Die maßgeschnittene Autovervollständigung brachte Zoot einen eleganten Anstieg der Conversion Rate von 2,5 %

Obwohl die 2 Millionen monatlichen Besuche von Zoot (sowie die 2,5 Millionen monatlichen Besuche von Bibloos) schon beeindruckend waren, schaffte die Marke es sogar, in der Mode-Community den Status ‘Lieblingsmarke’ zu erreichen.

Als sich der Kunde also dafür entschied, die Seitensuche zu verbessern, wurde dieses Projekt zu einer großen Herausforderung. Wir setzten es uns zum Ziel, die Genauigkeit der Suchergebnisse und das Nutzererlebnis zu verbessern.

Analyse des Nutzerverhaltens

Die Daten zeigen, dass die Besucher/innen von Zoot mit einer drei Mal höheren Wahrscheinlichkeit zu Kund/innen werden, wenn sie die Suche nutzen. Mit einer Suchnutzung von etwa 10-11 % war es glasklar, dass dieser Bereich eine verpasste Gelegenheit darstellte. Bei der Suche geht es nicht nur um die Technologie, sondern darum, dass sie an die Besonderheiten der Modebranche angepasst wird.

Deshalb war unser erster Schritt, zu verstehen, wie Nutzer/innen mit der Webseite und der Suche interagieren. Dafür implementierten wir die Luigi’s Box-Analysen. Wir konnten sehen, wie Nutzer/innen nach verschiedenen Arten von Produkten suchen, indem wir folgendes analysierten:

• Die wichtigsten Produkteigenschaften (z.B. Farben, Geschlecht, Stil/Schnitt, Marke etc.)
• Übliche Synonyme und Tippfehler (Jeans, Denim, blaue Hose etc.)
• Die gängigsten Gründe für leere Ergebnisseiten

Präzise Suche

Als Nächstes begannen wir, unsere Suche zu präziseren, sodass sich die Daten in der Relevanz der Suchergebnisse und den Produktrankings widerspiegelten.

Ein großes Ziel war, die Genauigkeit der Farbbegriffe zu verbessern (z.B. blaue Jeans, weißer Cardigan etc.).

Zu guter Letzt arbeiteten wir eng mit dem Kunden zusammen, um die Produktfeeds zu verbessern und das meiste aus unserer Suche herauszuholen, indem wir vollständige und genaue Produktdaten bereitstellten, die auf unseren Erkenntnissen und Anforderungen basierten.

Design und Nutzbarkeit

Das Design der Autovervollständigung, der Suchergebnisse und der facettierten Filter passt sich basierend auf der Vorgabe des Kunden an das Webseitendesign an.

Da der Kunde die Suche als Modeauslage betrachtete, kreierten wir für die Autovervollständigung eine Leiste mit voller Breite und einem Fokus auf eine überzeugende visuelle Präsentation der Produkte.

Die Demo der Autovervollständigung enthält auch empfohlene Kategorien, Top-Marken und ähnliche Anfragen, die zu den Suchbegriffen passen.

Da Daten uns gezeigt haben, dass die wichtigste Filtereigenschaft in den Suchergebnissen die Marke ist, haben wir zusätzlich zu dem regulären facettierten Filter einen schnellen visuellen Filter (Logos) mit den beliebtesten Marken erstellt, die zu dem jeweiligen Suchbegriff passen.

Wir haben auch empfohlene Kategorien auf der Suchergebnisseite hinzugefügt, da viele Suchbegriffe (z.B. “weißes Top”) oft in mehreren Produktkategorien relevant sind.

A/B-Test und die Ergebnisse

Da Zoot damals eine Konkurrenzlösung verwendete, entschied sich das Team, einen A/B-Test mit einer Aufteilung von 50:50 durchzuführen.

Der A/B-Test begann am 17. August und wurde nach einem Monat bewertet, aber schon nach den ersten Wochen war dank Luigi’s Box eine Verbesserung sichtbar.

Nach mehreren Verlängerungen wurde der Test nach drei Monaten beendet. Die Ergebnisse zeigten, dass die Suche und Autovervollständigung von Luigi’s Box folgendes erzielten:

Diese Fallstudie hat gezeigt, wie wichtig es ist, einen datengetriebenen Ansatz zu wählen, wenn Sie das volle Potenzial der Technologie ausnutzen möchten.