Découvrez quand la recherche Shopify, les filtres, les recommandations de produits et un agent de boutique IA aident les acheteurs à trouver des produits, et comment améliorer chaque parcours.
La découverte de produits Shopify fonctionne mieux lorsque chaque interface remplit un rôle clair : la recherche retrouve, les filtres affinent, les recommandations prolongent et la conversation clarifie. Le meilleur parcours dépend de ce que l’acheteur sait déjà.
Un acheteur qui saisit une référence exacte n’a pas besoin d’un interrogatoire. Celui qui dit : « Il me faut quelque chose de léger pour mes trajets quotidiens, mais qui résiste à la pluie et tient sous un siège d’avion » en a probablement besoin.
Ce guide s’adresse aux équipes Shopify de merchandising, d’e-commerce et d’optimisation du taux de conversion. À la fin, vous saurez orienter quatre états d’intention courants vers l’interface de découverte adaptée et mener un bref audit qui débouche sur une modification concrète avec une personne responsable.
Ce guide porte sur la découverte dans la vitrine Shopify d’un marchand : recherche, filtres, recommandations sur les pages produit et agent de boutique IA sur site. Les boutiques en ligne agentiques de Shopify, qui peuvent rendre des produits admissibles visibles sur des canaux d’IA externes, constituent un canal distinct dont la disponibilité et les contrôles dépendent de la plateforme. Consultez Agent de boutique IA, chatbot ou assistant d’achat IA : quelles différences ? pour une distinction plus complète.
La découverte commence par ce que l’acheteur sait déjà :
La recherche est généralement efficace pour les deux premiers cas. Les filtres aident à affiner une catégorie connue. Les recommandations sont utiles lorsqu’un produit pertinent est déjà affiché. La conversation gagne en utilité quand la demande dépend du contexte, de compromis ou de questions de suivi.
L’objectif n’est pas d’envoyer chaque acheteur vers le chat. Il consiste à éviter qu’une demande difficile n’aboutisse à une impasse parce qu’elle ne correspond à aucun mot-clé ni libellé de filtre.
La documentation actuelle de Shopify sur la recherche dans la vitrine décrit une infrastructure de recherche intégrée optimisée par IA, avec notamment la recherche prédictive et la tolérance aux fautes de frappe activées par défaut.
La recherche classique renvoie des résultats après l’envoi d’une requête. La recherche prédictive propose des résultats pendant la saisie. Les deux sont efficaces pour des requêtes telles que :
La documentation de Shopify sur le comportement de la recherche explique que la pertinence peut dépendre de l’emplacement d’un terme, de la longueur du champ et des signaux de popularité. Elle présente également la racinisation, la tolérance aux fautes de frappe, la correspondance de préfixes et l’assouplissement des requêtes, dont les détails varient selon la langue et le contexte.
La recherche dépend malgré tout du vocabulaire du catalogue. Si les acheteurs parlent de sac de week-end, mais que la boutique utilise seulement sac polochon, les produits pertinents seront plus difficiles à trouver. Si une référence, une matière ou un usage prévu n’apparaît jamais dans les informations interrogeables, la recherche ne peut pas inventer ce fait.
Testez le vocabulaire des acheteurs, y compris les fautes de frappe, les autres appellations, les références et les cas d’usage, pas seulement les noms de produits employés en interne par l’équipe de merchandising.
Les filtres répondent à la question : « Quels produits de ce groupe respectent mes exigences connues ? »
Pour une collection de vestes, les filtres utiles peuvent inclure la taille, le prix, la couleur, la matière, l’isolation, l’imperméabilité et l’activité. Pour l’électronique, les acheteurs peuvent avoir besoin de la marque, du connecteur, de la compatibilité avec l’appareil, de la puissance et des dimensions.
Les options de filtrage de Search & Discovery de Shopify prennent en charge les filtres standards et les filtres personnalisés fondés sur les options produit, les champs méta, les métaobjets et les attributs de catégorie. La compatibilité du thème et les limites actuelles de la plateforme s’appliquent.
Les filtres sont efficaces lorsque :
Ils le sont moins lorsque le besoin ne correspond pas clairement à une facette. « Adapté à un premier appartement » et « allure professionnelle mais confortable pendant un vol de nuit » sont des objectifs pertinents, pas des valeurs de filtre évidentes. Ajouter davantage de filtres peut simplement transférer la complexité du catalogue à l’acheteur.
Employez des libellés que les acheteurs comprennent et harmonisez les valeurs équivalentes. Résistance à l’eau est plus clair qu’un nom interne de champ méta ; trois orthographes de la même matière ne doivent pas créer trois filtres.
Les recommandations d’une page produit partent d’un contexte que la vitrine possède déjà : le produit consulté. Attribuez un seul rôle à chaque emplacement :
Shopify permet aux marchands de configurer des produits associés et complémentaires au moyen des recommandations de Search & Discovery. Les produits associés générés automatiquement peuvent s’appuyer sur des tendances d’achat agrégées, des descriptions de produits similaires ou des collections associées ; les marchands peuvent aussi ajouter manuellement des recommandations. Une section de thème compatible et activée est nécessaire pour les afficher.
Une limite actuelle peut facilement passer inaperçue : Shopify indique que sa stratégie fondée sur les descriptions de produits pour les recommandations générées automatiquement est réservée aux marchands dont la vitrine est en anglais. Les stratégies basées sur l’historique d’achat et les collections associées ont leurs propres exigences. Confirmez le comportement actuel pour votre langue et votre catalogue au lieu de supposer que toutes les stratégies de génération s’appliquent.
Une relation entre produits ne constitue pas nécessairement une personnalisation. Un article associé peut être pertinent parce qu’il ressemble au produit de la page. La personnalisation conversationnelle est différente : elle peut utiliser les besoins et contraintes exprimés par l’acheteur actuel. Le guide sur les recommandations de produits conversationnelles par IA explique quels signaux doivent influencer une recommandation et quand l’agent doit poser une question.
La conversation mérite sa place lorsque l’acheteur ne peut pas résumer son besoin en une requête ou quelques filtres. Elle peut recueillir le contexte, lever une ambiguïté, comparer les compromis et expliquer pourquoi une courte sélection convient.
BuyScout® Agent de boutique IA peut guider les acheteurs en associant leurs propos au contexte pertinent de la navigation et du panier. Sa bibliothèque de compétences publiée présente les recommandations et comparaisons de produits, l’aide à l’ajout au panier, les lots ou compléments pertinents, ainsi que des tâches de vente et d’assistance configurées au-delà du premier choix de produit.
Prenons cette question :
« Il me faut un cadeau pour un amateur de café qui possède déjà une machine à expresso. Mon budget est de 80 $ et je ne sais pas quels accessoires sont compatibles avec son équipement. »
La recherche peut retrouver des accessoires pour expresso. Les filtres peuvent limiter la sélection au budget. Les recommandations des pages produit peuvent suggérer des compléments. La conversation peut demander quelle machine possède le destinataire, reconnaître que la compatibilité est la contrainte décisive et expliquer pourquoi une courte sélection convient.
Si la compatibilité n’est pas documentée, l’agent doit signaler l’incertitude ou faire intervenir une personne. Il ne doit pas inventer une compatibilité pour poursuivre la conversation. La liste de contrôle des données produit Shopify destinées aux conseils par IA aide à révéler ces lacunes avant que les acheteurs ne le fassent.
| Interface de découverte | Idéale lorsque l’acheteur… | Rôle principal | Échec courant | Signal utile |
|---|---|---|---|---|
| Recherche | Peut nommer un produit, une catégorie, un modèle ou un attribut | Retrouver rapidement un ensemble de résultats pertinent | Vocabulaire différent ou données interrogeables manquantes | Clic sur un résultat et achat après la recherche |
| Recherche prédictive | Saisit une requête reconnaissable | Raccourcir le chemin vers un produit ou un résultat | Les suggestions ne couvrent pas un objectif complexe | Sélection d’une suggestion et comportement en aval |
| Filtres | Se trouve dans la bonne catégorie et connaît ses contraintes impératives | Affiner les produits selon des attributs structurés | Valeurs incohérentes ou trop de contrôles | Interaction avec la liste de produits après filtrage |
| Recommandations | Consulte un produit et cherche une alternative ou un complément | Prolonger la décision sur une page produit | Relations entre produits génériques ou obsolètes | Clic sur une recommandation et achat |
| Conversation | A une intention imprécise qui dépend de plusieurs contraintes, d’une comparaison ou d’une politique | Clarifier les besoins et expliquer une courte sélection | Faits manquants, excès de confiance ou questions inutiles | Interaction avec des produits pertinents et résolution exacte |
Ce tableau sert à orienter, pas à établir une hiérarchie. La recherche offre souvent la meilleure expérience, car elle respecte une intention claire et demande moins d’étapes.
Imaginez le parcours continu d’un acheteur à la recherche d’un bagage cabine :
Le catalogue relie chaque étape : les titres alimentent la recherche, les attributs font fonctionner les filtres, les relations entre produits améliorent les recommandations et les détails documentés permettent des explications fiables. Ajouter une interface ne corrigera pas des attributs contradictoires ni une politique de retour ambiguë.
Shopify fournit des rapports Search & Discovery qui couvrent l’activité des requêtes, les recherches sans résultat ou sans clic, le taux de clic, le taux d’achat et les interactions avec les recommandations. Shopify précise que les interactions avec la recherche prédictive ne figurent pas dans ces rapports sur les pages de résultats.
Aucun rapport ne décrit à lui seul le parcours complet. Utilisez chaque signal pour diagnostiquer un problème précis :
| Signal | Question probable | Réponse adaptée | Précaution |
|---|---|---|---|
| Requête fréquente | Le vocabulaire des acheteurs correspond-il au catalogue ? | Améliorer les titres, descriptions, synonymes ou collections | La fréquence n’indique pas la satisfaction |
| Recherche sans résultat | Un produit ou un terme interrogeable manque-t-il ? | Examiner la requête et les champs pertinents | La boutique ne propose peut-être pas le produit demandé |
| Recherche sans clic | Les résultats semblent-ils utiles ? | Examiner le classement, les images, les titres, les prix et la composition des résultats | Les acheteurs peuvent partir pour des raisons sans rapport |
| Clic sur une recommandation | La relation entre les produits est-elle intéressante ? | Examiner les emplacements et les paires de produits | Un clic n’est ni un achat ni un effet causal |
| Sujet de conversation récurrent | La page laisse-t-elle une question décisive sans réponse ? | Améliorer les données produit, le texte de la page ou les conseils | Utiliser des nombres et une période avant de parler de tendance |
| Achat après la découverte | Le parcours a-t-il précédé une commande ? | Comparer les parcours de manière cohérente | Une association ne prouve pas un effet additionnel |
L’association d’une recherche fréquente sans clic et de questions répétées sur le même attribut constitue une preuve plus solide que chacun de ces signaux pris séparément. Évitez d’attribuer la valeur totale de la commande à chaque surface qui a participé au même achat.
Apportez une seule modification significative à la fois lorsque vous devez en comprendre l’effet. Si un synonyme manque manifestement ou si un filtre est défaillant, corrigez-le directement ; chaque défaut ne nécessite pas une expérience.
Copiez ce tableau et remplacez les requêtes d’exemple par les formulations réelles de vos journaux de recherche, d’assistance ou de conversation. Exécutez chaque requête sur mobile et ordinateur, consignez le premier échec significatif, désignez un responsable et choisissez la prochaine modification.
| État d’intention | Requête de test | Surface attendue | Échec observé | Fait manquant | Responsable | Prochaine modification |
|---|---|---|---|---|---|---|
| Exacte | « Trail Pack 28L en noir » | La recherche ou la recherche prédictive retrouve le produit et la variante exacts | ||||
| Catégorie | « Sacs à dos cabine » | La recherche atteint la catégorie pertinente ; les filtres présentent des contraintes utiles | ||||
| Fondée sur des contraintes | « Bagage cabine à moins de 150 $ pour un ordinateur portable de 16 pouces » | Les filtres affinent les attributs connus ; la conversation traite tout compromis restant | ||||
| Exploratoire | « Un sac moins fatigant pour de fréquents déplacements professionnels » | La conversation clarifie le besoin et explique un petit ensemble pertinent |
Effectuez l’audit de découverte en 20 minutes : corrigez l’échec aux conséquences les plus lourdes dont la correction a un responsable clairement désigné, puis relancez la même requête. Si la recherche et les filtres fonctionnent pour les intentions claires, mais que les questions complexes échouent encore, testez BuyScout® Agent de boutique IA uniquement sur cette lacune.
Comparez les agents de boutique IA, les chatbots et les assistants d’achat IA selon la découverte de produits, l’assistance, les actions autorisées, les données nécessaires et le transfert à un humain.
Comparez le développement, l’achat et l’approche hybride d’un agent de boutique IA pour Shopify grâce à une feuille de calcul modifiable du coût total de possession, une matrice des responsabilités, un arbre de décision et une liste de contrôle fournisseur.
Téléchargez un calculateur modifiable du ROI d’un agent de boutique IA pour Shopify et apprenez à estimer la marge brute additionnelle sans confondre chiffre d’affaires assisté et effet causal.
Transformez les questions récurrentes des clients en constats étayés sur les lacunes des pages produit Shopify, en hypothèses prioritaires, en modifications de texte plus sûres et en décisions mesurables.
Essayez maintenant
Gratuit à vie, installé en 1 minute.
