Abgleich und Rangfolge suchen
Adobe Commerce Optimizer werden die Ergebnisse so sortiert, dass Käufer die relevantesten Produkte zuerst sehen. Der Service steigert am meisten die Produkte, deren Katalogtext eng mit dem Kunden übereinstimmt), bevorzugt dann Übereinstimmungen, bei denen Abfragebegriffe sinnvoll zusammenpassen, und schließlich breitere Übereinstimmungen (einschließlich Verhaltensweisen, die eine automatische Vervollständigung unterstützen).
Wie Übereinstimmungen priorisiert werden
Auf hoher Ebene verwendet die Relevanz drei Schichten der Übereinstimmungsstärke (zusätzlich zu den anderen unten beschriebenen Scoring-Faktoren):
-
Exakte und Beinahe-Phrasenübereinstimmung - Die vollständige Suchphrase entspricht Katalogtext oder einer Beinahe-Übereinstimmung nach der Normalisierung wie Stemming (z. B. werden Singular- und Plural-Formulare zu derselben Wurzel aufgelöst). Diese Übereinstimmungen erhalten den höchsten Relevanzschub.
-
Alle Wörter im selben Feld - Jedes Wort in der Abfrage wird in einem durchsuchbaren Attribut angezeigt (z. B. sowohl
redals auchpantsim Produkt name). Diese Schicht erhält die nächsthöhere Verstärkung. -
Wörter über verschiedene Felder hinweg - Abfragebegriffe werden in verschiedenen durchsuchbaren Attributen angezeigt (z. B.
redin color undpantsin name). Dies ist die breiteste Übereinstimmungsschicht und erhält die niedrigste Relevanzsteigerung. Es kann auch mit Teilabfragen übereinstimmen, die von der automatischen Vervollständigung verwendet werden, z. B. wenn ein Käuferred paneingibt, bevor erpantsbeendet. Für deutsche Kataloge siehe Dekompounding.
Beispiel
Für eine Abfrage wie red pants:
- Produkte mit der exakten Phrase rote Hose (oder einer nahen Variante) rangieren (.
- Als Nächstes folgen Produkte bei denen und Hose im selben Feld erscheinen (z. B name).
- Produkte, bei denen die Begriffe in verschiedenen Feldern enthalten sind (z. B "" und name).
Dekomprimierung (Deutsch) decompounding-german
Deutsche Kataloge verwenden viele zusammengesetzte Wörter. Zum Beispiel können spülbecken und spül becken in Token wie spul und beck (nach dem Stemmen) zerfallen, sodass ein Käufer, der spul becken sucht, weiterhin spülbecken finden kann. Auf dieser Ebene müssen dekomprimierte Unterwörter aus einem zusammengesetzten Begriff im selben Feld erscheinen. Andere Abfragebegriffe können in verschiedenen Feldern übereinstimmen.
Diese AND-Anforderung filtert irrelevante Übereinstimmungen, bei denen nur ein Unterwort vorhanden ist. Beispielsweise gibt eine Suche nach Brauseschlauch nicht mehr Schlauchstück zurück, wenn nur ein Teil der Verbindung übereinstimmt. Eine Suche nach flush becken kann immer noch übereinstimmen da das längere Wort alle erwarteten Token enthält.
Beispiel
Für einen Suchbegriff wie Brauseschlauch chrom:
- Exakte und Beinahe-Phrasenübereinstimmung - Sucht nach der vollständigen Phrase brauseschlauch chrom wie eingegeben, ohne zu zerlegen (Stemming gilt weiterhin).
- Alle Wörter im selben Feld — Sucht nach brauseschlauch und chrom im same durchsuchbaren Attribut, noch ohne Zerlegung (z. B. beide in name).
- Wörter über verschiedene Felder hinweg — Zerlegt Brauseschlauch in brause und schlauch. Diese Token müssen im Feld angezeigt werden nicht unbedingt als angrenzende Phrase). chrom kann in einem Feld anders übereinstimmen (z. B. Brause und Schlauch in name, chrom in color).
Legen Sie Sprache auf Deutsch auf der Registerkarte Sprache in Einstellungen fest, sodass Zerlegungsregeln gelten. Validieren Sie hochwertige deutsche Abfragen in einer Staging-Storefront, bevor Sie Änderungen in der Produktion aktivieren.
Die Dekomprimierung ist regelbasiert und kann auf dieser Ebene Randfälle hinzufügen. Wenn ein Unterwort im Wörterbuch fehlt, kann die Tokenisierung unvollständig sein und breitere Übereinstimmungen zurückgeben, als erwartet - z. B. kann gas fehlt im gaszähler nur zahl oder stat fehlt im thermostat. Die Stemmer können auch unerwartete Wurzeln produzieren (z. B „schrauber stemming to schraub oder schelle to schell). Adobe aktualisiert das Wörterbuch und die Abstammungsüberschreibungen für bekannte Fälle, wenn Probleme erkannt werden.
Was wirkt sich noch auf das Ranking aus?
Die Relevanz wird nicht allein durch die Übereinstimmung der Phrasen bestimmt. Mehrere Signale interagieren:
- Verstärken durch exakte/ Phrasenübereinstimmung
- Verstärken, wenn alle Abfragebegriffe im Feld werden
- Intelligentes Ranking (wenn aktiviert), das textliche Relevanz mit Verhaltenssignalen verbindet - siehe Funktionsweise der intelligenten Rangfolgenbewertung
- Suchgewichtung für jedes Attribut und andere textliche Relevanzfaktoren (z. B. wie oft Begriffe vorkommen und Name oder Länge der Beschreibung). Konfigurieren Sie Einstellungen, welche Attribute an der Keyword-Suche beteiligt sind, und ihre relativen Keyword-Suchgewichte.
- Merchandising-Regeln z. B. Pin, Boost und Bury
Da diese Signale interagieren, kann ein Produkt, das nur auf der breitesten Ebene übereinstimmt, manchmal einen engeren Übereinstimmungsgrad erreichen, z. B. wenn Suchgewichte oder die Häufigkeit von Begriffen in einem Feld mit hoher Gewichtung eine schwächere Übereinstimmung der Phrasen an anderer Stelle überwiegen.
Beispiel: Wenn rote Hose als Phrase in Beschreibung mit Suchgewicht = 1 angezeigt wird, rot und pants getrennt in name und color mit Suchgewicht = 10, übertrifft die Phrase in description möglicherweise nicht die Aufspaltungsübereinstimmung, je nach Gesamtbewertung.
Manuelle Pin- und Bury-Regeln bleiben stark; Boost-Regeln erfordern möglicherweise eine Abstimmung, um neue Phrasen und Verstärkungen im selben Feld zu überwinden. Validieren wichtiger Abfragen nach dem Ändern von Gewichtungen oder Regeln.
Suchgewichtung 1 und kombinierte Indizierung
Attribute, die mit der Mindestsuchgewichtung (Gewichtung 1) und Nicht für spezielle Übereinstimmungsmodi konfiguriert wurden (z. B. Enthält oder Beginnt mit), können im Suchindex zu einem einzigen internen Feld (defaultSearchField) kombiniert werden, um den Mehraufwand für die Feldzuordnung zu reduzieren. Betrachten Sie dies als eine durchsuchbare Oberfläche für Gleiches Feld-Abgleich: Token, die nur in diesen kombinierten Feldern mit geringer Gewichtung landen, werden zusammen und nicht als separate Felder pro Attribut ausgewertet. Adobe kann diese Optimierung im Laufe der Zeit verfeinern, wenn sich der Abgleich weiterentwickelt.