Cómo personalizar las experiencias de búsqueda con Elastic

Crear experiencias de búsqueda personalizadas puede ser desafiante. En este blog desmitificaremos los primeros pasos para que puedas priorizar los resultados de búsqueda según el perfil del usuario, dar recomendaciones relevantes y acelerar los flujos de trabajo. Pero antes de llegar a eso, abordemos por qué es importante la búsqueda personalizada.

[Descargar el documento técnico: Ecommerce search personalization on Elastic (Personalización de la búsqueda de comercio electrónico en Elastic)]

La influencia de la búsqueda personalizada

Independientemente de que estés al tanto o no, la búsqueda impulsa las experiencias digitales personalizadas con las que te encuentras a diario. Estos son algunos ejemplos:

• La búsqueda a medida que escribes usa tu historial de búsqueda para sugerir consultas.
• Los artículos de bases de conocimientos se proporcionan según tus preferencias de suscripción.
• Los proveedores de atención médica se sugieren según tus antecedentes médicos y ubicación.
• Las recomendaciones de compras en línea se adaptan conforme a compras anteriores y productos favoritos similares de los usuarios.

¿Cómo se volvió tan omnipresente la personalización? Porque la personalización impulsa resultados comerciales importantes. Según una investigación reciente de consumidores llevada a cabo por Wakefield: 

• Es más probable que 88 % de los compradores en línea continúen comprando en sitios web que ofrecen una experiencia personalizada.
• El 84 % reporta que la personalización influencia sus decisiones de compra.
• El 68 % compró artículos, que no tenía intenciones de comprar, a raíz de recomendaciones personalizadas.

Básicamente, la personalización crea lealtad, influencia las decisiones y aumenta el gasto. Por lo tanto, las organizaciones y los desarrolladores que se ocupan de las experiencias de búsqueda están prestando atención. 

[Artículo relacionado: La personalización vale la pena para los minoristas en línea]

En su esencia, la personalización es un problema de datos 

Todas las arquitecturas de personalización siguen los mismos pasos: ingesta de datos, análisis de datos y adaptación de la experiencia a los usuarios finales. Cada paso se centra en los datos; desde su recopilación hasta su análisis y la puesta en uso para respaldar una experiencia personalizada.

El primer paso es reunir los datos del cliente que respaldarán tu estrategia de personalización. Con frecuencia, esto también significa integrar los datos del cliente con sets de datos adicionales, como búsquedas, clics y compras históricas. 

A continuación, analizas los datos de forma agregada para determinar las preferencias del usuario final y destilar tendencias. Puedes hacerlo de forma manual o con la asistencia automatizada de machine learning. La información que deduces de este análisis respalda tu modelo de búsqueda personalizado.

Por último, aplicas los resultados de tus análisis de datos para diseñar una experiencia de búsqueda personalizada. 

Suena simple, ¿verdad? En Elastic, nos gusta decir, "Depende…" .

Usar Elastic para facilitar la búsqueda personalizada

Afortunadamente, Elastic es una empresa de analíticas de datos desarrollada a partir del poder de la búsqueda. Por lo tanto, ofrecemos a los especialistas una amplia variedad de herramientas de desarrollo que van desde opciones listas para usar con código mínimo hasta API que te dan control total de la experiencia. La flexibilidad es un principio clave que aplica a todos los pasos del proceso, porque cada caso de uso de personalización es diferente y, por definición, debe personalizarse según corresponda. 

Desde una perspectiva de ingesta de datos, puedes acceder a conectores prediseñados, marcos de trabajo para desarrollar conectores para fuentes personalizadas e integraciones de terceros para traer y almacenar datos relevantes en Elastic. 

Para el análisis de datos, puedes indexar tus datos en Elastic y analizarlos con Kibana, la herramienta de visualización de datos y creación de dashboards de Elastic. También puedes automatizar las agregaciones con las API de Elasticsearch. Incluso puedes analizar datos en todos los clusters para cumplir con los requisitos de privacidad de los datos o de residencia de los datos. Puedes traer modelos de machine learning propietarios o importarlos directamente desde Hugging Face para automatizar el análisis. También puedes usar la búsqueda de vectores nativa de Elastic para crear y proporcionar tus propios motores de recomendaciones personalizadas.

Cuando estés listos para aplicar tu información personalizada para buscar, puedes usar las API de Enterprise Search de Elastic que permiten la adaptación de los modelos de relevancia sobre la marcha con mejoras o ponderaciones de campo. Para tener incluso más control sobre la clasificación de resultados, puedes usar las API de Elasticsearch. También puedes usar Search UI de Elastic para crear rápido una experiencia de búsqueda, usando la biblioteca de Javascript que se conecta directamente a tu motor de búsqueda de Elastic.

Profundizar un nivel más

La búsqueda personalizada impulsa las experiencias digitales modernas que estamos acostumbrados a ver día tras día. Las experiencias personalizadas obtienen resultados; impulsan el compromiso del cliente, las ventas y la fidelización. 

Todas las organizaciones deberían tener una estrategia de personalización. Si estás desarrollando experiencias de personalización, también necesitas una estrategia de datos, porque la personalización depende de la ingesta de datos, el análisis de datos y la presentación de información personalizada para cumplir con las necesidades de los usuarios finales. 

En Elastic, creemos que la flexibilidad es la clave para desarrollar experiencias personalizadas. Proporcionamos una variedad de capacidades integradas, herramientas para el desarrollador y bibliotecas para lograr el máximo control, de modo que puedas adaptar la personalización a tus usuarios. 

Para acceder a una demostración de codificación en vivo de cómo reclasificar los resultados de búsqueda con datos de clics y aplicar la búsqueda de vectores a la personalización, mira Cómo implementar la personalización de la búsqueda de comercio electrónico con Elasticsearch. 

Para conocer más detalles sobre cómo crear personalización basada en analíticas con Elastic Enterprise Search, que incluyan muestras de código y más información sobre la búsqueda de vectores nativa de Elastic y su enfoque abierto y flexible respecto a machine learning, descarga el documento técnico.