Wie maschinelles Lernen und Autovervollständigung Benutzer zu mehr Konversionen führen

Autovervollständigen, die Funktion, die schon nach wenigen Tastenanschlägen vorhersagt, was Sie einzugeben versuchen, ist seit 2008 eine Standardfunktion von Google.…

Autovervollständigen, die Funktion, die schon nach wenigen Tastenanschlägen vorhersagt, was Sie einzugeben versuchen, ist seit 2008 eine Standardfunktion von Google. Und wie die meisten Google-Trends ist auch diese Funktion inzwischen zum De-facto-Standard für E-Commerce-Websites geworden. Die Funktion, die auch als Auto-Suggest und Type-Ahead bezeichnet wird, kann durch Metadaten und/oder maschinelles Lernen unterstützt werden. Es überrascht nicht, dass maschinelles Lernen eine weitaus größere Genauigkeit bietet – während die Verwaltung von Metadaten zu einem virtuellen Wettrüsten wird, um mitzuhalten.

Die gängigste Art und Weise, wie Unternehmen Metadaten erstellen, besteht darin, sich die Logdateien anzusehen – und alle Rechtschreibfehler und Synonyme zu identifizieren. Das ist zwar ein guter erster Schritt, aber die englische Sprache ist kompliziert. Viele Dinge können schief gehen, von der Fehlinterpretation des Wortes, das der Benutzer zu buchstabieren beginnt, was zu irrelevanten oder ungültigen Ergebnissen führt, bis hin zu Vorschlägen, die so weit daneben liegen, dass sie fast lächerlich sind.

Außerdem ist die Pflege eines metadatenbasierten Wörterbuchs/Thesaurus schwierig denn es erfordert entweder eine Menge manueller Arbeit oder teure Textanalyse-Tools, um die Metadaten zu erstellen. Und wenn ein neuer Tippfehler oder ein neuer Begriff verwendet wird, der nicht im Wörterbuch steht – dann werden sie erst gefunden, wenn der potenzielle Kunde längst weg ist.

Laut einer Umfrage der Nielsen Norman Group (NNG) klicken nur 23 Prozent der Verbraucher, die die Autovervollständigung nutzen, tatsächlich auf ein Ergebnis, was darauf hindeutet, dass die Vorschläge nicht hilfreich waren.

Liegt es daran, dass die Wörter in der Auswahlliste nicht die richtigen sind? Sind es zu viele? Zu wenige? Zu schlecht konzipiert zu entschlüsseln?

Wenn Sie bedenken, dass 30 Prozent Ihrer Besucher zuerst über die Suche auf Ihre Website zugreifen – und 80 Prozent dieser Besucher verlassen die Website, ohne auf etwas zu klicken -, dann macht die Perfektionierung von Type-Ahead durchaus Sinn.

Wie die Autovervollständigung Konversionen fördert

Ein führendes Fachhandelsunternehmen mit einem Umsatz von mehr als 100 Milliarden Dollar und globaler Reichweite ist der Meinung, dass Auto-Suggest für die Benutzerfreundlichkeit und die Umwandlung in Umsatz entscheidend ist. Ich habe mit dem IT-Architekten und technischen Leiter des Unternehmens gesprochen, der anonym bleiben möchte. Er sagte mir, dass die ständige Verbesserung der automatischen Vervollständigung eine Priorität ist, weil sie so große Auswirkungen hat.

Und die Bemühungen des Einzelhändlers, die automatische Vervollständigung proaktiv zu verbessern, zahlen sich aus.

Wie bereits erwähnt, verzeichnete NNG zwar nur 23 Prozent Klickrate bei der Vorschlagsfunktion, aber dieses Unternehmen berichtet, dass etwa 50 Prozent seiner Besucher auf einen der Vorschläge klicken, die bereits nach der Eingabe weniger Zeichen erscheinen. Der IT-Manager weist jedoch darauf hin, dass diese Zahlen nicht die volle Wirkung von Auto-Suggest widerspiegeln.

Wir können nur die Anzahl der Personen messen, die tatsächlich auf einen Vorschlag geklickt haben“, sagt er. „Ich behaupte, dass es zwei Komponenten gibt. Die eine ist das explizite Engagement, bei dem der Nutzer aktiv eine vorgeschlagene Suchanfrage auswählt. Die andere ist implizit, bei dem der Benutzer durch die Vorschläge in der Dropdown-Liste beeinflusst wird.“

Im letzteren Fall tippen die Benutzer die Wörter eines Vorschlags direkt in das Suchfeld ein, anstatt den Cursor zu bewegen, um den Vorschlag auszuwählen.

Wie sich maschinelles Lernen auf das Schreiben auswirkt

Die Erweiterung des Systems und das Hinzufügen neuer Funktionen ist immer zweitrangig gegenüber der Sicherstellung, dass die Suchmaschine ihre Grundfunktion sehr gut erfüllt. Wie bei einem Haus, das ein Problem im Fundament hat, hilft keine noch so große Schaufensterdekoration – d.h. keine andere Funktion oder Eigenschaft – wenn die Verbraucher die gewünschten Produkte nicht finden können.

„Sie werden Ihre Einnahmen durch ein solides Fundament erzielen“, sagt meine Quelle zu mir. „Es geht nicht um ausgefallene Funktionen, sondern darum, dass Ihr System solide ist. Wenn bei den Grundlagen irgendetwas schief läuft, vergrault das die Leute und sie werden Ihrem System nicht mehr vertrauen.“

Type-ahead erfordert ein Verständnis der Benutzerabsicht. Eine Möglichkeit, dies herauszufinden, ist die Analyse der Benutzeranfragen: Welche Wörter haben sie für ihre Suche verwendet (und wie haben sie diese Begriffe falsch geschrieben)? Welche Suchanfragen führten zu einem Klick? Welche nicht?

Sie können das von Hand machen, aber dazu braucht man viele Hände. Oder Sie können KI/Maschinelles Lernen verwenden.

Das maschinelle Lernen wendet mathematische Algorithmen auf Protokolldateien und Signale aus dem Nutzerverhalten an, um die relevantesten Vorschläge für die automatische Vervollständigung zu generieren und zu bewerten. Aber das ist nur die Hälfte der Gleichung. Die andere Hälfte ist das Testen und Optimieren der Algorithmen, um die gewünschten Ergebnisse zu erzielen. Leider ist das nicht bei allen Anbietern von maschinellem Lernen möglich.

Erklärbare KI ermöglicht mehr Kontrolle

Die Firma hatte zuvor einen Suchanbieter verwendet, der einen Blackbox-Ansatz Das bedeutet, dass Entwickler keinen Zugriff auf die zugrunde liegende KI-Logik hatten und keine Änderungen am Code vornehmen konnten.

„Wir hatten nicht viel Gelegenheit, die Engine an unsere spezifischen Geschäftsanforderungen anzupassen“, erklärt meine Quelle. Weil sie eine offene Plattform mit erklärbarer KI wollten, wechselte das Unternehmen vor vier Jahren zu Lucidworks Fusion.

Fusion lernt aus den Millionen von Suchanfragen auf der Website der Einzelhandelskette und verfeinert so die Vorschläge für die Vorauswahl. Aber es bedurfte einer Partnerschaft zwischen Fusion und den Entwicklern und Datenwissenschaftlern des Einzelhändlers, um eine Type-Ahead-Implementierung zu kultivieren, die mehr als das Doppelte der Interaktion anderer Handelswebsites erzielt.

„Wir haben die Ressourcen für eine aktive Entwicklung, so dass unsere Programmierer jetzt den Code ändern und bei Bedarf zusätzliche Funktionen hinzufügen können“, erklärt mir der IT-Manager. „Wir erweitern das System also kontinuierlich und integrieren neue Logik und Module.“

Eine gängige Geschäftsanwendung für erklärbare KI ist die Integration der Perspektive des Händlers in die automatische Vervollständigung und die Suchergebnisse. Automatische Vorschläge werden automatisch vom Fusion AI-Algorithmus erstellt, der auf der Grundlage des Nutzerverhaltens und der Muster ähnlicher Suchanfragen die Suchanfragen erstellt, die am ehesten der Absicht des Suchenden entsprechen.

Es ist jedoch möglich, dass die Techniker des Einzelhändlers den Code so ändern, dass einige Vorschläge eine eher kommerzielle Ausrichtung haben. Die Standardeinstellung der Autovervollständigung des Unternehmens besteht darin, die von der NNG empfohlenen 10 Vorschläge im Dropdown-Menü anzuzeigen. Das bietet die Möglichkeit, einige davon zu nutzen, um einen bevorzugten Anbieter, ein Produkt, das Käufer gerne bewerben würden, oder einen hochwertigen Artikel innerhalb der Kategorie zu nennen. Keiner dieser händlergesteuerten Vorschläge würde ohne die Unterstützung der Programmierer angezeigt werden.

Der Manager sagt, dass die Verwendung der Autovervollständigung zur Vorhersage von Nutzerabsichten und zur Umsatzsteigerung ein Balanceakt ist. „Wir erhalten ständig Anfragen von Produktmanagern, weil sie sich darum kümmern, welches Produkt verkauft wird“, sagt er. „Aber uns geht es mehr darum, wie wir machen die beste Benutzererfahrung zu bieten, damit die Menschen finden, was sie suchen.“

Die Frage ist, ob sich die Benutzer an Vorschlägen stören werden, die anscheinend von Umsatzerwägungen geleitet werden, oder ob diese Firma und andere wie sie Geld auf dem Tisch liegen lassen, indem sie einige kommerziell motivierte Optionen nicht einbeziehen.

Beste Art von Site Guided-Navigation

Das Baymard Institute, ein unabhängiges Forschungsunternehmen für Web Usability, hat in den letzten zehn Jahren Zehntausende von Stunden lang untersucht, was Verbraucher auf E-Commerce-Websites tatsächlich tun und was sie über diese Erfahrung denken.

In einem Artikel über das automatische VervollständigenBaymard schreibt: „Wenn die Vorschläge zur automatischen Vervollständigung gut funktionieren, helfen sie dem Benutzer, bessere Suchanfragen zu formulieren. Es geht nicht darum, den Suchprozess zu beschleunigen, sondern vielmehr darum, den Benutzer zu führen und ihm bei der Formulierung seiner Suchanfrage zu helfen.

„Bei den Tests wurde festgestellt, dass die Vorschläge zur automatischen Vervollständigung direkt die wie und wonach die Testpersonen gesucht haben“, heißt es in dem Artikel weiter. „Die Vorschläge zur automatischen Vervollständigung wirken außerdem beruhigend, wenn der Benutzer etwas eintippt und Übereinstimmungen mit seiner Suchanfrage sieht. Oft werden die Benutzer aufgefordert, weitere Details zur Suchanfrage hinzuzufügen, solange relevante Vorschläge zur automatischen Vervollständigung angezeigt werden.

Meine Quelle aus dem Bereich Heimwerkerbedarf sagte mir, dass die Strategie, eine große Bandbreite an Vorschlägen für die automatische Vervollständigung anzuzeigen, mit einer besseren Konversionsrate korreliert.

„Die Eingabe steht an der Spitze des Suchtrichters, und wir wollen unseren Trichter so groß wie möglich machen“, sagt er. „Es ist kein gutes Benutzererlebnis, wenn Sie mehrere Zeichen eingegeben haben und kein Vorschlag angezeigt wird. Ideal ist es, wenn Sie immer weiter tippen und es immer einen Vorschlag für Sie gibt, der zu einem guten Suchergebnis führt.