小売Webサイトは、異なるユーザーが行った同一の検索に対して常に同じアイテムを返す必要がありますか？
当社のウェブサイトでは、購入する製品を多数提供しています。サードパーティのAI製品をHijack検索に適用して、検索用語と、閲覧履歴からの予測と、売上が正常に処理された他のユーザーの検索履歴に基づいて製品を返すという新しい取り組みがあります。キーワードを検索すると、他の人が同じものを検索した場合とは異なる製品セットが返されます。検索のURLを友人に渡して製品を比較すると、リストが異なるため、議論することができません。私が見つけたリストは、AIの提案により、自分のマシンで日々変更されています。
これは「ノーノー」のデザインですか？
AIは、コア検索結果ではなく、推奨にのみ使用する必要がありますか？
これについて提案する引用すべきガイドラインはありますか？
私もこれを付けました： Software Recommendations
検索には2つのタイプがあります。特定の回答やアイテムを見つけること、または探索的検索です。つまり、可能性の領域を発見します。
1つ目のタイプの検索では、良い答えが1つしかないため、ユーザーが誰で、何をしたかに基づいて結果が変わることはありません。これは、特定の情報（映画の俳優、戦闘の日付など）を探しているときに適用されます。
2番目のタイプの検索はeコマースで最も一般的です。必要なものの大まかなアイデアがあり、基準に一致するさまざまな製品を知るために検索します。あなたの説明から、あなたのウェブサイト検索はこの2番目のタイプの検索に近いようです。
この場合、履歴と他のユーザーのアクションに基づいて特定のユーザーに合わせて検索結果を調整すると、より関連性の高い結果が上に表示されるため、コンバージョンが増加します。 Googleはすでに ユーザーの場所、過去の検索履歴、アクティビティ に基づいて結果を絞り込んでいます。 Amazonでは、過去の閲覧履歴や購入履歴、ウィッシュリストを考慮しているため、ログインしているかどうかによって結果のリストは異なります。
AIに合わせた検索結果で2つの問題を提起します。
1-ユーザーは単に検索URLを共有して、友達に同じ結果を期待することはできません。
2-ユーザーは次の検索で同じ製品を見つけられない可能性があります。
お気に入り/リストシステムを提供することで、これらの問題を軽減できます。ユーザーは1つまたは複数の製品をリストに追加し（「後で保存」、「お気に入り」などのボタン）、リストを友達と共有できます。
これにより複雑さが増しますが、ユーザーが編集したリストから貴重な情報を入手できます（リストされたアイテムに基づいて将来の推奨事項を調整したり、リストされた製品を含む個別メーリングを送信したりすることができます）。
アイテムを保存するためのUI要素は、このリストが一時的なものであることをユーザーに知らせる信号として機能し、後で再び見つけたい場合はアイテムを保存する必要があります。
カスタム検索結果のアイデアは素晴らしいと思います。しかし、あなたはユーザーがサイトに戻って同じ検索を実行して同じ結果を得ることができない場合は、ほとんど避けてください。
これが発生したときのユーザーの気持ちを考える必要があります。ユーザーは次のように考えますか。
- 「ああ、たぶん彼らは検索ロジックを変えるので、別のキーワードを試してみましょう」OR
- 「ああ、彼らはもう製品を持っていません。別の場所で見つけるためにGoogleで検索させてください」
考える他のポイント：
- ユーザーがリンクを使用して検索結果を共有する頻度はどれくらいですか？彼らがそれをしているなら、なぜですか？
- このAIをどのように使用して、すべてのユーザーに同等の結果を向上させることができますか？
- おそらく、それを使用して、一般的な検索結果の上にいくつかの推奨製品を表示できます。
とにかく、私の投票は：
はい、ユーザーがリンクを共有している場合、検索結果のリンクは同じ製品を保持する必要があります。
長くて非常に具体的なキーワードでない限り、キーワード検索だけでは十分ではありません。検索結果を正しい順序で保持するには、フィルターが必要です。これらすべてに加えて、特定の順序で並べ替える機能。検索エンジンは、結果を表示する際に、インデックスから特定のパラメーターを考慮して優先順位を付けるように設計する必要があります。
インデックス作成時間が4時間であることを考慮すると、データセットは変更されないため、同じ検索キーワードとフィルターでその期間内に異なる結果が表示されることはありません。結果がその期間内で変化している場合、検索はより厳密でなければなりません。
AIの結果は個人の活動に基づいているため、一般的に2人の人では異なります。検索結果がAIの提案によって上書きされることはありません。
AIをトレーニングし、検索アルゴリズムのパラメーターを構成する方法は、依然としてユーザーの要件に基づいているため、検索結果がどのように表示されるかは言うまでもありません。これは、ユーザーの期待に基づいている必要があります。 。
ユーザーの期待が「検索プール」が常に変化していることである場合、特定のキーワードに対して、結果は常に最新の結果セットを返す必要があります（たとえば、新しい製品を追加した場合）。これは最も単純なケースです。
ユーザーの期待が、検索アルゴリズムがいくつかの情報を収集し、それを使用して検索結果を絞り込むことである場合、特定のキーワードの場合、「検索プール」が同じであっても結果が異なる可能性があります。これも比較的単純なケースです。
ただし、2つの可能性を組み合わせると、検索プロセスの各側面に対するユーザーの期待が何であるかに応じて、多くの異なる順列が生じます。既存のデザインやユーザーについて詳しく理解していなければ、ユーザーの期待が何であるかを想定するのではなく、保守的なアプローチをとるべきだと思います。複雑なものを設計してそれを縮小する必要がある場合に比べて、機能を拡張する方が簡単です。
あなたは決して常に同じ結果を返すことはありません
これは覚えておくことが重要です。さまざまな理由から、特定の用語のSRPは通常、ゆっくりと変化するエクスペリエンスです。商品と在庫が変わるため、結果も変わるはずです。今日も明日もないでしょう。しかし、ある時点で、物事は削除され、物事が追加されます。
したがって、それが定数の不変のリストでない場合、ユーザーはどのレベルの変更を許容しますか。おそらく、あなたが思っている以上の可能性があります。
データサイエンスと機械学習の時代
約10年前にアルゴリズムSRPランカーをテストしました。中級レベルのe-commアプリケーションでのデータサイエンスアプリケーションはかなり初期の段階でしたが、人間の介入モデルはあまりにも「感情的」でした。大量のデータ（数十万ヒット）の大きな日があった場合、モデルは翌日に新しい何かを返す可能性があります。動いた。コンバージョン率は2桁の伸びを示しました。
10年後、MLはどこにでもあります。デジタル製品は人々のニーズに応えます。モデルが良ければ（そして、覚えておいてください、人間はこれらのモデルを書いています）、それは物事が間違っているというよりも、物事が正しくなるでしょう。
ユーザーは現在、デジタルの世界が自分の行動やニーズに対応することを期待しています。
漸進的改善
検索ランキング手法のトピックについて、 このデータサイエンスの記事 は鋭い観察をします：
関連性の段階的な向上が他の要因よりも重要であるスケールに達したら、MLモデルへの移行を検討してください。ただし、MLモデルの作業を開始する前に、「最適化メトリック」の問題に対する適切な回答があることを確認してください。
「漸進的な利益」があるという運用上のフレーズがあります。パフォーマンス（エンゲージメント、コンバージョン、平均次数など）をゆっくりと改善するには、十分に調整されたモデルと組み合わせた大量のデータが必要です。 IOW、結果は不安定ではありません。
人間のオーケストレーションには大きすぎます
そして、AI/MLの重要なポイントをさらに強調するために：あなたは大規模なデータセットを操作しています。 このForbesの記事 で指摘されているように、man + machineはさらに多くのことができます。
…機械学習は、膨大な量のデータを処理してパターンを見つけ、人間ができない結論を導き出し、マーケティング担当者向けに非常に正確なデータ駆動型のアクティベーションを可能にすることにより、大きな価値を提供します。
ボトムライン
大きなカタログがある場合、おそらく多くのユーザーがいて、さらに多くのデータがあります。 ML主導のSRPは実りが多いと思われます。
質問には明確なはいまたはいいえの答えがあります。
それはいくつかの要因に依存します、同じサイトが非常に正確な検索とアルゴリズム（AI/ML）支援の検索を持つことができます。
実際の例：
自動車販売ポータルで「Audi Q3」キーワードを検索すると、Audi Q3のみが含まれる結果が表示されることが期待されます。できれば、価格またはその他のフィルター基準で並べ替えることができます。しかし、「SUV」または「4X4」を検索すると、アルゴリズムが検索を支援します。
「拡張されたコルクの断熱材」を検索すると、正確に表示されます。これは、販売している製品であるか、持っているかどうかです。
このアルゴリズムは、検索で結果が返されない場合、または結果に含まれる無関係なアイテムが多すぎる場合に役立ちます。アルゴリズムは、大規模な市場（EtcyまたはeBay）で「ギフトアイデア」などの抽象的なキーワードを使用するとうまく機能します。