다.

Fitts의 법칙을 구현하는 전자 상거래 상점의 간단한 예는 Amazon입니다. 검색 표시줄은 주소 표시줄에 가까울 뿐만 아니라 페이지 너비에 걸쳐 있으며 UI 양쪽 끝에 눈에 잘 띄지 않는 작은 상자가 아닙니다.

2. 머신 러닝의 힘 활용

전자상거래 현장검색은 사람의 마음을 본받아야 비로소 관련성 있는 검색을 기대할 수 있다. 이것이 전자 상거래 상점에서 기계 학습 또는 인공 지능(AI)의 힘을 활용하는 것이 필수 불가결한 이유입니다.

AI 기술은 키워드 검색, 클릭률, 전환율, 기존 인벤토리 태그, 고객 평가 및 제품 인기도에서 비롯된 데이터를 통합하여 더 나은 검색의 문을 열었습니다.

이 전자 상거래 추세는 현장 제품 검색 여정에서 기계 학습의 4가지 하위 수준을 지원합니다. 다음 그림은 이에 대한 통찰력을 제공합니다.

각각에 대해 자세히 논의해 보겠습니다.

• 텍스트 일치 검색: 대부분의 전자 상거래 웹 사이트 전문가가 배포하는 가장 기본적인 검색 방법입니다. 여기서 입력된 "문자열"은 "단어"로 나뉩니다.
  검색 결과는 제품의 제목, 기능, 설명의 순서로 선호도를 얻습니다. 즉, 제품 제목을 사용하여 찾은 일치 항목이 기능 태그를 사용하여 찾은 일치 항목보다 우선 적용됩니다.
• 쿼리 변환 및 확장: 이 수준에서는 쿼리 접두사, 접미사 및 맞춤법 오류를 처리하는 자연어 처리를 다룹니다.
  사용자가 검색어를 입력하면 맞춤법이 틀리거나 의미가 왜곡되더라도 시스템은 퍼지 텍스트 검색을 통해 결과를 제시합니다.
• 기본 기계 학습 검색: 이 수준은 검색 결과에 개인화를 제공합니다. 특정 제품을 자주 구매하는 경우 해당 제품에 대한 검색 결과를 입력하면 검색 결과에서 해당 제품의 순위가 자동으로 1위가 됩니다. 자동 완성은 검색 경험을 향상시키는 좋은 방법이기도 합니다. 기계 학습 검색은 이전 검색 및 온라인 행동 분석을 분석하여 쿼리를 예측합니다.
• 고급 기계 학습 검색: 이 수준에서 기계 학습 검색은 신경망을 사용하여 복잡한 단어 조합을 매핑하여 고급 검색 결과를 제공합니다.
  고급 기계 학습은 정확하고 개인화된 경험을 제공할 수 있도록 모든 상호 작용을 통한 학습에 중점을 둡니다. 결과? 더 나은 전환, 충성도 및 재주문.

3. 역 이미지 검색은 뉴에이지 검색 팁입니다.

키워드 기반 검색을 뒤로하고 역 이미지 기반 검색은 온라인 공간에서 많은 버즈를 만들고 있습니다. eBay, Pinterest 및 Google과 같은 거대 기업이 이미 역 이미지 검색으로 전환함에 따라 기술의 범위가 점점 더 넓어지고 있습니다.

사실, Pinterest의 CEO인 Ben Silbermann에 따르면,

"검색의 미래는 키워드가 아닌 사진이 될 것입니다."

검색 과정은 간단합니다. 사진을 찍고 업로드하고 유사한 결과가 화면에 어떻게 표시되는지 확인합니다. 이렇게 하면 고객은 염두에 두고 있는 제품을 찾기 위해 몇 시간을 보낼 필요가 없습니다.

역 이미지 검색이 활성화된 시장의 플레이어가 줄어들면서 e-store는 고유한 접근 방식에 대한 인식과 감사를 받을 수 있는 디지털 경험 플랫폼이 될 것입니다.

4. 음성 기반 검색은 놓칠 수 없습니다.

"날씨가 어때요?"와 같은 질문부터 제품 추천 및 구두 주문까지, 음성 검색은 온라인 공간을 혼란에 빠뜨리는 역할을 하고 있습니다.

일반적으로 음성 상거래라고 하는 "음성" 매체를 통한 제품 검색은 전자 상거래 상점의 얼굴을 바꾸고 있습니다. 또한 Amazon Alexa, Google Assistant, Siri와 같은 음성 기반 비서의 도입으로 인해 고객의 기대치가 높아지고 있습니다.

많은 브랜드가 이미 음성 검색을 사용하여 e-비즈니스 세계에서 고객의 관심을 유도하고 있습니다.

Brian Dean에 따르면 음성 검색이 기존 검색을 대체하고 있습니다.

음성 검색을 수용하는 이유에 추가하기 위해 설문 조사에서는 혁신과 편의성을 크게 강화하여 매출을 높일 수 있는 기회라고 결론지었습니다.

시장에서 가장 좋은 예를 들면 "Amazon's Choice"가 Amazon의 Alexa를 통해 제공되는 음성 명령을 통해 선택 레이블이 지정된 제품을 주문하는 것과 관련된 차트에서 1위를 차지했습니다.

5. 와우 효과를 위한 비주얼 검색 챗봇

봇은 더 이상 비즈니스와 사용자 모두에게 놀라운 일이 아닙니다. 이러한 혁신적이고 창의적인 가상 비서는 이미 웹에서 화제를 모으고 있습니다. 그리고 봇 통합이 2022년까지 비즈니스 비용을 최대 8%까지 줄이겠다고 약속할 때 그 이유는 무엇입니까?

봇은 고객을 정확하게 검색하는 감성 지수가 부족하다고 생각했던 반면, 비주얼 챗봇은 판도를 뒤집었습니다.

Levi's 및 Amazon과 같은 패션 브랜드는 더 나은 검색 경험 최적화를 위해 가상 쇼핑 도우미를 구축하여 이미 모범을 보였습니다. 이러한 비주얼 봇은 패션 스타일을 추천할 뿐만 아니라 사이즈 조정 및 반품/교환 관리에도 도움이 됩니다.

시각적 챗봇 대화는 주로 다음과 같이 4단계로 구성됩니다.

• 텍스트를 이미지로
• 이미지를 이미지/텍스트로
• 이미지를 스마트 이미지로
• 시각적 상호 작용

각 모드는 모든 수준의 사용자 상호 작용에서 검색 경험을 향상시키기 위해 존재합니다.

6. 더 나은 결과를 위한 패싯 검색 구현

사용자가 전자 상거래 상점을 방문할 때 찾고 있는 특정 제품을 염두에 둘 것입니다. 사용자가 특정 제품 또는 거의 동등한 제품을 찾지 못하면 검색 경험이 실패한 것으로 간주됩니다.

여기에서 "Faceted Search"가 하루를 절약할 수 있습니다. 이 기술은 정확한 제품 속성(가격, 색상, 고객 리뷰, 브랜드 등)을 필터로 적용하여 검색 결과를 좁히는 데 중점을 둡니다.

동적 패싯이라고 하는 보다 세련된 필터링은 이미 패싯 결과를 집중시키는 데 도움이 됩니다. 문제는; 특정 필터를 적용하면 축소된 결과와 관련된 새 필터가 표시됩니다.

패싯 검색의 이점은 다양합니다. 검색 가능성을 높이고 null 결과의 가능성을 줄이며 검색 경험 최적화를 개선하고 가치 있는 결과를 제공하는 데 도움이 됩니다.

따라서 모든 검색 결과와 함께 관련성 있고 정확한 필터를 포함하는 데 중점을 두어야 합니다.

7. 빅 데이터 분석 기법 채택

빅 데이터 분석은 세련된 검색 경험을 제공하기 위한 최신 기술입니다. 이 기술은 사용자 쿼리를 고려하여 검색 이면의 의도를 해독합니다.

실제로 빅 데이터 분석, 즉 예측 검색 기능은 쿼리를 기반으로 사용자를 판단합니다. 그들은 무엇을 찾고 있습니까? 그들의 구매 내역은 무엇입니까? 유사한 사용자 페르소나는 무엇을 구입했습니까? 그들은 어떤 유형의 제품을 선호합니까?

빅 데이터가 이러한 간단한 질문에 대한 답변을 분석하면 비즈니스 인텔리전스가 고객에게 개인화된 권장 사항을 제공할 수 있습니다. 따라서 검색 경험이 직접 개선됩니다.

8. "검색"의 원칙에 따라

검색 경험 향상과 함께 효과적인 머천다이징 전략이 구현되면 "검색 엔다이징"이 부작용입니다. 기본적으로 특정 제품과 다른 제품에 대한 해당 속성에 가중치를 부여하는 것입니다.

이러한 속성의 예로는 재고 가용성, 오늘의 거래, 도착 날짜, 인기 상품, 클릭률 등이 있습니다.

지피를 통해

기술적으로 검색 및 검색은 패싯 검색, 자동 완성, 제품 추천, 최근 검색 결과, 자주 검색되는 쿼리를 행동 분석 데이터 및 자동화와 결합하여 바람직한 검색 경험을 제공합니다.

따라서 검색 및 검색을 통해 향상된 검색 결과를 제공하고 매장 내 최고의 제품에 대한 노출을 제공하며 판매를 촉진할 수 있습니다.

9. 유사 상품 검색의 편의성

인간의 마음은 항상 더 많은 것을 추구하기 때문에 결코 만족할 수 없습니다. 전자 상거래 상점에서 특정 제품을 발견하면 비슷한 가격과 스타일의 다른 제품을 보고 싶어합니다. 이는 옵션 중에서 선택할 수 있는 다양성과 유연성을 제공합니다.

많은 전자 상거래 플랫폼은 모바일 전자 상거래 앱과 웹 사이트 플랫폼 모두에 "유사한 제품" 기능을 추가하여 검색 경험을 향상시키기 시작했습니다. 이를 수행하는 방법에는 여러 가지가 있습니다.

• Hovering: 방문자가 특정 제품에 마우스를 가져가면 유사한 제품을 나열하는 축소판과 함께 미니 화면이 ​​나타납니다.
• 길게 누르기: 모바일 사용자가 제품 썸네일을 길게 누르면 유사한 제품을 나열하는 미니 화면이 ​​나타납니다.
• 스크롤링: 방문자가 전용 제품 페이지를 아래로 스크롤하면 유사한 제품을 나열하는 섹션이 나타납니다.

10. 검색창 너머를 바라보다

기술 덕분에 전자 상거래 웹 사이트는 때때로 재발명되고 혁신되었습니다. 검색 표시줄이 필수라고 생각되는 곳에서 일부 전자 상거래 플랫폼은 다릅니다.

트렌드는 점차 해당 제품과 패싯을 나열하는 홈페이지의 카테고리 썸네일로 이동하고 있습니다. 시각적인 즐거움을 줄 뿐만 아니라 검색 경험을 크게 향상시킵니다.

Artsper 가 검색창을 영원히 없애기 위해 노력하는 방법은 다음과 같습니다.

이 범주형 분포의 또 다른 흥미로운 측면은 "권장 범주"로 좁혀집니다. 여기에는 선호도, 구매 내역 및 행동 분석을 기반으로 하는 공통 범주가 추가되어 훌륭한 고객 경험을 제공합니다.

결론

전자 상거래 플랫폼에 위에 나열된 검색 경험 기능을 포함하면 꼭 필요한 경쟁 우위를 확보할 수 있습니다. 필요한 것은 즉시 사용 가능한 것을 시도하려는 의지가 있는 훌륭한 팀과 프로세스를 원활하게 통과할 수 있도록 일부 전문가의 도움만 있으면 됩니다.

행운을 빕니다!