数极客首页

4个策略,8个行动点,帮你打造优质O2O搜索体验

搜索和推荐是解决信息过载问题的两个最常见的手段,上一篇讲到如何从1到N的优化个性化推荐,本文通过4个策略8个行动点来介绍一下如何优化O2O的推荐体验。

4个策略,8个行动点,帮你打造优质O2O搜索体验

搜索和推荐虽然都是解决信息过载的手段,在前端视觉和系统架构上有诸多相似之处,但是二者有着本质的差别。

在实践过程中经常遇到将适合推荐的策略应用在搜索中,结果发现收效甚微甚至效果负向,这是因为搜索和推荐虽然存在诸多相似性,但是其本质具有极大的差别,有必要对二者的差别进行分析,下面从产品价值,目标用户以及衡量指标进行解读二者的不同:

4个策略,8个行动点,帮你打造优质O2O搜索体验
  1. 产品价值。推荐的价值在于帮助用户发现好店,关键词是“探索发现”,搜索的价值是帮助用户便利高效的获取到精准的内容,这里的关键词有两个,一个是便利高效,讲的是过程,旨在降低用户的时间成本,另外一个是精准,讲的是结果,旨在降低用户的信息获取成本。
  2. 目标用户。推荐的目标用户是需求不明确的用户,闲来无事来逛一逛以期发现自己感兴趣的内容。而搜索的目标用户是需求明确的用户,需要快速、即时的找到所需。
  3. 衡量指标。推荐和搜索最常用的衡量指标都是点击率,而且是越高越好。此外还有一个常用的辅助指标是使用时长,搜索的平均使用时长越短越好,越短说明用户越快找到所需,表明搜索做的越好,而推荐平均使用时长越长越好,越长说明推荐的东西用户越感兴趣,表明推荐做的越好。

搜索的产品价值是帮助用户便利高效的获取到精准的内容,好的搜索体验需要满足4个策略,即全面、高效、精准、有趣。

4个策略,8个行动点,帮你打造优质O2O搜索体验

策略1:全面

行动点1:扩充POI的丰富度

影响搜索结果最根本的还是信息的完整性,试想如果搜索的结果经常为空或者结果信息稀疏,就无从谈搜索体验,笔者之所以把全面作为最重要因素,因为从点评和高德发展提炼得出的。

15年笔者进入点评之后,当时老板花了半年时间做的事情就是扩充POI的覆盖量和内容丰富度,做到点评的POI覆盖度领先于当时的竞对美团,因此用户就会产生一个心智,那就是找信息上点评,点评的搜索使用率远高于美团也印证了这一点。

另外一个是高德,阿里收购高德以后,俞永福当时的战略就是放弃了不擅长的O2O,而是聚焦于地图的本质业务,也即地址查询和导航,其中最重要的一个举措就是最大程度的丰富POI信息,终于在2年后在搜索体验上超过了百度地图。

行动点2:实体POI到虚拟POI

在实体POI覆盖度做到最全之后,通过query进行分析,发现用户的搜索词中约有一半并不是实体POI,而是商区、推荐菜、品类、场景等词,这些词的搜索结果点击率远远不如搜索商户词,因此去分析用户搜索这些词以后的行为路径。例如用户搜索推荐菜,是想找一家这个推荐菜比较好的店,但是列表页并无法通过推荐菜的推荐人数进行排序;因此我们为推荐菜建立了虚拟POI,在搜索结果页将该虚拟POI置顶,POI的详情页放的是该推荐菜的附近排行榜、全程排行榜以及附近的优质团购。

同样的道理,分析用户搜索商场,可能是要找这个商场的商户,也可能只是将这个商场做为地标,找这家商场附近的商户。因此将商场建立虚拟POI,将该虚拟POI置顶,增加快捷入口可以直接找商场附近的商户;也可以点击这个虚拟POI,进入商场的详情页,里面展示商场的商户,以及一些优惠活动。

4个策略,8个行动点,帮你打造优质O2O搜索体验

策略2:高效

行动点3:识别用户意图到店

在满足了内容丰富度之后,下一个任务就是就是帮助用户快捷高效的获取信息,首先我们有必要梳理一下用户使用搜索的场景进行梳理:

  • Step 1 行前选店:用户搜索,并从搜索结果中筛选出一家要去的店
  • Step 2 行中看址:在确定了要去的商户之后,用户在去过过程中需要再次找到这家店查看地址或者导航前往
  • Step 3 到店消费:到店后用户需要找到这家店看推荐菜或者买优惠或者买单
  • Step 4 离店评价:用户离店之后需要找到这间店进行评价。

从上面可以看出一个完整的用户消费过程用户起码需要找同一家店4次,那么如果我们在第1步的时候就识别出用户想去的店铺,例如用户要去的商户是“七条鱼精致料理”,之后在搜索框的底纹词、搜索热词、搜索联想词或者搜索结果直观呈现,就能够直接缩短用户触达路径,提高用户效率。

4个策略,8个行动点,帮你打造优质O2O搜索体验

那么如何识别出用户要去哪家店呢?

前面讲到的四步找店过程中,每一步都可以通过一些用户行为来识别出用户要去的商户,例如在行前可以根据用户多次浏览、收藏、分享等行为判断用户想要去的商户,同时在之后的行为也可以不断验证和修正。

下面分析一下每一步可以用来判断用户想去的店的行为特征:

Step1:行前选店

  • 用户多次浏览
  • 用户最后浏览
  • 用户点击了店铺的地址/电话/推荐菜/用户评论等信息
  • 用户收藏
  • 用户分享了的店(一般都是分享给朋友)
  • 用户购买了团购的商户

Step 2:行中看址

  • 用户点击了店铺的地址
  • 用户复制了店铺的地址(使用第三方导航)
  • 用户使用了导航

Step3:到店消费

  • 用户查看推荐菜
  • 用户连接了WiFi
  • 扫描到店铺的WIFI(仅安卓手机可以实现)
  • 距离用户的距离很近
4个策略,8个行动点,帮你打造优质O2O搜索体验

行动点4:搜索热词增加个性化

用户点击搜索之后,都会有一个热门搜索的模块,笔者通过对搜索热词分析,发现点击率比较高的都是例如美食、火锅、日料这种比较宽泛的词,貌似符合常理,因为大家搜索这些词的概率比较高嘛。

但是大家思考这个问题:

用户点击搜索热词“火锅”,到底是因为:

用户本身就是想搜火锅,刚好看到了就点击?

还是用户本身不想搜火锅,看到搜索热词这里有个火锅,改变了原有的搜索意愿改搜火锅了?

前者是迎合用户的搜索意图,后者是引导了用户的搜索意图。

我认为答案是前者,因为用户使用搜索本身是有个明确的意图,不太可能因为我们的搜索热词而改变了自己原本的搜索意图。所以如果这里的搜索热词是为了迎合用户搜索意图,也即尽最大可能的猜测用户的搜索意图。

那么通过“热门搜索”是很有很瓶颈的,因为真正猜测用户诉求最好的方式不是热门而是个性化,因此这里更适合根据用户的浏览行为和搜索行为放个性化的内容。当然这时“热门搜索”的名字可能不合适了,可以换一个更恰当的名字,而且笔者也通过ab测试证明加了个性化后的数据有起码60%的提升。

行动点5: 搜索联想词支持点击直达

最初在分析搜索词的时候发现品牌词的搜索结果点击率非常高,例如用户搜星巴克,超过80%的用户都会点击第一条搜索结果,也即一般点的都是距离用户最近的星巴克。

品牌词的搜索结果点击这么好,貌似不需要放精力优化。但是我们逆向思考一下:为什么品牌词的搜索结果点击这么好?那是因为用户搜索品牌词时搜索意图非常明确,基本上都是要找附近的那家店,既然如此我们是否能进一步缩短用户的路径呢?答案是肯定的,也即在搜索引导词直接展示相关的商户,用户点击后直接跳转到商户详情页,而不是先跳到列表页,然后还需要用户点击跳到闲情页。

4个策略,8个行动点,帮你打造优质O2O搜索体验

策略3:精准

行动点6:区分词类分别建模

O2O场景用户的搜索词很杂,类型很多,而不同的搜索词用户期望的结果差别很大,例如用户搜商区,想要的是该商区内的商户,单纯的关键词匹配已经无法满足,需要将商区画圈,然后将落在这个圈里的商户都召回。为了更好的呈现的不同搜索词的结果,需要建立关键词进行归类,建立词库,然后不同类型的关键词制定不同的召回和排序模型。

行动点7:引入个性化因素

搜索结果适度考虑用户个性化因素,能够有效的提升转化率,考虑的因素主要是4个维度,商户维度、用户维度、商户-用户交叉维度、情境维度(例如雨天外卖加权),想了解更多个性化因素可以看上一篇文章。

4个策略,8个行动点,帮你打造优质O2O搜索体验

策略4:有趣

行动点8:增加趣味性推荐理由

推荐理由能够让用户明白结果的排序的理由,同时趣味性的推荐理由能够吸引用户眼球,提高转化率。推荐理由的来源主要有3类:

1 利用关系链

  • 好友推荐:Jason等x个好友推荐,最好将用户亲密度高好友名外露
  • 同事推荐:xx个同事收藏

2 机器生成理由

  • 人以群分:与你口味相似的人都喜欢,摩登主妇都喜欢
  • 入选榜单:入选杭州日料top10,附近日料第3名

3 从UGC中提炼产生

  • 从用户UGC中提炼出来的推荐短句,例如“龙虾味道很棒,晚上异常火爆”
  • 推荐菜:1150人推荐红烧肉

4 从外网爬取

  • 名人推荐:歌手薛之谦开的店
  • 媒体推荐:《美食与美酒》杂志评选2016 best 50餐厅

以上。

 

作者:Jason(微信号liuzs0204),阿里巴巴资深产品经理,前美团点评搜索与推荐产品经理。

本文由 @Jason 原创发布。未经许可,禁止转载

新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章