Shopify 商品发现：搜索、筛选还是 AI？

Shopify 商品发现的最佳方式，是让每个入口只负责一项明确工作：搜索负责找回，筛选负责收窄，推荐负责延伸，对话负责澄清。顾客已经知道多少，决定哪条路径最合适。

输入准确型号的顾客不需要接受一轮提问。说“想找一个通勤用的轻便包，但必须防雨，而且能放进飞机座位下方”的顾客，多半需要进一步交流。

本指南适合 Shopify 商品运营、电商和 CRO 团队。读完后，可以把四种常见意图分配到合适的发现入口，并通过一次简短审核，确定下一项改进及其负责人。

范围：自家网店中的商品发现

本指南讨论商家自己的 Shopify 店面中的商品发现，包括搜索、筛选、商品页推荐和站内 AI 店铺助理。Shopify 的AI 代理店面可以让符合条件的商品通过外部 AI 渠道被发现，属于另一类入口，各渠道有不同的可用性和控制。更完整的区别请参阅 AI 店铺助理、聊天机器人还是 AI 购物助手？。

从四种顾客意图开始

商品发现始于顾客已经知道什么：

1. 明确意图：“黑色 Trail Pack 28L。”
2. 品类意图：“登机背包。”
3. 约束型意图：“150 美元以内、能装 16 英寸笔记本电脑的登机背包。”
4. 探索型意图：“我每月出差两次，想找一个背起来不那么累的包。”

前两类通常适合搜索。筛选可以收窄已知品类，顾客已经在查看相关商品时，推荐可以继续延伸。需求涉及上下文、取舍或追问时，对话会更有用。

目标不是把所有顾客都送进聊天，而是避免复杂请求因为无法对应关键词或筛选标签而走进死胡同。

搜索找回已知商品和品类

Shopify 当前的店面搜索文档介绍了内置的 AI 搜索基础设施，预测搜索和拼写容错等功能默认可用。

普通搜索会在顾客提交查询后返回结果，预测搜索则在输入过程中提供建议。两者都适合以下查询：

• 商品标题：“Alpine Shell”
• 型号或 SKU：“TS-240”
• 商品类型：“羊毛衬衫式外套”
• 已知属性：“防水徒步夹克”
• 店铺内容：“退货政策”

Shopify 的搜索行为文档说明，相关性可能取决于词语出现的位置、字段长度和热度信号。文档还介绍了词干提取、拼写容错、前缀匹配和查询放宽等行为，具体细节因语言和上下文而异。

搜索仍然依赖商品目录中的用词。如果顾客搜索周末旅行包，店铺却只写旅行袋，相关商品就更难找到。型号、材质或预期用途从未出现在可搜索信息中时，搜索也无法凭空生成。

测试时应采用顾客真实用词，包括拼写错误、别名、型号和使用场景，而不只是商品运营团队的内部名称。

筛选收窄有用的结果集

筛选回答的是：“这一组商品中，哪些符合我已经知道的要求？”

夹克系列可能需要尺码、价格、颜色、材质、保暖、防水和活动类型等筛选项。电子产品则可能需要品牌、接口、设备兼容性、功率和尺寸。

Shopify 的 Search & Discovery 筛选控制支持标准筛选，也支持基于商品选项、元字段、元对象和类别属性的自定义筛选，但仍受主题兼容性和当前平台限制约束。

以下情况适合筛选：

• 顾客理解该属性。
• 所有商品对该属性的使用一致。
• 应用筛选后留下的商品数量适合比较。

需求无法清楚映射到筛选维度时，筛选就不够有效。“适合第一套公寓”或“看起来专业，但坐夜航也舒服”都是有意义的目标，却不是明显的筛选值。增加更多控件，可能只是把商品目录的复杂性转嫁给顾客。

使用顾客看得懂的标签，并统一含义相同的值。防水等级比内部元字段名清楚；同一种材质的三种拼法也不应变成三个筛选项。

商品推荐延伸商品页上的决策

商品页推荐从店面已经掌握的上下文开始，也就是顾客正在查看的商品。每个推荐位置只承担一种作用：

• 替代品：可能更符合需求的相似商品。
• 补充品：让所选商品更实用的附加商品。
• 继续探索：继续浏览相关品类或风格的入口。

Shopify 允许商家通过 Search & Discovery 推荐配置相关商品和补充商品。自动生成的相关商品可能使用汇总购买规律、相似商品描述或相关系列，商家也可以手动添加推荐。推荐要显示出来，主题中必须有兼容且已启用的区块。

一个当前限制很容易忽略：Shopify 文档说明，自动推荐中的商品描述策略只向店面语言为英语的商家开放。购买历史和相关系列策略也各有要求。请确认当前语言和商品目录的实际表现，不要假设每种生成策略都适用。

商品之间有关联，不一定代表个性化。相关商品可能只是因为与当前页面上的商品相似。对话式个性化不同，它可以使用顾客当前说明的需求和约束。对话式 AI 商品推荐指南会说明哪些信号应影响推荐，以及助理何时应该追问。

对话澄清复杂意图

顾客无法把需求缩成一条查询或几个筛选项时，对话才真正有价值。它可以收集上下文、消除歧义、比较取舍，并解释精简清单为何合适。

百思购® AI 店铺助理可以结合顾客所说的内容与相关浏览、购物车上下文提供指引。公开的能力库介绍了商品推荐、比较、加购协助和相关组合或附加商品，以及选定第一件商品之后的已配置销售与客服工作。

考虑以下问题：

“我想给一位已经有意式咖啡机的咖啡爱好者买礼物。预算是 80 美元，但不知道哪些配件适合他的设备。”

搜索可以找出意式咖啡配件，筛选可以限制预算，商品页推荐可以提出补充商品。对话则可以询问收礼人的咖啡机型号，把兼容性识别为决定性约束，并说明精简清单为何合适。

兼容性没有记录时，助理应说明不确定性或转交人工，不能为了继续对话而编造适配关系。面向 AI 导购的 Shopify 商品数据清单可以在顾客遇到这些缺口前将其找出来。

按意图分流，不按技术分流

这是一份分流指南，不是优先级排名。顾客意图明确时，搜索通常体验更好，因为步骤更少，也更尊重已经表达的需求。

设想一位寻找登机包的顾客经历一条连贯路径：

1. 搜索找出背包品类。
2. 筛选限制价格和笔记本电脑尺寸。
3. 对话处理重量与防雨之间的取舍。
4. 商品页让顾客核对规格、图片和政策。
5. 推荐提供兼容的收纳包。
6. 购物车让顾客继续掌控准确的变体、数量和价格。

商品目录连接每一步：标题支持搜索，属性驱动筛选，商品关系改进推荐，已有记录的详情支撑可信解释。属性互相矛盾或退货政策不清楚时，再增加一种界面也无法修复。

衡量每个入口本来要解决的问题

Shopify 提供 Search & Discovery 报告，涵盖搜索查询活动、无结果搜索、无点击搜索、点击率、购买率和推荐互动。Shopify 指出，这些搜索结果页报告不包含预测搜索互动。

没有一份报告能描述整个旅程。每个信号都应只用于诊断具体问题：

高频无点击搜索与同一属性的重复提问同时出现时，比任一信号单独出现更有说服力。不要把同一订单的全部价值分别归给每个参与过的入口。

分四轮审核商品发现体验

1. 观察顾客用词。检查搜索词、无结果与无点击查询、客服问题，以及在适当权限下可用的汇总对话主题。
2. 修复商品目录基础。统一商品名称、属性、变体、元字段、图片和影响决策的描述。
3. 为每个入口分配一项工作。搜索负责找回，筛选负责收窄，推荐负责延伸，对话负责澄清。
4. 测试组合路径。在移动端和桌面端分别使用明确、品类、约束型和探索型请求，并确认顾客能够查看底层商品页和购物车。

需要判断修改效果时，一次只做一项重要改动。如果明显缺少同义词或筛选已损坏，可以直接修复，并非每个缺陷都需要实验。

复制下表，用搜索、客服或对话记录中的真实用词替换示例查询。在移动端和桌面端运行每项查询，记录第一个重要失败，指定一名负责人，并选择下一项改动。

用 20 分钟完成商品发现审核：先修复影响最大且已有负责人的失败，再重新运行同一查询。如果搜索和筛选能够处理明确意图，但复杂问题仍然失败，只在这个缺口上测试百思购® AI 店铺助理。