Natywne wyszukiwarki w większości sklepów internetowych stanowią niestety minimalne wsparcie dla klienckich wyszukiwań. Przede wszystkim dlatego, że wykorzystują tradycyjne metodologie, które po prostu niezbyt dobrze radzą sobie z językiem naturalnym.
W pewnym sensie klienci przyzwyczaili się już do specyficznej konwencji wyszukiwania, w której wpisują słowa klucze, nieszczególnie przejmując się sformułowaniem ich w sensowne zdanie, które choć trochę przypomina prawdziwą mowę. Chociaż, gdyby się nad tym zastanowić, to “przyzwyczaili” nie jest do końca adekwatnym określeniem, a już na pewno niczym pożądanym. Wystarczy, że pojawi się interesująca alternatywa, albo skuteczniejsza metoda wyszukiwania.
Zobacz również
Czy zmienisz sklep ze względu na wyszukiwarkę?
Brzmi to nieco abstrakcyjnie, ale… tak. Ostatecznie, po kilku nieudanych próbach użycia sklepowego searchu, klient kończy swoją ścieżkę zakupową i wpisuje zapytanie w Google. Wyszukiwarka z kolei kieruje go do wybranego sklepu – tego, który najbardziej przypodobał się robotom giganta, lub który najwięcej zapłacił. Niekoniecznie będzie to Twój sklep.
Google nie jest oczywiście monopolistą, bo konkurentów ma wielu, a każdy z nas ma różne preferencje pod tym względem. To, co łączy wyszukiwarki sklepowe i internetowe, to fakt, że nauczyliśmy się z nich korzystać, a pytania które w nie wpisujemy często odbiegają od tych, które zadajemy człowiekowi. Inna rzecz, że to gigant z Kalifornii z miesiąca na miesiąc pozwala na zadawanie coraz bardziej „ludzkich” pytań.
W praktyce zatem liczymy na sprawność klienta w używaniu odpowiednich słów-kluczy i/lub jego wyjątkową lojalność (o co, jak wiemy, jest coraz trudniej).
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
W przypadku braku szczególnego sentymentu tego klienta, nie mamy co liczyć na powodzenie, jeśli nasza wyszukiwarka szwankuje, czy też nie działa w wyjątkowo inteligentny. A szwankować, jak się okazuje, może na wielu płaszczyznach. Ale o tym za moment.
Słuchaj podcastu NowyMarketing
Im dalej w las, tym więcej drzew
Baymard Institute w swoim opracowaniu wymienia osiem kryteriów, którymi należy się kierować oceniając skuteczność wyszukiwarki. Jak się okazuje nie każdy z rodzajów wyszukiwania jest obsługiwany w równym stopniu przez wszystkie wyszukiwarki, co zdecydowanie ma wpływ na lojalność klienta.
Wyniki testów wyszukiwarek spośród 60 największych e-commerce. Źródło: Baymard Institute
W przebiegu prac B+R, zmuszeni byliśmy dodać kilka kolejnych kryteriów, okazało się bowiem, że dla niektórych branż powyższy podział nie był wystarczający. Propozycja edrone zawiera zatem 10 aspektów wyszukiwania. Podzieliłem je ze względu na poziom abstrakcji z punktu widzenia eCommerce managera. Dla klienta, który po prostu chciałby otrzymać to, o co pyta, żadne zapytanie nie będzie abstrakcyjne.
- Wyszukiwanie literalne – najbardziej podstawowe wyszukiwanie. Klient wpisuje dokładnie to, czego szuka, używając nazwy produktu.
- Wyszukiwanie typu produktu – czyli wyszukiwanie kategorii. Niestety, nie zawsze po wpisaniu do wyszukiwarki nazwy grupy produktów otrzymamy interesujące nas wyniki.
- Wyszukiwanie na podstawie cech – w zapytaniu umieszczamy interesujące nas cechy produktu. Nie zawsze znajdą się one w systematyce produktów w danym sklepie. Nie zawsze wszystkie, i nie zawsze też zostaną zwrócone w wynikach.
Powyższe typy, są – powiedzmy – najpopularniejsze wśród obsługiwanych przez wyszukiwarki. Z zapytaniami poniższego typu, wyszukiwarki zaczynają mieć kłopoty.
- Wyszukiwanie symptomowe – można nazwać je także wyszukiwaniem funkcyjnym. Klient wpisuje w pasek swoją potrzebę, którą chce zrealizować za pomocą wyszukiwanego produktu.
- Wyszukiwanie tematyczne – niektóre produkty łączy coś więcej niż same właściwości czy zastosowanie. Czasami należą do serii, kolekcji, albo na przykład, są aktualnie na promocji. O to też pytają klienci, prawda?
- Wyszukiwanie nieproduktowe – nie ma wyraźnego powodu, dla którego wyszukiwarka miałaby nie obsługiwać zapytań, które są stałym elementem sklepu: polityka zwrotów, adres, o nas. Jest to jednak rzadkość, a są to przecież informacje ważne dla użytkownika.
- Wyszukiwanie kompatybilności – wyszukiwania na podstawie oczekiwanej kompatybilności produktu – potrzebujemy produktu Y, który będzie współpracował, uzupełniał, czy w inny sposób rozszerzał zastosowanie produktu X, który już posiadamy.
Obsługa poniższych należy do rzadkości.
- Wyszukiwanie relacyjne – wyszukiwania w których kryterium jest obiekt będący w relacji z poszukiwanym przedmiotem, jednak nie będący w ofercie. Idealny przykład to: filmy, w których grał Tom Holland.
- Wyszukiwanie subiektywne – twardy orzech do zgryzienia, bo w tym momencie kryterium jest subiektywne dla każdego, przez co trudno przypisać je w sposób satysfakcjonujący wszystkich szukających.
- Wyszukiwanie na podstawie slangu, żargonu, skrótów i symboli – „cm” a „centymetry”, „sztychówa”, „papucie”, „durszlak”. To właśnie ten typ wyszukiwań.
A co jeśli sklep był w stanie skutecznie odpowiedzieć na każde zapytanie? Na przykład zadane w sposób swobodny, z literówkami i mało konkretnym językiem? „Koniecznie nie za drogi”, oraz dodając, na końcu „tylko nie bylejaki”.
Idealna wyszukiwarka jawi się w tym momencie jako inteligentny system rozumienia potrzeb klienta.
Jeśli wzbogacimy ją o kolejne dane typu explicit – kategorie wybrane jako ulubione/interesujące, oraz dane implicit – faktycznie przeglądane kategorie, podstrony i produkty, jesteśmy w stanie jeszcze lepiej zrozumieć prawdziwe intencje klienta, a konkretnie to, w jaki sposób je wyraża. Dzięki temu możemy jeszcze lepiej dopasować wyniki wyszukiwania.
Jeśli jednak naszym celem jest utworzenie w pełni interaktywnego doradcy, potrzebujemy też czegoś więcej.
Kto pyta, nie błądzi
Wchodząc głębiej w temat wyszukiwania produktów, dochodzimy do wniosku, że wymagamy od wyszukiwarki, aby posiadała praktyczną wiedzę o nich. Co za tym idzie, chcemy by zachowywała się jak pracownik sklepu, który na czacie musi zinterpretować intencję klienta, następnie odpowiedzieć adekwatnie do oczekiwań i kontekstu wypowiedzi, wykorzystując swoją wiedzę ekspercką.
Kto szuka, ten znajdzie
Prowadzimy projekt badawczo-rozwojowy, którego celem jest opracowanie inteligentnego asystenta klienta dla eCommerce, opartego na przetwarzaniu języka naturalnego (NLP), zdolnego do prowadzenia nieoskryptowanych, swobodnych rozmów, na potrzeby obsługi klienta i sprzedaży bezpośredniej.
Swobodnej, nieoskryptowanej, czyli często zaskakującej dla obsługi. Asystent, musi wykazać się wiedzą na temat produktów, ale najtrudniejsze zadanie to właśnie odpowiednia interpretacja zapytania klienta, a co za tym idzie, umiejętność odpowiedzenia na nie w sposób adekwatny i satysfakcjonujący.
Wyszukiwanie, Inteligentne wyszukiwanie, Konwersacja
Granica pomiędzy wyszukiwaniem produktu, a rozmową nt. produktu jest nieostra; bardzo wiele z warunków które muszą być spełnione (aby możliwe było inteligentne wyszukiwanie) jest tożsame z warunkami, które muszą być spełnione, aby możliwa była… konwersacja.
Jak możemy pomóc?
Bazę wiedzy asystenta, jest stosunkowo (to duży eufemizm) prosto utworzyć. Prawdziwe wyzwanie to nauczenie go, z których jej obszarów powinien korzystać w danej sytuacji.
Bardzo dużo informacji jesteśmy w stanie wyciągnąć z bazy produktów. Równie wiele z przebiegu rozmów pracownika z krwi i kości z klientem. Jednak to właśnie wyszukiwarka produktów, jest miarą “samoobsługowości” sklepu, a historia wyszukiwań, zestawiona z koszykiem zakupowym, skarbnicą wiedzy o zachowaniu klienta (i tego, jak możemy mu pomóc)
Jeśli też zadajesz sobie pytanie, które jest tytułem tego akapitu, spieszę z odpowiedzią.
Chcemy się dowiedzieć, które z wymienionych kryteriów wyszukiwania są najważniejsze z punktu widzenia oczekiwań klientów końcowych. Pozwoli nam to doprecyzować i skorygować zakres i kierunek naszych prac B+R.
Jeśli chcesz zaangażować się we wspólny projekt badawczy, wymienimy ze sobą know-how. Ze swojej strony oferujemy audyt silnika wyszukiwania, z uwzględnieniem kryteriów instytutu Baymarda, oraz naszych dodatkowych kryteriów i owoców prac B+R (m.in. wyszukiwanie semantyczne, trait annotation scraper). Przedstawimy use-case’y które pomogą Ci lepiej zrozumieć użytkowników, oraz zaprezentujemy wymagania technologiczne, jakie powinna spełniać Twoja wyszukiwarka na na kompetytywnym rynku e-commerce.
Nas, z kolei, interesuje wgląd w ścieżkę zakupową Twojego klienta, oraz inne UX-owe insighty.
Jeśli podoba Ci się nasza propozycja, skontaktuj się z nami. Z góry dzięki!