Optymalizacja feedu to ciągła praca nad ulepszaniem danych w feedzie produktowym – tytułów, opisów, zdjęć i atrybutów – tak aby platformy zakupowe i wyszukiwarki lepiej pozycjonowały, dopasowywały i wyświetlały oferty. Obejmuje wszystko: od pisania tytułów bogatych w słowa kluczowe po uzupełnianie pól opcjonalnych, z których platformy korzystają przy dopasowywaniu. Prowadzi się ją w sposób ciągły, a nie jako jednorazowe porządki, ponieważ zarówno algorytmy rankingowe, jak i oferty konkurencji stale się zmieniają. O ile zarządzanie feedem zapewnia poprawność danych, o tyle optymalizacja feedu zapewnia ich konkurencyjność.
Dlaczego optymalizacja feedu ma znaczenie
Dwa feedy mogą być równie poprawne, a mimo to osiągać zupełnie różne wyniki w płatnych i bezpłatnych wynikach zakupowych, ponieważ platformy nagradzają oferty, które dają im więcej materiału do pracy: kompletne atrybuty, dobrze zbudowane tytuły i zdjęcia spełniające progi jakości wpływają na to, czy produkt pojawi się przy trafnym wyszukiwaniu i ile kosztuje wygranie aukcji. Ubogi lub ogólnikowy tytuł może formalnie poprawnie opisywać produkt, a mimo to przegrywać każde wyświetlenie z bardziej szczegółowym tytułem konkurenta. Optymalizacja jest też kumulatywna w sposób, w jaki wiele innych zadań związanych z feedem nie jest – lepszy szablon tytułu lub mapowanie atrybutów działa na każdy produkt, który z niego korzysta, więc zwrot rośnie w skali całego katalogu, a nie pojedynczej oferty.
Jak to działa
Optymalizacja feedu zwykle zaczyna się od ustalenia, w jakim punkcie feed znajduje się obecnie – często poprzez benchmarking feedu na tle konkurencji lub norm kategorii – a następnie od zastosowania reguł biznesowych, które systematycznie przepisują tytuły, uzupełniają brakujące atrybuty i korygują kategoryzację w całym katalogu, zamiast produkt po produkcie. Takie reguły mogą dopisywać rozmiar i kolor do tytułów, którym ich brakuje, przenosić materiał lub wzór do atrybutu niestandardowego albo przebudowywać opisy tak, by zaczynały się od najczęściej wyszukiwanych fraz. Platformy pokazują efekty za pomocą sygnałów takich jak wynik jakości (quality score), który odzwierciedla, na ile trafna i kompletna wydaje się reklama lub oferta względem wyszukiwanego zapytania, dając zespołom pętlę informacji zwrotnej do dalszego dopracowywania reguł. Ponieważ reguły działają na poziomie feedu, jedna zmiana może jednocześnie poprawić wyniki tysięcy SKU.
Przykład
<item>
<g:id>SKU-40218</g:id>
<title>Nordwool Merino Wool Beanie - Slate Grey, One Size</title>
<g:description>Soft 100% merino wool beanie in slate grey, ribbed knit, machine washable, one size fits most.</g:description>
<g:color>Slate Grey</g:color>
<g:material>Merino Wool</g:material>
<g:size>One Size</g:size>
</item>W porównaniu z gołym tytułem w rodzaju „Wool Beanie” ta wersja dodaje markę, kolor i rozmiar bezpośrednio do tytułu, a jednocześnie wypełnia dedykowane atrybuty color, material i size – to połączenie, z którego platformy korzystają zarówno przy dopasowywaniu tekstu, jak i przy filtrowaniu strukturalnym w wynikach zakupowych.
Powiązane pojęcia
Optymalizacja feedu jest najskuteczniejsza, gdy następuje po benchmarkingu feedu, ponieważ wiedza o tym, gdzie feed ma braki, kieruje pracę na pola, które faktycznie wpływają na wyniki. Wdraża się ją za pomocą tych samych silników reguł biznesowych, które obsługują inne zautomatyzowane zmiany w feedzie. Jej efekty najbardziej bezpośrednio widać w wyniku jakości (quality score) i podobnych wskaźnikach platform, dlatego ciągła optymalizacja zwykle przynosi lepsze rezultaty niż jednorazowe poprawki. Szersze ramy strategiczne znajdziesz w artykule Power Up Performance Max: The Strategic Guide to Feed Optimization.
