Shopify 商品探索：搜尋、篩選還是 AI？

Shopify 商品探索在每個接觸點各有一份明確工作時最好用：搜尋負責找出、篩選負責縮小、推薦負責延伸、對話負責釐清。哪條路最好，取決於顧客已經知道多少。

輸入確切型號的顧客不需要接受訪談。若顧客說「我要通勤用的輕量款，但一定要防雨，也放得進飛機座椅下方」，大概就需要透過對話釐清。

本指南適合 Shopify 商品企劃、電商與 CRO 團隊。讀完後，就能把四種常見意圖分到合適的探索接觸點，並完成一輪短稽核，找出下一項改善工作並指定負責人。

範圍：網路商店裡的商品探索

本指南涵蓋商家 Shopify 店面上的探索：搜尋、篩選、商品頁推薦與站內 AI 店舖助理。Shopify 的智慧代理線上店面可讓符合條件的商品透過外部 AI 管道被找到，是另一個接觸點；各管道的提供範圍與控制方式都不同。更完整的區別可見AI 店舖助理、AI 聊天機器人與 AI 購物助手有何不同。

先分清四種顧客意圖

探索要從顧客已經知道的事開始：

1. 精確意圖： 「黑色 Trail Pack 28L。」
2. 類別意圖： 「登機背包。」
3. 條件型意圖： 「150 美元以下、放得下 16 吋筆電的登機背包。」
4. 探索型意圖： 「我每月出差兩次，想找一個背起來比現在這個輕鬆的包。」

前兩種通常用搜尋最快。篩選能縮小已知類別；推薦適合顧客已在看相關商品時；需求涉及情境、取捨或追問時，對話會更有用。

目標不是把每位顧客都送進聊天，而是避免困難需求只因對不上關鍵字或篩選標籤，就變成死路。

搜尋找出已知商品與類別

Shopify 目前的店面搜尋文件說明，內建的 AI 搜尋功能預設提供預測搜尋、拼字容錯等能力。

一般搜尋會在顧客送出查詢後回傳結果；預測搜尋則在輸入過程中顯示建議。兩者都適合以下查詢：

• 商品名稱：「Alpine Shell」
• 型號或 SKU：「TS-240」
• 商品類型：「羊毛襯衫外套」
• 已知屬性：「防水登山外套」
• 商店內容：「退貨政策」

Shopify 的搜尋行為文件指出，相關性可能依關鍵字出現位置、欄位長度與熱門度訊號判斷。文件也說明詞幹分析、拼字容錯、前綴比對與查詢放寬等行為，細節會隨語言與情境而異。

搜尋仍受商品目錄用語限制。顧客若說週末旅行袋，商店卻只寫圓筒旅行袋，相關商品就更難找到。型號、材質或預定用途若從未出現在可搜尋資訊裡，搜尋也無法憑空創造事實。

請用顧客真正會用的字測試，包括拼錯字、別名、型號與使用情境，不要只測商品企劃團隊的內部名稱。

篩選縮小有用的結果

篩選回答的是：「這一組商品裡，哪些符合我已知的要求？」

以外套系列來說，實用篩選可能包括尺寸、價格、顏色、材質、保暖、防水與活動類型。電子產品則可能需要品牌、接頭、裝置相容性、功率與尺寸。

Shopify 的 Search & Discovery 篩選控制支援標準篩選，也支援以商品選項、中繼欄位、中繼物件與類別屬性建立自訂篩選。仍須符合佈景主題相容性與目前平台限制。

篩選在以下情況最有效：

• 顧客理解這項屬性。
• 各商品一致使用這項屬性。
• 套用後留下可管理、可比較的商品數量。

需求無法直接對應篩選面向時，效果就差。「適合第一間住處」與「看起來專業、搭紅眼航班又舒適」都是有意義的目標，卻不是明顯的篩選值。再加更多控制，只會把商品目錄的複雜度丟給顧客。

使用顧客看得懂的標籤，也要統一同義值。防水等級比內部中繼欄位名稱清楚；同一材質的三種拼法，不該變成三個篩選。

商品推薦延伸商品頁決策

商品頁推薦從店面已有的情境開始，也就是顧客正在看的商品。每個推薦位置只負責一件事：

• 替代： 可能更合適的相似商品。
• 搭配： 讓所選商品更好用的加購。
• 延伸： 繼續探索相關類別或風格的路徑。

Shopify 可透過 Search & Discovery 推薦設定相關與搭配商品。自動產生的相關商品可運用整體購買模式、相似商品說明或相關商品系列，商家也能手動新增推薦。推薦要顯示，還需要相容且已啟用的佈景主題區段。

目前有一項容易漏看的限制：Shopify 文件指出，自動推薦中的商品說明策略，只提供給店面語言為英文的商家。購買紀錄與相關系列策略各有其他要求。請確認目前針對自家語言與商品目錄的行為，不要假設每種產生策略都適用。

商品關係不一定等於個人化。相關商品可能只是因為與頁面商品相似而有用。對話式個人化不同，它可以使用目前顧客明說的需求與條件。對話式 AI 商品推薦指南會說明哪些訊號該影響推薦，以及助理何時該提問。

對話釐清複雜意圖

顧客無法把需求縮成一個查詢或少數篩選時，對話才值得出現。它能收集情境、解除歧義、比較取捨，並解釋精簡候選為什麼合適。

百思購® AI 店舖助理可把顧客明說的內容，與相關瀏覽和購物車情境一起用來導購。公開的技能庫列出商品推薦、比較、加入購物車協助、相關組合或加購，也涵蓋選定第一件商品後的已設定銷售與客服工作。

例如這個問題：

「我要送禮給一位已經有義式咖啡機的咖啡愛好者。預算 80 美元，但我不知道哪些配件適用他的設備。」

搜尋可以找出義式咖啡配件；篩選可以套用預算；商品頁推薦可以提出搭配品；對話則能問清楚對方使用哪台機器，把相容性定為關鍵條件，再解釋精簡候選為什麼合適。

如果沒有相容性文件，助理應說明不確定性或找真人協助，不能只為了繼續聊就捏造適用性。AI 導購用 Shopify 商品資料檢查表能在顧客先遇到問題前，找出這些缺口。

依意圖分流，不依技術分流

這是一份分流指南，不是高低排名。意圖明確時，搜尋通常體驗更好，因為尊重顧客需求，也少幾個步驟。

想像一位找登機行李的顧客，走過一段彼此連接的旅程：

1. 搜尋找出背包類別。
2. 篩選套用價格與筆電尺寸。
3. 對話處理重量與防雨之間的取捨。
4. 商品頁讓顧客查證規格、圖片與政策。
5. 推薦提出相容的收納袋。
6. 購物車讓確切款式、數量與價格都留在顧客掌控中。

商品目錄串起每一步：名稱支援搜尋、屬性驅動篩選、商品關係改善推薦，明文細節則支援可信解釋。再多一個介面，也修不好彼此矛盾的屬性或不清楚的退貨政策。

衡量每個接觸點該解決的問題

Shopify 提供 Search & Discovery 報表，涵蓋搜尋查詢活動、無結果搜尋、無點擊搜尋、點擊率、購買率與推薦互動。Shopify 也指出，預測搜尋互動不含在這些搜尋結果頁報表中。

沒有一份報表能說明整段旅程。每個訊號都要拿來診斷一個具體問題：

常見的無點擊搜尋，再加上同一屬性的重複提問，會比任一訊號單獨出現更有說服力。不要把完整訂單金額分配給同一筆購買歷程中的每個接觸點。

執行四輪商品探索稽核

1. 觀察顧客用語。 查看搜尋詞、無結果與無點擊查詢、客服問題，以及在適當權限下可用的彙總對話主題。
2. 修好商品目錄基礎。 統一商品名稱、屬性、款式、中繼欄位、圖片與關鍵決策說明。
3. 每個接觸點只負責一件事。 搜尋負責找出、篩選負責縮小、推薦負責延伸、對話負責釐清。
4. 測試整條路徑。 在行動裝置與桌機測試精確、類別、條件型與探索型提示。確認顧客能查看背後的商品頁與購物車。

需要判斷變更效果時，一次只做一項有意義的變更。若同義詞明顯缺漏或篩選壞掉，就直接修；不是每個缺陷都需要實驗。

複製這張表，把範例查詢換成搜尋、客服或對話紀錄裡的真實用語。在行動裝置與桌機執行每個查詢，記下第一項重大失敗，指定一位負責人，再選一項後續變更。

完成 20 分鐘商品探索稽核： 修好影響最大、且有明確負責人的失敗，再重跑同一個查詢。如果搜尋與篩選能處理明確意圖，複雜問題卻仍失敗，就只在那個缺口測試百思購® AI 店舖助理。