京东APP｜AI 搜索设计 V4.0 迭代

导购场景下 AI 搜索的价值

让购物决策更简单

• 从线下购物发展至线上电商，用户消费体验更加便捷的同时也常面临着购物选品纠结、决策困难的场景。
• 用户习惯从UGC平台中浏览并理清购物思路，整体购物链路跳转更多、时间更长。

在 3.0 版本的方案中，通过在搜索结果页以 AI 攻略解读+商品流的框架，希望通过让 AI 充当“贴心导购”的角色，通过分析解读，个性化的帮用户梳理清楚购物思路买什么、怎么买。上线过后经过一轮用户与数据反馈，在阅读体验上，还存在着优化空间。

购物意图不同时 用户对攻略的诉求也不同

为了了解在 AI搜索场景下，用户有哪些行为差异，对 AI搜索数据大盘下的 Query词占比分布进行分析，总结 AI搜索下具备增量价值空间的几类核心场景如下：

优化表达结构 并按诉求编排输出方式

通过分析市面上流行的竞品，总结了降低信息粘连度，优化辨识性，提升阅读意愿的几个设计方向。综合技术成本和开发周期，一期考虑基础版式优化与卡片化设计的方法。

差异化攻略内容 分层响应用户诉求

对于重决策类购物场景：如空调怎么挑等；用户的顾虑因素多且表达成本高，需要帮助用户拆解复杂的购物诉求。在这里设计采用渐进引导的方式，让 AI 分步理解用户的意图，理清购物的思路。

面临重决策搜索 渐进式的引导 分解复杂问题

Adopt Progressive Guidance

• 未采纳方案 A：平铺式给用户的答题负担过大，用户完成意愿低，且整体屏效偏低。
• 未采纳方案 B：用户难以感知后续的导购方向，未知感强，且无法跳过不感兴趣的导购话题。

当用户购物意图明确 如何快速找到符合的商品

当用户浏览商品，往往历经购物思路逐渐清晰，商品区却与用户预期存在偏差的情况；这时需要在设计上提供纠偏手段，引导用户查找新的商品内容。

为什么暂不采用主动输入

引导词与主动输入结合，对于用户来说表达诉求的自由度更高，但在搜索场域存在顶部搜索框与底部输入框功能“重叠”的体验问题，很考验用户的功能理解能力。

上述原因，我们采用嵌入内容的AI穿插卡片，来实现用户意图的纠偏；为了减少打扰，精准触达，需要对用户的行为做分析，选择对应的AI穿插能力。

响应用户行为 AI 穿插引导

AI 兴趣卡片：当用户有点击/加购商品等行为，识别用户点选偏好与选购规律后，基于点击的商品动态生成包裹，穿插至当前视窗最后一个商卡前。

AI 筛选卡片：用户长期（15s）无点击/加购商品等行为，与商品交互少，推测当前商品流用户不感兴趣，穿插多轮筛选纠偏。

迭代结果数据验证

复盘与思考

考虑用户的行为惯性

当 AI 导购被设计成了一个需要用户主动进入的新入口，但用户的购物行为已经固化在“传统搜索入口”之内，新形成的这一层“漏斗”本身就会过滤大部分的用户，导致功能使用深度的下降；将全部精力投入在教育用户的新方式上，不如尝试将 AI 能力无感的融入到用户习惯的原有链路中。