„Das habe ich nicht gemeint!“ Wie die Head-Tail-Analyse die Konversionsrate erhöht
Die Head-Tail-Analyse ist eine Technik des maschinellen Lernens, die das Benutzererlebnis bei Suchanwendungen verbessert. Dieses Video von Lucid Thoughts erklärt die Head-Tail-Analyse und wie Sie das Sucherlebnis vom Kopf über den Rumpf bis zum Ende optimieren können. Jetzt ansehen:
Wenn wir die Häufigkeit der Suchbegriffe auf einer Skala von sehr häufig bis sehr selten auftragen, erhalten wir eine Verteilung mit:
- Ein Kopf. Der Kopf besteht aus Suchanfragen, nach denen Menschen häufig suchen oder die in einer Reihe von Daten häufig vorkommen. Die meisten Anwendungen und Websites verzeichnen einen Großteil der Klicks und erfolgreichen Ergebnisse – wie Engagement, Aufrufe oder Käufe – im Zusammenhang mit diesen Begriffen.
- Der Torso. Rumpfanfragen kommen seltener vor als Kopfanfragen und führen zu weniger Klicks. Manchmal bekommt der Benutzer, wonach er sucht – manchmal nicht.
- Das Ende. Tail-Abfragen sind Abfragen, die völlig aus dem Ruder laufen und nicht annähernd das zurückgeben, was der Nutzer will. Sie führen also nicht zu vielen Klicks oder Konversionen und bieten dem Benutzer ein schlechtes Erlebnis.
Nachsuchen sind verpasste Gelegenheiten.
Manchmal verwirren die Suchanfragen, die wir an eine Website oder Anwendung senden, die Maschine, die sie empfängt. Es könnte Doppelbedeutungen, Rechtschreibfehler, seltsame Wortwahl oder andere Eigenheiten geben, die zu schlechten Suchergebnissen führen.
Wie können wir also Abfragen ohne Klicks in solche mit Klicks verwandeln?
Indem der Computer das Benutzerverhalten und andere Signale analysiert, kann er Muster erkennen, um die Absicht des Benutzers herauszufinden.
Mit dieser Art von Analyse kann die KI Schwanzanfragen in Kopfanfragen umwandeln, indem sie Rechtschreibfehler, seltsame Wortfolgen oder Synonyme, die der Synonymliste hinzugefügt werden müssen, korrigiert. Indem sie den Benutzer und seine Suchmuster kennenlernen, können Maschinen versuchen, die Anzahl der Fälle zu reduzieren, in denen der Benutzer sagt: „Wow, das ist nicht das, was ich meinte.“