Stronę Zoot odwiedza miesięcznie 2 miliony osób (+Bibloo 2,5 miliona miesięcznie). To imponująca liczba, ale bardziej istotne jest, że marce udało się uzyskać wśród społeczności modowej status “love-brand”.
Zdecydowany na udoskonalenie wyszukiwania w witrynie i podniesienie go na nowy poziom klient rzucił nam nie lada wyzwanie, stawiając za cel wzrost skuteczności wyników wyszukiwania i zwiększenie komfortu użytkownika.
Wyniki szybko pokazały niezwykłe zalety Luigi's Box's
Przeprowadziliśmy testy A/B porównujące Luigi's Box z naszymi rozwiązaniami, oraz innymi narzędziami. Wyniki szybko pokazały przewagę Luigi's Box, a dalsze testy A/B nie znalazły lepszego rozwiązania.
David Šandera
Chief product and technical officer, Zoot (digital people)
Główne wyzwania:
- Zwiększenie ogólnej precyzji wyników
- Zagwarantowanie odpowiednich sugestii autouzupełniania dla ogromnej liczby produktów (1 milion) przy jednoczesnym zachowaniu szybkości ładowania na stronie.
- Uproszczenie procesu product discovery dzięki dostosowanej opcji autouzupełniania i dynamicznym filtrom fasetowym.
Analiza zachowań użytkowników
Dane pokazały, że odwiedzający Zoot są trzy razy bardziej skłonni do konwersji w momencie, kiedy korzystają z wyszukiwania. W przypadku, kiedy około 10-11% osób korzysta z wyszukiwania stało się bardziej niż jasne, że zapewnienie nowych rozwiązań na stronie bez dostosowania ich do specyfiki branży modowej byłoby zmarnowaną szansą.
Dlatego pierwszym podjętym przez nas krokiem była próba zrozumienia, w jaki sposób użytkownicy wchodzą w interakcję z witryną i samą opcją wyszukiwania. W tym celu wdrożyliśmy narzędzie Luigi’s Box Analytics, które pomogło nam zrozumieć, w jaki sposób użytkownicy wyszukują różnego rodzaju produkty. Analiza pokazała, że przy wyszukiwaniu należy w uwzględnić:
- Najważniejsze cechy produktu (np. kolor, płeć, styl/krój, marka itp.)
- Typowe synonimy i literówki (dżinsy, denim, niebieskie spodnie itp.)
- Najczęstsze powody “braku wyników” z wyszukiwania
Przystosowanie wyszukiwania
Następnie zaczęliśmy dopracowywać nasze wyszukiwanie tak, aby odzwierciedlić zebrane dane w trafności wyników i rankingu samych produktów.
Jednym z głównych celów był wzrost trafności wyszukiwanych haseł związanych z kolorystyką (np. niebieskie dżinsy, biały kardigan itp.).
Wyłapanie najczęściej stosowanych synonimów, wyrażeń języka potocznego i błędnej pisowni ma kluczowe znaczenie dla redukcji "braku wyników" z wyszukiwania i znacząco wpływa na precyzję wyników.
Na sam koniec podjęliśmy intensywną współpracę z klientem w celu udoskonalenia feedów produktowych tak, aby jak najlepiej wykorzystać nasze wyszukiwanie poprzez dostarczanie pełnych i dokładnych danych produktów w oparciu o wcześniejsze ustalenia i wymagania.
Projekt i użytkowość
Design funkcji autouzupełniania, wyników wyszukiwania i filtrów fasetowych został dostosowany do projektu strony internetowej w oparciu o brief klienta.
Ponieważ klient postrzegał wyszukiwanie jako pokaz mody, stworzyliśmy projekt paska autouzupełniania koncentrując się na atrakcyjnej wizualnej prezentacji produktów.
Autouzupełnianie zawiera również rekomendowane kategorie, najlepsze marki oraz zapytania podobne do wpisywanych haseł.
Ponieważ dane pokazały nam, że najważniejszym atrybutem filtrowania w wynikach wyszukiwania jest sama marka, oprócz zwykłego filtru fasetowego przygotowaliśmy szybki filtr wizualny (loga) najpopularniejszych marek pasujące do danego hasła wyszukiwania.
Dodaliśmy również rekomendowane kategorie na stronie wyników wyszukiwania, ponieważ wiele wyszukiwanych haseł (np. “biały top”) często odnosi się do kilku kategorii produktów.
Test A/B i jego wyniki
Ponieważ w okresie przeprowadzania testu Zoot korzystał z konkurencyjnego rozwiązania, zdecydowano się na przeprowadzenie testu A/B z podziałem 50:50.
Test A/B rozpoczął się 17 sierpnia i został poddany ocenie po miesiącu, ale już po pierwszych tygodniach wyniki zaczęły wskazywać na przewagę Luigi’s Box.
Test został przerwany po trzech miesiącach, w wyniku kilkukrotnego przedłużenia. Wyniki pokazały, że Luigi’s Box Search i Autocomplete przyczyniło się do:
+9.14%
Wzrostu współczynnika konwersji "dodaj do koszyka"
+2.57%
Wzrostu współczynnika konwersji z zakupów
Powyższe studium przypadku pokazuje nam, jak ważne jest indywidualne podejście oparte na danych, pozwalające w pełni wykorzystać potencjał danej technologii.