# 人工智能与个性化正在革新电子商务搜索
  
  ## 在数字化时代，传统的搜索方式已无法满足消费者的期望。但随着人工智能、个性化以及基于意图的语义搜索相结合，为消费者提供复杂的体验，搜索正迎来转型契机，重新确立其作为产品发现重要入口的地位。
  
  **文章摘要**
  
  *   传统的基于关键词的搜索已经过时，难以理解用户意图，导致电子商务体验无关且令人沮丧。
  *   人工智能和个性化现在能够实现更智能、具备上下文感知能力且由视觉驱动的产品发现，符合人们自然的搜索方式。
  *   产品发现由三种关键的消费者行为定义：浏览型、目的驱动型和特定产品探索型。先进的语义搜索、个性化、视觉分析、生成式人工智能和深度学习可以增强这三种行为。
  *   这种智能、统一的方法通过为每个用户提供高度相关、直观且量身定制的购物体验，具有提升转化率和参与度的潜力。
  
  搜索几十年来一直是平衡我们生活的一部分，但现在是时候进行彻底改革了。
  
  让我们回到早期搜索引擎的时代来理解原因。假设你正在为一份研究报告寻找最新信息，你的直觉是在搜索框中输入一个问题。结果出现了，但大多无关。你必须学会如何将你的想法转化为几个可搜索的关键词，即便如此，这依然会撒下一张大网，需要你在成页的结果中筛选，才能拼凑出正确的信息。
  
  随着 SEO 的演变，搜索过程变得不再那么艰巨，但从概念上讲，几十年来它并没有经历任何有意义的进化。搜索并没有随着人们的参与而动态调整，反而是人类在适应机器的逻辑。这种缺乏细微差别的现状让用户感到沮丧和疏离。
  
  今天，我们已经达到了一个转折点。越来越多的用户转向像 ChatGPT 这样的 AI 工具——它每天接收超过十亿次查询——以便在几秒钟内找到他们想要的东西。
  
  现在，搜索终于开始进化，以满足消费者不断增长的需求。
  
  ## 消费者期望的变化正迫使搜索发生范式转移
  
  人工智能开启了与品牌互动和产品发现的新方式。购物者现在期望搜索体验更加复杂、快速和智能。以下是演变过程：
  
  **人们的搜索方式与传统搜索能力之间的冲突**
  
  让我们考虑一下一个人通常如何进行搜索。想象有人正在寻找一件参加朋友婚礼时穿的裙子。尽管根据 Dynamic Yield 的数据，50% 的问题超过三个词，但消费者通常使用 2-3 个词的查询来锁定目标。于是，这个人输入了“婚礼裙子”，但搜索引擎只显示白色裙子，未能识别出客人不应穿白色这一常识。
  
  现在，想象一下购物者直接表达需求的情况：“我需要一件在佛罗里达参加朋友户外婚礼时穿的裙子。”这些额外词汇中包含的上下文和特异性可以为消费者节省大量时间——前提是搜索功能足够先进，能够理解它们。
  
  消费者已经做出了调整，因为历史性的关键词搜索并非为处理复杂查询而设计，产品馈送通常标记不当，且搜索无法借鉴现实世界的知识。此类查询甚至可能引导消费者找到无关产品，因为词语背后的含义与词语本身同样重要。
  
  **人工智能驱动的引导和推荐更加个性化**
  
  传统搜索依赖于用户输入和过滤，但无法利用有关消费者偏好的潜在价值数据，导致结果平庸。为了摆脱这种挫败感，约 70% 的人选择生成式人工智能而非传统搜索来获取引导和推荐。此外，大多数人信任这些 AI 推荐，并在没有额外研究的情况下接受它们，因为这些推荐非常精准地解决了他们的需求。对于品牌来说，为了避免失去这些宝贵的互动机会（以及对产品在生成式 AI 工具中展示方式的控制），他们必须将搜索体验从通用型进化为基于上下文和数据的定制型。
  
  **消费者在购物时越来越依赖视觉信息**
  
  难以描述所需物品的在线购物者更倾向于使用视觉信息来弥补差距。事实上，在 Pinterest 的一项调查中，85% 的受访者表示，在网上搜索服装和家具时，视觉信息比文字更重要。传统的关键词搜索根本无法提供基于视觉分析的结果。
  
  ## 人工智能与个性化如何共同重新定义搜索
  
  今天，人工智能驱动的算法和个性化正在将搜索提升到新的高度。
  
  搜索不再是千篇一律的；它可以根据人们寻找所需产品的各种方式进行动态调整。事实上，人们发现产品有三种常见方式。让我们逐一拆解，并深入探讨这些突破性的新搜索功能如何更好地满足消费者需求。
  
  1.  **为浏览型消费者提供个性化导航**
      这些购物者有兴趣探索特定类别中的内容，而不是直接导航到特定产品。
      
      为了根据这种高意图的浏览行为简化搜索体验，品牌可以使用个性化技术识别导航类搜索查询（如“男鞋”），并将这些查询引导至量身定制的类别页面，而非网站默认的搜索体验。
      
      这些类别页面还可以使用复杂的深度学习算法进行排序和优化，根据每个用户的偏好展示最相关的产品，并预测他们下一步可能最感兴趣的内容。不同的算法和理货规则也可以针对不同的页面和受众，以确定实现最大参与度的最佳组合。
      
  2.  **为目的驱动型消费者提供人工智能助手**
      
      目的驱动型消费者知道自己想要什么，并最终在寻求引导。例如，他们可能知道自己需要健身服，但尚未缩小到具体产品。
      
      个性化和人工智能现在可以帮助零售商理解口语化、基于问题的搜索查询背后的意图。当与先进的语义搜索（可以解释查询背后的含义，而不仅仅是词语）相结合时，体验会变得更好。一个典型的例子是：像 Shopping Muse 这样由生成式人工智能驱动的对话式体验。无论购物者搜索“冬季跑步夹克”还是“冷天慢跑穿什么？”，这些 AI 聊天机器人都会使用自然语言处理和深度学习模型来回答直接问题，每次都推荐最相关的产品。通过分析上下文和行为数据，聊天机器人能更好地预测消费者下一步的需求。
      
      根据我们的经验，零售商发现，与不使用此类工具的购物者相比，参与互动的购物者购买意愿更强，客单价也更高。对于那些为他人购买礼物或缺乏产品知识的消费者来说，这也是找到完美礼物的简便方法。
      
  3.  **为产品驱动型消费者提供先进的语义搜索和视觉分析**
      这些是高意图的购物者，他们试图直接导航到特定的商品。