La personalizzazione del completamento automatico per Zoot ha portato a un aumento del del 2,5% del tasso di conversione.

Sebbene i 2 milioni di visite mensili di Zoot  (a cui bisogna sommare  i 2,5 milioni di visite mensili di Bibloo) siano numeri impressionanti, la cosa più importante è che il marchio sia riuscito a conquistare lo status di “love-brand” nella comunità della moda.

Quindi, quando il cliente ha deciso di alzare il livello della ricerca interna, ha fatto di questo progetto una grande sfida e ci ha coinvolti con l’impegno e l’obiettivo di migliorare la precisione dei risultati di ricerca e l’esperienza utente.

Analisi del comportamento degli utenti

I dati ci hanno mostrato che i visitatori di Zoot che usano la ricerca  hanno tre volte in più la probabilità di effettuare una conversione. Dato che circa il 10-11% degli utenti utilizza la ricerca, è stato più che chiaro che sarebbe stata un’occasione persa fornire solo la tecnologia senza adattarla alle specificità del settore della moda.

Ecco perché il nostro primo passo è stato quello di capire come gli utenti interagiscono con il sito web e con la ricerca stessa. A tal fine, abbiamo implementato Analytics di Luigi’s Box, che ci ha aiutato a comprendere il modo in cui gli utenti cercano i diversi tipi di prodotti. Ci siamo riusciti analizzando :

• Gli attributi più importanti dei prodotti (ad esempio, colori, genere, stile/taglio, marca, ecc.)
• I sinonimi e gli errori di battitura più comuni (jeans, denim, pantaloni ecc.)
• Le cause più frequenti di ricerche senza risultato

Affinamento della ricerca

In seguito, abbiamo iniziato a perfezionare la ricerca perché i miglioramenti si riflettessero sulla pertinenza dei risultati e sul product ranking.

Uno degli obiettivi principali era quello di migliorare l’accuratezza dei termini di ricerca relativi ai colori (ad esempio, jeans blu, cardigan bianco, ecc.).

Come ultima cosa, ma non meno importante, abbiamo collaborato intensamente con il cliente per migliorare i feed dei prodotti e ottenere il massimo dalla nostra ricerca, fornendo dati completi e accurati sui prodotti in base alle nostre scoperte e ai nostri requisiti.

Design e usabilità

Il design del completamento automatico, dei risultati della ricerca e dei filtri a faccette si adatta al design del sito web sulla base delle indicazioni del cliente.

Poiché il cliente ha pensato alla ricerca come a una vetrina della moda, abbiamo progettato una barra di completamento automatico a tutta larghezza, facendo particolare attenzione a che la resa visiva dei prodotti risultasse attraente e stimolasse all’acquisto.

Lo showcase del completamento automatico contiene anche le categorie consigliate, i marchi più venduti e le query simili correlate ai termini di ricerca.

Poiché i dati ci hanno mostrato che l’attributo più importante del filtro nei risultati di ricerca è il marchio, insieme al normale filtro a faccette abbiamo preparato un rapido filtro visivo (loghi) dei marchi più popolari corrispondenti a un particolare termine di ricerca.

Abbiamo anche aggiunto le categorie consigliate alla pagina dei risultati di ricerca, poiché molti termini di ricerca (ad esempio, “top bianco”) sono spesso pertinenti a diverse categorie di prodotti.

Test A/B e risultati

Dato che all’epoca Zoot utilizzava una soluzione concorrente, si decise decise di lanciare un test A/B con lo split 50:50.

Il test A/B è iniziato il 17 agosto ed è stato valutato dopo un mese, ma già dopo le prime settimane i risultati hanno iniziato a mostrare un miglioramento a favore di Luigi’s Box.

Dopo vari prolungamenti, il test è stato interrotto in capo a tre mesi. I risultati hanno rivelato che Search e il Completamento automatico di Luigi’s Box avevano:

Questo caso di studio dimostra come sia importante scegliere un approccio individuale e basato sui dati per ottenere il massimo potenziale dalla tecnologia.