Anda tentu sudah mengenal Google Search. Hasil pencarian Search bagi tiap individu bisa dikatakan cukup relevan, sehingga mereka jarang menelusuri halaman hasil berikutnya. Google meluncurkan Retail Search yang ditujukan bagi retailer untuk memanfaatkan kapabilitas Google Search dalam mengelola produk mereka sendiri.
Kini retailer punya banyak pilihan untuk membangun sistem pencarian yang mendukung situs mereka. Jadi mengapa harus menggunakan Retail Search?
Criticality of search systems for ecommerce retailers
Photo Credit: Google Cloud Blog
Seberapa penting sistem pencarian untuk perusahaan retail? Untuk menjawab pertanyaan ini, kita harus mengetahui halaman mana di website retail yang diberdayakan oleh sistem pencarian dan seberapa penting halaman tersebut untuk tingkat konversi.
Saluran penjualan
Biasanya retail mengklasifikasikan saluran penjualan menjadi tiga kategori:
- Top of the funnel (TOF): Beranda, halaman kategori, halaman pencarian, halaman detail produk
- Bottom of the funnel (BOF): Halaman keranjang, halaman checkout, halaman konfirmasi pesanan
- Post purchase: Manajemen pesanan, pembatalan pesanan
Photo Credit: Google Cloud Blog
Traffic pelanggan umumnya lebih tinggi di halaman TOF dan menurun saat mencapai halaman BOF. Terlihat, ada lebih banyak halaman TOF daripada halaman BOF. Bisa dibilang, halaman TOF mendorong pelanggan untuk akhirnya berkonversi. Pelanggan akhirnya menghabiskan lebih banyak waktu di halaman TOF daripada BOF, jadi jelas retail perlu memberi banyak penekanan pada halaman tersebut. Sama pentingnya dengan pengalaman pelanggan yang kohesif untuk keseluruhan perjalanan penjualan, halaman TOF memainkan peran yang sangat penting dalam perjalanan tersebut. Pelanggan biasanya membuka halaman TOF terlebih dahulu sebelum mereka dapat memulai proses pembelian.
Baca juga: Cara Merencanakan Jaringan IPv6 dengan Google Cloud
Contoh penerapan Retailer Search
Berikut ini adalah proses umum penerapan pencarian yang diikuti oleh perusahaan retail:
- Integrasi data produk
Photo Credit: Google Cloud Blog
Retailer membangun beberapa jenis pipeline untuk memasukkan data produk sumber ke dalam search engine pilihan. Mereka mulai menguji search engine dengan mengimpor semua data produk secara massal terlebih dahulu. Setelah pengujian awal, retailer membuat pipeline streaming lain untuk menyerap pembaruan katalog produk secara bertahap.
Menyempurnakan hasil pencarian secara manual
Photo Credit: Google Cloud Blog
Merchandiser mulai mengonfigurasi search engine secara manual agar sesuai dengan relevansi yang mereka inginkan. Dalam proses ini, mereka menambahkan aturan yang terkait dengan sinonim, pemeriksaan ejaan, hingga pengalihan.
Penyerapan kinerja produk
Photo Credit: Google Cloud Blog
Untuk mengotomatisasi dan mengoptimalkan relevansi, retailer akan membangun pipeline lain untuk menambahkan atribut terkait performa produk ke dalam search engine. Atribut kinerja baru ini bervariasi dari tingkat konversi hingga tayangan di website. Retailer harus menyesuaikan skema dokumen produk di search engine untuk memberi ruang bagi atribut ini.
Baca juga: Apa Itu Metrik Bidang Kontrol Kubernetes yang Baru Diluncurkan di GKE?
Machine learning
Photo Credit: Google Cloud Blog
Pada tahap ini, kata kunci sederhana seperti jam tangan, pakaian berfungsi cukup baik untuk retailer. Namun, maksud pengguna dengan kata kunci multi-frasa seperti kemeja biru untuk pria, masih kurang. Mencocokkan kata kunci saja tidak akan memberi hasil yang optimal.
Misalnya, menelusuri frasa “kemeja biru untuk pria” memberikan hasil yang berbeda dibanding saat Anda mencari kemeja dalam kategori pakaian jadi. Untuk mencapai hal ini, retailer harus membuat model machine learning untuk mengurai kueri dan menguraikan maksud pengguna, sekaligus membuat kueri penelusuran yang sesuai.
Baca juga: Mengenal Supply Chain Twin, Layanan Terbaru dari Google Cloud
Google Cloud Retail Search adalah solusi Google untuk mengimplementasikan pencarian retailer dengan kekuatan AI dan mengatasi sebagian besar kekurangan yang disebutkan di atas.
Photo Credit: Google Cloud Blog
Tidak seperti solusi pencarian lainnya, Retail Search berusaha untuk meningkatkan pengoptimalan pendapatan melalui revenue per visit (RPV) yang lebih tinggi dengan fokus tidak hanya pada relevansi, tapi juga pada daya beli dan personalisasi. Selain itu, layanan rekomendasi ditawarkan Retail Search menggunakan data yang sama sehingga retailer tidak perlu lagi mengelola dua sistem yang terpisah.