Die Macht der Benutzersignale

Bieten Sie Ihren Nutzern ein nahtlos personalisiertes Erlebnis, indem Sie das Nutzerverhalten und Signale analysieren.

Ihr Team sammelt bereits Nutzersignale aus Ihren Anwendungen. Clickstream, Views, Downloads, Conversions, Käufe… Sie erfassen jedes bisschen Benutzerverhalten zur Aufbewahrung und Analyse. Aber was machen Sie mit dem ständig wachsenden Berg von Daten? Auf der diesjährigen Activate half uns die Lucidworks-Datenwissenschaftlerin Jill Rosow, ein paar Schwimmflügel anzulegen und in den Pool zu springen.

Daten sind eine Geschichte

Die erste Herausforderung besteht darin, all diese Daten zu einem ausgereiften Bericht zusammenzufassen und zusammenzustellen. Sie haben viele Bäume gesehen – jetzt müssen Sie versuchen, den Wald zu erkennen. Werfen wir einen Blick auf verschiedene Untersuchungsmöglichkeiten, um besser zu verstehen, wie Benutzer mit Ihrer Anwendung interagieren und wie Sie herausfinden können, wo es Verbesserungspotenzial gibt.

Die Reifekurve der Analytik

Eine Möglichkeit, die Dinge aus der Vogelperspektive zu betrachten, besteht darin, zu sehen, wo Sie sich auf unserem Analytics Maturity Spektrum befinden. So können Sie schnell erkennen, wie es um die Analytik Ihrer Suchanwendungen bestellt ist. Was Sie bereits getan haben und wo Sie als nächstes hingehen könnten.

Dieses Modell geht über Ihre typischen KPIs wie App-Performance, Konversionsrate, Ablenkungsrate, durchschnittlicher Warenkorbwert usw. hinaus, obwohl es natürlich wichtig ist, diese Kennzahlen zu verfolgen und sicherzustellen, dass Ihr Unternehmen diese Ziele erreicht. Aber dies sind quantitative Messgrößen. Sie werden stark von Ausreißern beeinflusst und zeigen uns oft nicht die Besonderheiten

Hier sehen Sie vier Stufen auf der Reifekurve der Analyse. Welche Stufe beschreibt am besten, wie Sie derzeit die Analyse Ihrer Suchanwendungen angehen?

• Deskriptiv. Sie betrachten die Daten aus der Nähe und im Detail, um die Frage zu beantworten : Was ist passiert?
• Diagnostik. Was sagen uns die Daten über die Ursachen?
• Vorausschauend. Was sagt unsere Analyse darüber aus, was als nächstes passieren wird?
• Vorhersagend. Wie kann ich nun vorhersagen, was ich als Nächstes tun soll?

Überlegen Sie, wo Ihre Anwendungen auf dem Reifespektrum stehen – und wie Sie die nächste Stufe erreichen könnten.

Benutzer wollen sich verstanden fühlen

Der Grund für die Analyse von Nutzersignalen ist unser Bedürfnis, verstanden zu werden. Als Verbraucher – und als Geschäftsleute – wissen wir, wie es sich anfühlt, wenn die Systeme, die wir verwenden, verstehen, was wir zu tun versuchen, und uns dabei helfen, es schneller und einfacher zu tun. Um diese Qualität der Benutzererfahrung zu erreichen, müssen wir als Suchingenieure unser Denken von der Ausrichtung unserer Relevanztechniken auf Suchanfragen und Schlüsselwörter hin zu einer Relevanzanalyse/-verbesserung für den einzelnen Benutzer verlagern. Dabei müssen wir berücksichtigen, dass jeder einzelne Benutzer unterschiedliche Neigungen, Ziele und Vorlieben hat. Die Benutzer können erkennen, wenn ein System sie wie einen von einer Million oder einen von einer Million behandelt.

Ein Beispiel für eine Untersuchung könnte sein:

• Wie kann ich von den Nutzern lernen, die bereits jeden Tag mit meiner Plattform interagieren?
• Wonach fragen meine Benutzer? Wonach suchen sie am meisten?
• Welche Produkt- oder Dateikategorie durchsuchen sie am häufigsten?
• Finden sie leicht den Weg zu dem, was sie suchen, oder gibt es Hindernisse auf ihrem Weg?

Das folgende Beispiel zeigt die Verteilung der Suchanfragen nach den 25 wichtigsten Marken in einem Datensatz eines E-Commerce-Händlers:

In diesem Fall handelt es sich um Suchanfragen, aber sie können auch aus anderen Quellen stammen, z.B. aus Support-Anfragen, E-Mails oder Telefonanrufen. Sie sollten alle Quellen für diese Art von Daten analysieren. Die meisten der Nutzer hier suchen nach Produkten ohne eine bestimmte Marke. Das könnte ein Hinweis darauf sein, dass Sie ein Problem mit der Datenqualität haben. Da dies die größte Kategorie von Suchanfragen ist, würde ich dieses Segment wahrscheinlich einzeln untersuchen und versuchen, das Datenqualitätsproblem genauer zu definieren, um die Auswirkungen auf unsere Suchrelevanz zu messen.

Dann sehen wir hinter unserer markenlosen Kategorie, dass Produkte der Marke Hampton Bay am häufigsten gesucht werden, gefolgt von GE und Everbilt. Da dies unsere Top-Kategorien sind, sollten wir sicherstellen, dass die Marken-Landingpages und Sortimente für diese Marken optimal laufen, da sie am häufigsten auftauchen und daher einen Großteil unserer Suchmöglichkeiten ausmachen werden.

Worte, Worte, Worte

Die Klicks, Scrolls und Nutzungszahlen geben Ihnen einen Blickwinkel für die Analyse, aber wie sieht es mit der Diktion aus – den wörtlichen Wörtern, die die Benutzer als Abfragen eingeben?

Mit den 20 wichtigsten Wörtern zu beginnen, ist wahrscheinlich zu breit gefächert, daher sollten Sie mit der Trigramm-Analyse beginnen. Die Trigramm-Analyse sucht nach einzigartigen Kombinationen von drei Wörtern und gibt an, wie oft diese in Abfragen verwendet werden. Dies kann für Kundensupportportale und andere Anwendungen nützlich sein, bei denen Benutzer längere Fragen mit längeren Textabschnitten stellen. Hier ist eine Trigramm-Analyse für einen Haushaltsgerätehersteller:

Wenn wir uns diese Top 20 Trigramme ansehen, erkennen wir einige Themen. Es gibt viele Erwähnungen von Warmwasserbereitern an verschiedenen Stellen, aber wir können auch sehen, dass ein Nutzer, der nach einem Warmwasserbereiter sucht, in der Regel den genauen Typ des Warmwasserbereiters, den er sucht, noch weiter spezifiziert. Wir sehen Warmwasserboiler, Gasboiler, tanklose Boiler, elektrische Boiler… diese Kunden werden sehr spezifisch mit Modifikatoren, wenn sie nach einem bestimmten Produkt suchen. Ein Ansatzpunkt für eine Analyse könnte die Frage sein, ob sich die Sprache unserer Kunden ändert, je nachdem, nach welcher Produktkategorie sie suchen?

Hier ist ein Beispiel für eine Bigram-Analyse (zwei Token-Sequenzen) für einen anderen Datensatz – Abfragen von zwei Versicherungskategorien, Renten und Hausratversicherungen:

Die obersten Bigramme zeigen, wie sich die Sprache wirklich ändert, je nachdem, welche Kategorie von Versicherungsprodukten diskutiert wird. Sie können sehen, dass Verbraucher, die sich für Rentenversicherungen interessieren, in der Regel Fragen zu Investitionen, Aufschub, Eigenkapital und Begriffen wie fest oder variabel stellen. Dies unterscheidet sich stark von dem, was wir in der Kategorie Hausratversicherung sehen. Diese Kunden interessieren sich eher für Dinge wie Schäden, Wasserschutz, Kosten und Begriffe wie Eigentümer oder Mieter. Diese Erkenntnisse können uns helfen zu verstehen, wie sich die Absichten unserer Nutzer ändern, je nachdem, in welcher Produktkategorie sie suchen und einkaufen.

Benutzer wollen sofortige Antworten

Die Nutzer wollen nicht nur bekannt sein und verstanden werden, sondern auch Antworten erhalten. Und sie wollen sie sofort und dort, wo sie sich gerade befinden: auf der Website, in den sozialen Medien, im Online-Chat, im Geschäft, in der App, am Telefon – ganz gleich, wo. Sie möchten außerdem, dass ihr Verlauf und ihre Aktivitäten über alle diese Kanäle hinweg synchronisiert werden. Wenn der Kunde das Support-Portal durchsucht hat, bevor er die Hotline angerufen hat, sollte der Mitarbeiter im Contact Center dies sehen, sobald er den Hörer abnimmt – er sollte nicht fünf verschiedene Systeme abfragen müssen, um sich ein klares Bild vom Problem des Kunden zu machen.

Um all diese Interaktionen nahtlos über alle Kanäle hinweg zu gestalten, müssen Sie nachverfolgen und analysieren, was Ihre Benutzer vor und nach dem Einreichen eines Tickets oder dem Erhalt eines Null-Suchergebnisses tun. Haben sie sich umgesehen? Haben sie ihre Anfrage überarbeitet und es ein zweites Mal versucht? Weist eine Ihrer Null-Suchanfragen auf neue Bereiche für die Entwicklung oder Optimierung von Inhalten hin?

Verbinden Sie die Punkte, planen Sie die Reise

Nur wenn Sie diese Interaktionen über die verschiedenen Berührungspunkte hinweg miteinander verbinden, kann sich Ihr Team einen Überblick über die Customer Journey verschaffen – vom Stöbern über den Einkauf bis hin zum Support. Fangen Sie an, nach Anknüpfungspunkten zu suchen, bevor etwas schief geht. Hat sich der Kunde auf der Website umgesehen, bevor er ein Ticket eröffnet hat? Warum hat er sich nicht mit den Support-Dokumenten befasst? Wo waren sie, bevor sie ein Ticket eingereicht haben? Wie haben sie ihre Fragen geändert und eingegrenzt? Wie können Sie es dem nächsten Benutzer, der diesen Weg einschlägt, leichter machen?

Kompetente Problemlöser

Mehr als alles andere möchten die Verbraucher das Gefühl haben, dass sie selbst in der Lage sind, Probleme zu lösen. Dass sie in der Lage sind, ihre Probleme selbst zu lösen und Einkäufe zu tätigen, ohne Unterstützung in Anspruch nehmen zu müssen. Kompetente Kunden sind zufriedene und loyale Kunden. Eine Möglichkeit, dies zu hinterfragen, sind die Fragen:

• Steht den Benutzern das gesamte verfügbare Wissen zur Verfügung und sind sie in der Lage, diese Informationen schnell zu durchsuchen und relevante Ergebnisse zu finden?
• Können Benutzer über dieselbe Schnittstelle – eine einheitliche Suche – auf diese unterschiedlichen Arten von Informationen zugreifen?
• Wenn sie Zugang zu allen Daten haben, die sie beendet haben, können sie dann die relevanten Informationen finden?

Achten Sie auf Synonyme

Oft wissen die Benutzer nicht, welche Wörter sie verwenden sollen, und stolpern durch. Hier ist ein Diagramm der Suchanfragen für das Portal einer Versicherungsgesellschaft:

Auf der linken Seite sehen Sie Anfragen von Kunden zu den kritischen Versicherungsangeboten des Unternehmens. Die Nutzer verwenden bei ihrer Suche den Begriff Vollkasko. Auf der rechten Seite sehen Sie die Häufigkeit ähnlicher Begriffe in der Wissensdatenbank des Unternehmens, wobei das, was die Nutzer als Vollkasko bezeichnen, technisch gesehen als Vollkasko bezeichnet wird. Idealerweise sollten Sie beide Begriffe als Synonyme verwenden, um die Wiedererkennung in den Suchergebnissen der Benutzer zu erhöhen.

Prüfen Sie sich wiederholende Abfragen

Achten Sie auf sich wiederholende Anfragen. Wenn mehrere Supportmitarbeiter nach derselben Sache suchen, empfehlen Sie ihnen die ähnlich gelösten Fälle, um sie der Lösung näher zu bringen. Darüber hinaus sind die häufigen Anfragen, die Ihre Supportmitarbeiter über ihr Dashboard stellen, wahrscheinlich auch häufige Anfragen in Ihrer Kundensuche. Ziehen Sie in Erwägung, die beiden Quellen nebeneinander zu analysieren, um zu verstehen, ob Kunden und Agenten von den Signaldaten der jeweils anderen Seite profitieren können.

Zeigen Sie mir, was ich will (nicht was ich gesagt habe)

Lassen Sie uns abschließend kurz darüber sprechen, wie Sie alle vorherigen Anwendungsfälle – Abfragekorrektur, -erweiterung, -ergänzung und -empfehlungen – mit nur einer einzigen Lösung angehen können: der semantischen Vektorsuche. Die semantische Vektorsuche lässt sich am besten folgendermaßen zusammenfassen:

Zeigen Sie mir, was ich will, nicht was ich gesagt habe!

Bei diesem Ansatz können Benutzer so suchen, wie sie natürlich sprechen (auch bekannt als natürliche Sprachverarbeitung) und das System findet heraus, was sie wirklich gemeint haben. Dies geht über den Abgleich von Schlüsselwörtern hinaus und nutzt Deep-Learning-Algorithmen, um die semantische Bedeutung sowohl aus der Anfrage des Benutzers als auch aus den indizierten Daten zu ermitteln. Nutzersignale und andere Interaktionsdaten können großartige Trainingsdaten für die Algorithmen sein und dabei helfen, neue Suchanfragen, die schlecht abschneiden, in Echtzeit zu bearbeiten. Diese Techniken bringen uns auf der Reifekurve weiter nach oben.

Sie sind nie fertig

Nachdem Sie diese Ideen in die Tat umgesetzt haben, was kommt als nächstes? Jetzt, da Sie diese Feedback-Schleife eingerichtet haben und Ihren aktuellen Zustand besser verstehen und wissen, warum er so ist, wie er ist, werden Sie diese Informationen weiter analysieren, die Analysen wiederholen und die Suchrelevanz verbessern. Durch die kontinuierliche Analyse können Sie erkennen, wann etwas funktioniert und wann nicht. Ihre Nutzer sind schließlich diejenigen, die mit Ihren neuen Lösungen interagieren – lassen Sie sich von ihnen zeigen, warum es funktioniert (oder warum nicht).

Benötigen Sie Hilfe, um die Geschichte zu entschlüsseln, die Ihre Benutzer Ihnen zu erzählen versuchen? Nehmen Sie noch heute Kontakt mit uns auf.