Wprowadzenie<\/p>\n
Je\u015bli prowadzisz sklep e-commerce, prawdopodobnie nie traktujesz wewn\u0119trznej wyszukiwarki jako priorytetu. Zazwyczaj jest to pole tekstowe na g\u00f3rze strony, kt\u00f3re \u201ejako\u015b dzia\u0142a\u201d. Tymczasem wed\u0142ug bada\u0144 Baymard Institute, a\u017c 30% u\u017cytkownik\u00f3w opuszcza sklep, je\u015bli nie znajdzie produktu za pierwszym razem. A pierwszym narz\u0119dziem, po kt\u00f3re si\u0119gaj\u0105, jest w\u0142a\u015bnie wyszukiwarka. W tym artykule poka\u017c\u0119 trzy najcz\u0119stsze b\u0142\u0119dy w implementacji wyszukiwarki, kt\u00f3re kosztuj\u0105 Ci\u0119 klient\u00f3w i pieni\u0105dze. Ka\u017cdy z nich widzia\u0142em na w\u0142asne oczy w audytach sklep\u00f3w \u2013 zar\u00f3wno ma\u0142ych, jak i tych z siedmiocyfrowymi obrotami.<\/p>\n
B\u0142\u0105d 1: Brak autocomplete i podpowiedzi kontekstowych<\/p>\n
Wyobra\u017a sobie, \u017ce klient wchodzi do Twojego sklepu i od razu idzie do lady informacyjnej. Zamiast mi\u0142ego \u201edzie\u0144 dobry, w czym pom\u00f3c?\u201d, s\u0142yszy tylko \u201es\u0142ucham?\u201d. Tak w\u0142a\u015bnie dzia\u0142a wyszukiwarka bez autocomplete. U\u017cytkownik zaczyna pisa\u0107, a system nie podpowiada mu \u017cadnych sugestii. To zmusza go do samodzielnego formu\u0142owania zapytania, co cz\u0119sto ko\u0144czy si\u0119 b\u0142\u0119dem literowym lub zbyt og\u00f3lnym has\u0142em.<\/p>\n
Przyk\u0142ad z \u017cycia: Klient szuka \u201eczarnej sukienki maxi\u201d. Wpisuje \u201eczarna sukien\u201d \u2013 system nie podpowiada, \u017ce mo\u017ce chodzi o \u201esukienk\u0119 maxi\u201d. Klient klika Enter, widzi dziesi\u0105tki wynik\u00f3w (w tym sukienki mini i midi) i po kilku sekundach rezygnuje. Gdyby autocomplete podpowiedzia\u0142o \u201esukienka maxi\u201d, trafi\u0142by od razu.<\/p>\n
Dlaczego to si\u0119 dzieje? Wiele sklep\u00f3w korzysta z podstawowej wersji Elasticsearch lub nawet zwyk\u0142ego LIKE% w SQL. Brakuje tu s\u0142ownika synonim\u00f3w, analizy popularnych zapyta\u0144 czy mechanizmu \u201edid you mean?\u201d. A przecie\u017c implementacja autocomplete nie jest skomplikowana \u2013 wystarczy kilka linijek kodu po stronie frontendu i odpowiednie indeksowanie po stronie backendu.<\/p>\n
Konsekwencje biznesowe: U\u017cytkownicy, kt\u00f3rzy nie znajd\u0105 produktu szybko, maj\u0105 o 70% wi\u0119ksz\u0105 szans\u0119 na opuszczenie sklepu (dane z SearchNode). Je\u015bli Tw\u00f3j sklep ma 10 000 odwiedzin dziennie, to oznacza potencjaln\u0105 utrat\u0119 3000 klient\u00f3w dziennie.<\/p>\n
B\u0142\u0105d 2: Brak inteligentnej klasyfikacji wynik\u00f3w<\/p>\n
Drugi b\u0142\u0105d to pokazywanie wynik\u00f3w wyszukiwania w przypadkowej kolejno\u015bci. Za\u0142\u00f3\u017cmy, \u017ce klient wpisuje \u201elaptop gamingowy\u201d. W Twoim sklepie s\u0105 laptopy w cenie od 2000 do 15 000 z\u0142. Cz\u0119\u015b\u0107 z nich to modele biurowe, cz\u0119\u015b\u0107 gamingowe. Je\u015bli nie poka\u017cesz na g\u00f3rze tych gamingowych, ale wymieszasz wszystko, klient szybko straci cierpliwo\u015b\u0107.<\/p>\n
Inteligentna klasyfikacja to mechanizm, kt\u00f3ry na podstawie atrybut\u00f3w produktu, popularno\u015bci, mar\u017cy czy dost\u0119pno\u015bci sortuje wyniki. Przyk\u0142ad: w sklepie z elektronik\u0105, gdy kto\u015b szuka \u201eiPhone 15\u201d, powinien zobaczy\u0107 najpierw iPhone\u2019y 15, a nie etui czy \u0142adowarki do nich. Brzmi banalnie? A jednak regularnie spotykam sklepy, kt\u00f3re nie maj\u0105 przypisanych kategorii do produkt\u00f3w lub u\u017cywaj\u0105 jednego s\u0142ownego opisu bez atrybut\u00f3w.<\/p>\n
Skutki: Z\u0142e sortowanie obni\u017ca wsp\u00f3\u0142czynnik konwersji nawet o 50% \u2013 bo klienci nie s\u0105 w stanie szybko oceni\u0107, czy produkt spe\u0142nia ich wymagania. Zamiast tego skanuj\u0105 pierwsze 5 wynik\u00f3w, a je\u015bli nie widz\u0105 tego, czego szukaj\u0105, wychodz\u0105.<\/p>\n
Jak to zrobi\u0107 dobrze? W backendzie warto u\u017cy\u0107 wektorowej bazy danych (np. Pinecone) albo dedykowanego silnika wyszukiwania jak Algolia czy Meilisearch. Te narz\u0119dzia pozwalaj\u0105 na przypisanie wag do poszczeg\u00f3lnych atrybut\u00f3w \u2013 np. waga 10 dla nazwy produktu, 5 dla opisu, 1 dla tag\u00f3w. Dzi\u0119ki temu wyniki s\u0105 trafne i uporz\u0105dkowane.<\/p>\n
B\u0142\u0105d 3: Ignorowanie danych z wyszukiwarki w analityce<\/p>\n
Najwi\u0119kszym grzechem jest nieanalizowanie tego, czego klienci szukaj\u0105. Wyszukiwarka to kopalnia wiedzy o potrzebach klient\u00f3w. Je\u015bli widzisz, \u017ce 40% zapyta\u0144 to \u201eczerwona sukienka w kropki\u201d, a nie masz takiego produktu \u2013 to znak, \u017ce powiniene\u015b go doda\u0107. Albo je\u015bli klienci cz\u0119sto wpisuj\u0105 \u201eszybka dostawa\u201d, a Ty nie oferujesz opcji ekspresowej \u2013 to sygna\u0142 do zmiany oferty.<\/p>\n
Przyk\u0142ad z mojego audytu: Sklep z artyku\u0142ami sportowymi. W wyszukiwarce pojawia\u0142o si\u0119 200 zapyta\u0144 dziennie na \u201espodenki rowerowe\u201d. Sklep mia\u0142 je w ofercie, ale nie by\u0142y dobrze widoczne w kategoriach. Po optymalizacji wyszukiwarki pod k\u0105tem tego zapytania (dodanie ich do autocomplete, poprawa klasyfikacji) sprzeda\u017c spodenek wzros\u0142a o 25% w ci\u0105gu miesi\u0105ca.<\/p>\n
Drugi aspekt \u2013 zbieranie tzw. \u201ezero result queries\u201d, czyli zapyta\u0144, kt\u00f3re nie daj\u0105 \u017cadnych wynik\u00f3w. To idealny moment, aby wy\u015bwietli\u0107 komunikat: \u201eNie znale\u017ali\u015bmy tego, czego szukasz. Mo\u017ce zainteresuje Ci\u0119 podobna kategoria?\u201d. Je\u015bli tego nie robisz, tracisz szans\u0119 na retencj\u0119 klienta.<\/p>\n
Dlaczego firmy nie analizuj\u0105 wyszukiwarki? Bo albo nie maj\u0105 narz\u0119dzi (Google Analytics nie pokazuje wewn\u0119trznych zapyta\u0144 bez dodatkowej konfiguracji), albo uwa\u017caj\u0105, \u017ce to nie jest wa\u017cne. Tymczasem to jedno z najta\u0144szych \u017ar\u00f3de\u0142 insight\u00f3w o rynku.<\/p>\n
Podsumowanie<\/p>\n
Wyszukiwarka w e-commerce to nie tylko pole tekstowe \u2013 to interfejs, kt\u00f3ry decyduje o pierwszym wra\u017ceniu i cz\u0119sto ostatnim. B\u0142\u0119dy w autocomplete, klasyfikacji czy analizie danych mog\u0105 kosztowa\u0107 Ci\u0119 nawet 30% potencjalnej sprzeda\u017cy. Rozwi\u0105zania s\u0105 proste: u\u017cyj nowoczesnego silnika wyszukiwania (Algolia, Meilisearch lub w\u0142asna implementacja z wektorow\u0105 baz\u0105), zadbaj o synonimy i atrybuty, a tak\u017ce regularnie przegl\u0105daj logi zapyta\u0144. W JurskiTech pomogli\u015bmy ju\u017c kilku sklepom zwi\u0119kszy\u0107 konwersj\u0119 nawet o 20% tylko poprzez optymalizacj\u0119 wyszukiwarki. Je\u015bli chcesz sprawdzi\u0107, jak dzia\u0142a Twoja \u2013 zapraszam do kontaktu. Wystarczy jeden audyt, by zobaczy\u0107, gdzie tracisz klient\u00f3w.<\/p>\n","protected":false},"excerpt":{"rendered":"
Wprowadzenie Je\u015bli prowadzisz sklep e-commerce, prawdopodobnie nie traktujesz wewn\u0119trznej wyszukiwarki jako priorytetu. Zazwyczaj jest to pole tekstowe na g\u00f3rze strony, kt\u00f3re \u201ejako\u015b dzia\u0142a\u201d. Tymczasem wed\u0142ug bada\u0144 Baymard Institute, a\u017c 30% u\u017cytkownik\u00f3w opuszcza sklep, je\u015bli nie znajdzie produktu za pierwszym razem. A pierwszym narz\u0119dziem, po kt\u00f3re si\u0119gaj\u0105, jest w\u0142a\u015bnie wyszukiwarka. W tym artykule poka\u017c\u0119 trzy najcz\u0119stsze<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[776,537,826,72,331],"class_list":["post-2247","post","type-post","status-publish","format-standard","hentry","category-warto-wiedziec","tag-ai-e-commerce","tag-ai-w-seo","tag-ai-w-ux","tag-konwersja-e-commerce","tag-wyszukiwarka"],"_links":{"self":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts\/2247","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/comments?post=2247"}],"version-history":[{"count":0,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts\/2247\/revisions"}],"wp:attachment":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/media?parent=2247"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/categories?post=2247"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/tags?post=2247"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}