Utilisez les signaux de vos utilisateurs pour de générer des suggestions de recherche personnalisées afin d'offrir une expérience plus fluide et des résultats pertinents.
Grâce à la fonctionnalité d'auto-complétion d'Algolia, les utilisateurs n'ont plus besoin de saisir leur recherche entièrement, ils peuvent à la place sélectionner une proposition dans la liste déroulante. L'expérience de recherche est améliorée et plus interactive.
Les suggestions d'auto-complétion guident les utilisateurs en leur proposant des requêtes plus longues sous la zone de texte en fonction de ce qu'ils commencent à taper dans la barre de recherche. La pertinence et la précision de cette technologie permet aux utilisateurs de sélectionner plus efficacement les résultats de recherche qui leur semblent les plus adéquats.
Grâce à la recherche par auto-complétion, vous réduisez le nombre de lettres saisies nécessaires aux utilisateurs sur leurs appareils mobiles iOS ou Android. Moins de temps passé à écrire sur un écran miniature et à essayer d'éviter les fautes de frappe signifie plus de temps pour trouver les bons résultats. En tant que détaillant en ligne ou site d'information, vous pouvez accroître l'engagement et optimiser l'expérience de vos utilisateurs grâce à une recherche mobile rapide et efficace
Vous pourrez toujours montrer à vos utilisateurs les recherches les plus populaires. Exploitez l'historique des recherches grâce à la personnalisation Algolia. Fournissez un niveau de pertinence élevé via sur les suggestions de recherche présentées à chaque utilisateur en fonction de ses intérêts exprimés à partir de ses termes de recherche précédents et des données d'enrichissement.
Les suggestions de recherche fonctionnent avec plusieurs sources de données afin de toujours fournir les meilleures options à vos utilisateurs.
Pour aider les utilisateurs à accéder rapidement aux informations, aux contenus ou aux produits dont ils ont besoin, l'auto-complétion analyse vos indexes, y compris les attributs de filtrage et de facettes, afin de fournir des suggestions de recherche pour la bonne catégorie de contenu (et ne jamais pointer vers une page sans résultat).
Les suggestions sont générées et classées en fonction des recherches de vos utilisateurs et de la manière dont ils les affinent, et sont mises à jour quotidiennement. Et lorsque vous combinez l'utilisation de l'auto-complétion avec la personnalisation, les suggestions sont affinées en fonction des affinités et du profil de chaque utilisateur.
Utilisez Google Analytics ou un autre outil d'analyse externe de votre choix pour affiner vos suggestions automatiques et offrir à vos utilisateurs une auto-complétion pertinente comme ils l'obtiendraient en effectuant une recherche sur Amazon ou Google.
Affinez les suggestions de recherche pour vos principaux scénarios d'utilisation.
Utilisez des règles pour renforcer les suggestions spécifiques, par exemple pour les articles tendances sur vos sites e-commerce. Affichez des bannières dans les suggestions de complétion qui apparaitront lors de mots-clés ou contextes spécifiques. Créez des synonymes pour offrir aux utilisateurs les meilleures options d'auto-complétion avec des mots-clés apparentés, même s'ils saisissent dans le champ de recherche des termes qui ne figurent pas dans votre catalogue.
Vous pouvez interdire tout mot-clé que vous ne souhaitez pas voir apparaître dans les requêtes suggérées aux utilisateurs. Les suggestions de requêtes vont également plus loin et ignorent les requêtes similaires répétées provenant de la même adresse IP.
Prenez en charge vos paramètres granulaires de suggestion de recherche tels que les attributs à afficher dans les suggestions de recherche textuelle des utilisateurs, le nombre minimum de caractères requis dans le champ de texte pour qu'une suggestion apparaisse et plus encore.
This white paper explores personalization implementation challenges and offers insights into how real-time AI personalization can drive user engagement and business success.
DRR is an AI-powered tool built into the Algolia dashboard. It uses AI to find trends in your user’s behaviors to boost the most relevant results.
In today’s digital landscape, responsible personalization is key for online retailers. But how can businesses ensure they're respecting customer privacy while still enhancing the shopping experience?
Les suggestions de recherche ne sont que des suggestions de meilleures recherches. Par exemple, si un utilisateur commence à saisir l'extrait "smartphone", il sera invité à choisir une requête plus précise telle que smartphone apple ou smartphone iphone xs. Avec une recherche plus fine comme celle-là, leurs chances de trouver les bons résultats augmentent.
Oui, vous pouvez combiner différents types de suggestions comme pour les produits, les catégories, les marques, les articles et les billets de blog, dans un seul menu d'auto-complétion. Vous pouvez même afficher plusieurs sections de résultats générés par la recherche de différents index ou la recherche de valeurs possibles de facettes.
Notre technologie de suggestions de recherche normalise et complète les suggestions afin de supprimer celles qui sont dupliquées, similaires ou qui ont un préfixe.
Vous pouvez également personnaliser un ensemble de contraintes configurables qui disqualifient les termes de recherche de votre index de suggestions. Si une suggestion correspond à l'un de ces critères, elle n'est pas incluse comme terme de recherche :
Les meilleures recherches de l'API analytique sont agrégées, mais vous pouvez aller plus loin. Voici un bon exemple : si tablets, Tabl, Tablets et tablet sont les principales recherches dans votre index source, il vous est possible de réduire la spécification au terme le plus recherché.
Il est également judicieux de désigner correctement la langue ainsi que de supprimer les recherches non pertinentes et inappropriées en configurant les expressions interdites.
L'index est mis à jour une fois toutes les 24 heures ou chaque fois que vous modifiez et enregistrez sa configuration. Les suggestions de recherche prennent en compte les éléments de données des 30 derniers jours et l'index est basé sur une fenêtre glissante des données analytiques les plus récentes. Lors du calcul de la popularité des suggestions, les recherches effectuées plus tôt dans la période de 30 jours ne comptent pas moins que celles effectuées plus récemment.