Search Result Page Optimization

Search Result Page Optimization

Making Search More Intent-Aware and Discovery More Efficient。

Making Search More Intent-Aware and Discovery More Efficient。

#SearchExperience #AIIntegration #ProductOptimization

Role:

Product Designer

Company:

Pinkoi

Year:

2026

Platform:

Desktop Web·Mobile Web·iOS·Android

Desktop Web·Mobile Web·iOS·Android

01

OVERVIEW

讓搜尋更貼近使用者的購物意圖

搜尋結果頁是 Pinkoi 重要的商品探索與自然流量入口,在台灣與港澳市場分別承接約五分之一與近三分之一的自然流量。然而,搜尋結果未必能準確反映購物意圖,固定的篩選方式也難以滿足不同商品的探索需求。

為此,我從不同搜尋情境出發,提出視覺化搜尋收斂與雙層篩選策略,協助使用者快速找到合適的商品類型,並透過動態商品屬性篩選,更有效率地縮小搜尋範圍。

改版後,搜尋探索與購物行為皆呈現正向變化。Mobile Web 的商品瀏覽率從 37.4% 提升至 44.7%,App 新版在 iPhone 與 Android 的加入購物車率平均相對提升約 14%。此外,我提出的視覺化搜尋收斂功能也展現正向訊號:Web 端使用該功能的族群,後續商品瀏覽率比未使用者相對高出約 30%,支持了以視覺化引導協助使用者探索商品的設計方向。

OUTCOMES

+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%

02

CHALLENGE

搜尋結果很多 ≠ 找得到想要的商品

01

關鍵字相同,購物意圖卻可能截然不同

關鍵字相同,購物意圖卻可能截然不同

同一個搜尋詞可能代表不同的購物需求。當搜尋結果無法有效區分使用者意圖,即使提供大量相關商品,也難以幫助使用者快速找到真正想要的品類。

02

單一篩選邏輯,難以滿足多元商品情境

單一篩選邏輯,難以滿足多元商品情境

不同商品有不同的決策條件。從材質、容量到用途,使用者在意的資訊會隨搜尋情境改變,而固定的篩選條件難以提供足夠精準的探索路徑。

03

如何兼顧探索效率與平台商業價值?

如何兼顧探索效率與平台商業價值?

搜尋結果頁不只是商品列表,也是連結購物需求與商業機會的重要入口。如何在有限的畫面空間中,平衡商品探索、購物條件、平台特色服務與商業曝光,是這次改版的核心設計挑戰。

03

GOAL

讓使用者更快找到想要的商品

01

提升搜尋結果相關性

提升搜尋結果相關性

讓搜尋結果更貼近使用者真正的搜尋意圖。

02

提升商品探索與篩選效率

提升商品探索與篩選效率

提供符合搜尋情境的引導方式,減少反覆修改關鍵字與逐一查看商品規格的成本。

04

STRATEGY

不同搜尋意圖,需要不同的探索方式

使用者不一定從一開始就知道自己想買什麼。搜尋「抹茶」時,可能還在探索商品類型;搜尋「水壺」時,則可能更在意容量、材質等具體條件。

因此,我提出兩種互補的探索策略,依照不同搜尋情境,幫助使用者更有效率地縮小選擇範圍。

01 EXPLORE

視覺化搜尋收斂

視覺化搜尋收斂

Visual Search Refinement

透過直覺的圖片與分類入口,協助使用者快速辨識商品類型,找到下一步的探索方向。

02 REFINE

動態商品屬性篩選

動態商品屬性篩選

Dynamic Facets

結合搜尋關鍵字與商品屬性,提供更符合當前情境的篩選條件,協助使用者聚焦重要的購物決策資訊。

05

DESIGN

設計策略與決策

01

讓模糊搜尋,也能快速找到方向

讓模糊搜尋,也能快速找到方向

針對較廣泛的搜尋需求,提出跨裝置的圖文分類入口,透過圖片與關鍵字,協助使用者快速辨識探索方向、縮小搜尋範圍。

例如搜尋「禮物」時,可直接選擇「生日禮物」、「送女生」或「聖誕禮物」等情境分類,不必反覆修改關鍵字,也能更直覺地聚焦需求。

02

讓篩選條件,跟著購物需求改變

讓篩選條件,跟著購物需求改變

重新梳理跨裝置的篩選架構,讓常用購物條件更容易取得,同時依據搜尋情境提供適切的商品屬性。

Desktop Web 精簡左側篩選欄,優先呈現重要條件;行動版則採用雙層篩選,兼顧常用條件與動態商品屬性。例如搜尋「水壺」時,可依容量、材質進一步縮小選擇。

為讓動態篩選落地,與 PM、AI Team 討論推薦條件,並結合 Localization、Business Team 的內容檢視,讓 AI 推薦更符合實際購物需求。

03

在探索體驗中,創造商業價值

在探索體驗中,創造商業價值

觀察到 Desktop Web 商品列表側邊仍有可運用的空間,因此提出新增廣告曝光位置,在不佔用主要商品瀏覽區域的前提下,增加平台的商業曝光機會。

透過版位安排,兼顧使用者的商品探索流程與平台商業需求。

06

OUTCOME

搜尋探索與購物行為的正向變化

搜尋探索與購物行為的正向變化

PRODUCT IMPACT

+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+7.3pp
商品瀏覽率
Mobile Web 搜尋後商品瀏覽率由 37.4% 增至 44.7%
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+28%
Mobile Web 加入購物車率
Mobile Web 每搜尋 Session 的加入購物車率相對提升
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+14%
App 加入購物車率
iPhone 與 Android 新版相較舊版的相對提升約 13.5%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%
+30%
視覺化搜尋收斂
Web 端點擊者的商品瀏覽率,點擊率高達 12%

Conclusion

CONCLUSION

01

Visual Search Refinement

Visual Search Refinement

Desktop Web 功能點擊率約 12%。點擊者後續商品瀏覽率高於未點擊者,但此結果屬於相關性觀察,不能直接視為功能造成的提升。

Desktop Web 功能點擊率約 12%。點擊者後續商品瀏覽率高於未點擊者,但此結果屬於相關性觀察,不能直接視為功能造成的提升。

02

Dynamic Facets

Dynamic Facets

四個平台的使用率約為 0.54–1.28%,目前尚未觀察到統計顯著的商品瀏覽率提升,仍需要進一步驗證。

四個平台的使用率約為 0.54–1.28%,目前尚未觀察到統計顯著的商品瀏覽率提升,仍需要進一步驗證。

03

成效說明

成效說明

以上數據包含年對年、新舊版本與使用族群比較,並非隨機 A/B Test。搜尋模型與推薦邏輯亦同步優化,因此不能將整體成效完全歸因於 UI 設計。

以上數據包含年對年、新舊版本與使用族群比較,並非隨機 A/B Test。搜尋模型與推薦邏輯亦同步優化,因此不能將整體成效完全歸因於 UI 設計。

07

TAKEAWAYS

從搜尋結果出發,重新思考如何幫助使用者做選擇

01

知道想買什麼,不代表知道怎麼搜尋

知道想買什麼,不代表知道怎麼搜尋

過往訪談與數據分析發現,即使有明確購物意圖,使用者仍常受限於搜尋詞彙,難以精準描述需求;既有篩選功能使用率偏低,也未能有效縮小搜尋範圍。

因此,這次改版透過圖文引導、多版位穿插提示,幫助使用者更直覺地聚焦需求。Desktop Web 的使用者行為也呈現正向訊號,顯示視覺化引導是值得持續探索的設計方向。

02

從數據觀察,找到下一步優化方向

從數據觀察,找到下一步優化方向

目前動態商品屬性篩選的曝光後點擊率約為 2%,且功能僅在部分搜尋關鍵字下出現,實際效益仍有待驗證。

後續可從三個方向改善:擴大商品屬性覆蓋範圍,讓更多搜尋詞能觸發篩選;優化篩選條件的準確性與實用性;以及嘗試不同的介面呈現方式,進一步驗證功能對商品探索的實際價值。

目前動態商品屬性篩選的曝光後點擊率約為 2%,且功能僅在部分搜尋關鍵字下出現,實際效益仍有待驗證。


後續可從三個方向改善:擴大商品屬性覆蓋範圍,讓更多搜尋詞能觸發篩選;優化篩選條件的準確性與實用性;以及嘗試不同的介面呈現方式,進一步驗證功能對商品探索的實際價值。

Contact

I don’t just design products.
I help shape what’s next.

I enjoy turning complexity into clarity,
connecting user needs with business goals,
and helping teams build products that make a difference.

Contact

I don’t just design products.
I help shape what’s next.

I enjoy turning complexity into clarity, connecting user needs with business goals, and helping teams build products that make a difference.

© 2026 Lian Yeh

Based in Taiwan · Open to global opportunities

© 2026 Lian Yeh

Based in Taiwan · Open to global opportunities