AI w wyszukiwarce sklepu – jak wdrożyć semantyczne wyszukiwanie i zwiększyć konwersję?

Tradycyjne wyszukiwarki działają dosłownie. Szukają dokładnie tych słów, które zostały wpisane przez użytkownika. Wystarczy więc literówka, potoczne określenie produktu lub brak znajomości właściwego terminu, by wyniki okazały się nietrafione.

Czym jest wyszukiwanie semantyczne?

Wyszukiwanie semantyczne podchodzi do tego inaczej. Zamiast skupiać się na samych literach, stara się zrozumieć intencję. Co użytkownik ma na myśli? Wykorzystuje sztuczną inteligencję, która analizuje kontekst zapytania, powiązania między słowami i cechy produktów. Dzięki temu potrafi dopasować wyniki nawet wtedy, gdy zapytanie jest nieprecyzyjne.

Dlaczego warto wdrożyć AI w e-commerce?

Wyższa konwersja z wyszukiwarki. W jednym z przypadków opisanych przez Bloomreach wdrożenie wyszukiwania wspieranego przez AI przełożyło się na wzrost konwersji o 23%. To rezultat szybszego i trafniejszego dopasowania wyników do intencji użytkownika – klient szybciej znajduje to, czego rzeczywiście potrzebuje.
Wyższa średnia wartość koszyka (AOV). Sztuczna inteligencja w e-commerce skutecznie rekomenduje produkty komplementarne i dodatki adekwatne do aktualnego zakupu. Według danych Bloomreach może to zwiększyć średnią wartość koszyka o 15-20%. A skoro o tym mowa, zachęcamy Cię do przeczytania artykułu o AOV.
Mniej pracy ręcznej przy merchandisingu. Automatyzacja układania wyników wyszukiwania zmniejsza potrzebę ręcznej ingerencji w prezentację produktów. Jak podaje Bloomreach, dzięki temu można ograniczyć czas pracy nad merchandisingiem nawet o 30-50%.

Poznaj lepiej nasz integrator e-commerce! Sprawdź: wszystkie funkcje oraz integracje i rozkręć sprzedaż na maxa z IFIRMA!

Jak wdrożyć AI w e-commerce?

Aby wyszukiwanie działało poprawnie, trzeba wiedzieć, jak wdrożyć AI w e-commerce. A zatem najpierw przyglądamy się temu, jak zachowuje się nasza wyszukiwarka – gdzie pomaga, a gdzie gubi klienta. Dopiero potem wybieramy odpowiednią technologię i porządkujemy dane produktowe. Od ich jakości zależeć będzie, co algorytm podpowie użytkownikom.

Krok 1. Audyt wyszukiwarki a wyszukiwanie semantyczne

Audyt pozwala zobaczyć, na jakim etapie klienci tracą szansę na zakup. Wiele problemów wynika nie z samej technologii, ale z niedokładnych opisów, niewłaściwego nazewnictwa lub braku podpowiedzi w trakcie pisania. Ten etap daje jasny obraz tego, co trzeba poprawić, zanim zaczniemy zmieniać lub rozszerzać wyszukiwanie o elementy semantyczne.

Co ocenić podczas audytu? Między innymi:

Liczbę zapytań, które kończą się komunikatem „brak wyników”.
Spójność nazw, kategorii i atrybutów w feedzie produktowym.
Trafność i szybkość działania autouzupełniania.
CTR w wynikach wyszukiwania (czy klienci klikają pierwsze propozycje?).
Różnicę konwersji między sesjami z wyszukiwaniem a sesjami bez wyszukiwania.

Krok 2. Wybór technologii – narzędzia AI w e-commerce

Wyszukiwanie semantyczne produktów można wdrożyć na kilka sposobów. Różnią się one przede wszystkim czasem wdrożenia, kosztem i nakładem po stronie sklepu internetowego.

Najprostszym rozwiązaniem są gotowe platformy SaaS. Można je uruchomić od razu. Oferują one intuicyjne panele do zarządzania wynikami wyszukiwania, wbudowaną analitykę i wsparcie techniczne. Alternatywą jest własny system oparty na open source. Daje to dużą elastyczność i kontrolę. Ale jednocześnie wiąże się z większym nakładem pracy, koniecznością posiadania zaplecza technologicznego i regularnym utrzymaniem. Trzecia opcja to model hybrydowy. My skupimy się na opcji numer 1. Spójrzmy więc na przykładowe platformy SaaS.

Algolia AI Search
Algolia to jedna z najbardziej rozpoznawalnych platform wyszukiwania dla e-commerce, znana z bardzo szybkiego działania nawet przy dużym ruchu. Algolia łączy algorytmy semantyczne (rozumienie intencji) z klasycznym mechanizmem dopasowania słów. Dzięki temu może obsługiwać zarówno zapytania opisowe, jak i bardzo precyzyjne nazwy produktów. Oferuje też rozbudowane API, gotowe integracje z popularnymi platformami e-commerce (m.in. Shopify i Magento) oraz narzędzia do ręcznego ustalania, które produkty pojawiają się wyżej w wynikach.

Plusy:
- bardzo szybki czas odpowiedzi przy dużym obciążeniu,
- elastyczne sterowanie rankingiem wyników,
- gotowe integracje i narzędzia do analityki konwersji wyszukiwania.
Minusy:
- koszt rośnie wraz z liczbą zapytań,
- pełne wdrożenie możliwości personalizacji wymaga testów i czasu,
- jeśli integracja zostanie rozbudowana, przejście na inne narzędzie może być trudne.
Athos Commerce
Athos powstał z połączenia dwóch narzędzi: Klevu (wyszukiwanie oparte na NLP) i Searchspring (merchandising i zarządzanie ekspozycją produktów). W efekcie powstała platforma, która nie tylko pokazuje trafniejsze wyniki wyszukiwania, ale też pozwala kontrolować to, jak produkty są prezentowane w kategoriach, rekomendacjach i kampaniach. Athos kładzie duży nacisk na jakość danych produktowych. Posiada moduły do ich uzupełniania, porządkowania i wzbogacania.

Plusy:
- wyszukiwanie, merchandising i obróbka danych produktowych w jednym narzędziu,
- silne rozpoznawanie zapytań opisowych dzięki modelom języka naturalnego,
- możliwość zarządzania ekspozycją produktów także poza stroną sklepu.
Minusy:
- narzędzie jest w trakcie scalania funkcji po połączeniu,
- pełne wykorzystanie możliwości enrichmentu danych wymaga uporządkowanego feedu produktowego już na starcie,
- wycena jest ustalana indywidualnie, dlatego trudniej oszacować koszt przed rozmową handlową i porównać go 1:1 z innymi narzędziami.
Luigi’s Box
- bardzo dobre autouzupełnianie i tolerancja błędów w zapytaniach,
- szybkie wdrożenie i prosty panel administracyjny,
- niewielkie wymagania techniczne po stronie sklepu.
Minusy:
- mniej integracji i rozszerzeń niż w bardziej rozbudowanych platformach,
- ograniczona możliwość zaawansowanego wpływania na logikę rankingową,
- przy bardzo dużych katalogach analitykę warto spiąć z zewnętrznym narzędziem BI.

Krok 3. Enrichment danych produktowych

Wyszukiwanie semantyczne potrafi działać świetnie, ale tylko wtedy, gdy ma porządne dane. Jeśli nazwy produktów są chaotyczne, brakuje opisów, a parametry są zapisane raz „XL”, raz „extra large”, to nawet najlepsza AI nie będzie wiedziała, co właściwie sprzedajesz. Dlatego przed wdrożeniem warto uporządkować informacje o produktach i opisać je tak, jak mówią o nich klienci.

Co zrobić na tym etapie?

Ujednolicić nazwy i atrybuty produktów.
Uzupełnić opisy prostym językiem.
Wyciągnąć ważne parametry do osobnych pól.
Dodać synonimy używane przez klientów.
Wspierać się AI przy uzupełnianiu i porządkowaniu danych.

AI w e-commerce

Wdrożenie wyszukiwania semantycznego produktów w e-commerce to doskonały sposób na to, by klient szybciej znalazł to, czego szuka. Jeśli chcesz zacząć, wykonaj krótki audyt, wybierz narzędzie SaaS i uporządkuj dane produktowe. Z czasem podniesiesz konwersję i poprawisz doświadczenie zakupowe bez rewolucji w całym sklepie.