Vyhledávání je pro majitele e-shopů něco jako kvalitní a dlouhý spánek pro studenty – vědí, že by se mu „měli“ věnovat, ale v seznamu priorit ho mají nízko. Raději čas věnují aktivitám, které jim „opravdu něco dají“, v případě e-commerce například líbivý design, funkční platební brána, vymazlené SEO či přivedení trafficu. A to i přesto, že konverze z vyhledávání pro e-shopy představují v průměru čtvrtinu jejich obratu. Jenže na co vám budou všechny ty zážitky z večírků, když pak stejně nedostudujete, protože jste byli moc vyčerpaní a nezvládli se učit? Stejně tak přivést zákazníka na e-shop jen proto, aby pak kvůli nevyladěnému vyhledávání nenašel kýžený produkt a stejně jako třetina dalších ihned odešel jinam, je promarněná příležitost. Když už tedy vyhledávání přijmu jako věc zásadní pro byznys, měl bych důvěřovat službě třetích stran, nebo jej vytvořit in-house?
Během mého působení v pozici vedoucí týmu pro vyhledávání v Mall Group nás pracovalo šest lidí po dobu pěti let, za které vznikl velmi solidní a komplexní vyhledávač. Coby jeden z předních tuzemských e-commerce hráčů musel tento marketplace umět odbavit velké množství zákazníků a současně zvládnout dotazy týkající se milionů produktů. Firmu pak před časem akvírovalo polské Allegro, které má na rozvoj vyhledávání vyčleněný řádově větší tým. Jejich vyhledávání rozvíjí a udržuje přibližně 45 specialistů. Na jednu stranu tedy vývoj po vlastní ose je rozhodně reálný, na druhou stranu to ukazuje, že vyhledávání nejen vymazlit, ale i neustále vylepšovat, rozšiřovat a zohledňovat nové zásadní trendy, jako je strojové učení či ChatGPT, vyžaduje vysokou dedikovanost.
V prvé řadě totiž potřebujete mít k dispozici dostatečné kapacity, a rozhodně neplatí, že menší e-shop = méně lidí. Takové efektivní minimum je tři až pět programátorů na plný úvazek na dva tři roky, aby vznikla smysluplná technologie. Vzhledem k tomu, že se celý segment rychle mění, musejí být navíc krom samotného vývoje schopni sledovat nejnovější trendy, testovat je a implementovat. A najít dnes na trhu data science či machine learning specialisty není snadné ani levné.
Poměrně snadno si však spočítáte, kolik financí a času vás vývoj reálně bude stát. Přičtěte ještě náklady na cloudovou službu kvůli výpočetnímu výkonu, adopci nových nástrojů a dlouhodobou údržbu, která obvykle spotřebuje nezanedbatelné kapacity vývojového týmu. A následně si položte otázku: Je to správná investice, nebo bych mohl/a k lepšímu vyhledávání dospět i jinak?
S čím při vývoji na koleni počítat
Pokud se už rozhodnete jít vlastní cestou, je dobré myslet na několik věcí. Tou první je čas. První výsledky vaší práce se začnou projevovat zhruba za půl roku až rok. Do té doby je vyhledávání prakticky neměnné a v bilanci se tak promítne vývoj jako minusová položka. Musíte také být smíření s tím, že výsledek je nejistý a vaše konkurence, která naopak zvolila externí nástroj, oproti vám získá náskok. Při nasazení služby třetí strany totiž už za první měsíc uvidíte navýšení konverzí v jednotkách, v některých případech i desítkách procent. Vyšší konverzní poměr pak přímo působí na obrat e-shopu, a tudíž i na marži, takže se výsledky rychle projeví v celkové bilanci e-shopu. Například lékárně Benu jsme jen v úvodním A/B testu zvedli konverze z vyhledávání o 9,49 %, v případě Košík.cz pak o 10,5 %. Zejména u miliardových byznysů, kde každá desetina procenta navíc znamená miliony, jde o skvělý výsledek. V podstatě si tak externí službou kupujete čas, zatímco při vývoji po vlastní ose jej musíte nejprve investovat.
Nastavte si proto reálná očekávání. Nenechte se zlákat představou, že si vystačíte s part-time profíkem na Elastic a za tři měsíce máte vyhráno. Trh se totiž proměnil, uživatelé zadávají mnohem komplexnější dotazy a očekávají personalizované výsledky vyhledávání, produktů je více a rychleji se obměňují. Co dnes opravdu dělá vyhledávač vyhledávačem, je napojení na machine learning modely a schopnost pracovat s velkým množstvím uživatelských a produktových signálů. To už zkrátka není na one-man show.
Dejte proto důraz na sestavení kvalitního a profesionálního týmu. Určete product ownera, který celé problematice vývoje a vyhledávání opravdu rozumí, plus k němu musíte sehnat stejně kvalitní programátory, datové specialisty i odborníky na strojové učení – a to je docela výzva. Pokud totiž takový dream team nesložíte, riskujete, že chybějící kompetence budou nejen zpomalujícím, ale i demotivačním faktorem, a to v rámci náboru i následného dlouhodobého udržení týmu. A není nic horšího, než když vám po pár letech vývoje odejde klíčový člověk, protože někde dostal zajímavější nabídku, a s ním zmizí i jeho know-how, jak celý vývoj vlastně probíhal.
Řekněme ale, že všechno klapne a vývoj šlape jako hodinky. Máte připravenou novou inovaci, která by měla posunout kvalitu vyhledávání výše. Nasadíte ji do produkce, měříte její efekt a iterativně dané řešení zlepšujete, zkoušíte přidávat nové signály nebo upravujete jejich váhy. Tento průzkum slepých uliček je u rozvoje vyhledávání běžný, a pokud chcete uspět, nevyhnete se mu. Jenže odladění inovace často trvá stejně dlouho jako její samotný vývoj. Rychlost inovování vyhledávače totiž závisí na dostatečném množství a kvalitě relevantních dat, na kterém modely vytrénujete.
Jeden vzorek nestačí
Udělat pořádný A/B test vyhledávání zabere přibližně měsíc. Nejde přitom jen o samotné nasbírání dat, ale i následnou interpretaci a upravení nastavení vyhledávání na jejím základě. Realisticky tak za rok stihnete udělat tři až pět experimentů. Když tento výkon srovnáte s externí službou, která takových udělá za rok stovky a poznatky dokáže implementovat napříč celou zákaznickou strukturou, jistě poznáte, jak rychle se pomyslné nůžky konkurenčního růstu rozevírají.
Omezený dataset pak ovlivňuje i další nastavení. Jednou ze základních funkcí, které by dnes měl konkurenceschopný vyhledávač zvládat, je práce s překlepy, synonymy, slangem a cizojazyčnými pojmy. V průměru u e-shopu, který nemá tyto oblasti vyřešené, končí 20–40 % vyhledávání bez výsledků. Pokud se naopak optimalizaci intenzivně věnujete a zahrnete i poznatky o zbytku trhu, dá se míra snížit na 2–5 %. Stejně jako má však svá specifika každý segment, liší se i nákupní chování různých zákazníků v rámci jednoho e-shopu.
Limity vnímání zákazníka jsou vidět i u majitelů či manažerů e-shopů, kteří mají určitou subjektivní představu o tom, jaké dotazy zákazníci do vyhledávacího pole zadávají. Tato představa často vychází z jejich osobní zkušenosti, jaké dotazy oni sami do vyhledávače zadávají. Struktura vyhledávacích dotazů je ale hodně pestrá. Jeden zadává zásadně kategorie produktů, jiný píše heslovitě, další kopíruje popis zboží z jiných stránek, někdo zase preferuje detailní příkaz o více slovech a parametrech. V důsledku se tak snadno může stát, že odladíte oblast, kterou jste považovali za zásadní, a posléze zjistíte, že reálně třeba 90 % všech dotazů je úplně jiného typu, a tedy často vrací špatné výsledky.
Adaptace na dobu
Tradiční architektura searche je dnes rozšiřována o řadu modelů strojového učení, které umožňují kombinovat velké množství nejrůznějších signálů o produktech a uživatelích. Na relevanci výsledku už dávno nestačí jen shoda klíčového slova s titulkem produktu, v potaz je potřeba brát i jejich parametry, krátkodobé i dlouhodobé preference uživatelů, filtry, sezonnost, lokální i globální aspekty, práci s překlepy a chybami, zájmy e-shopů jako produkty v akci a mnohé další. Právě zde hraje roli strojové učení, které dokáže ze signálů uspořádat produkty tak, aby byly na předních pozicích ty relevantní a zároveň uživatelsky zajímavé. Toto je zásadní pro schopnost personalizace, aby každý uživatel na stejný dotaz mohl obdržet jiné výsledky.
Když například v e-shopu jednou hledáte boty velikosti 43 značky Nike, měl by systém tuto informaci promítnout i do dalších dotazů automaticky, aniž musíte udělat cokoli navíc. Klíčová je tedy schopnost tyto uživatelské podněty extrémně rychle zpracovat a zároveň aplikovat už na další uživatelské hledání. Řada e-shopů však takovou informaci zohlední až s odstupem „přes noc“, při příští návštěvě zákazníka – ten se však už vrátit nemusí, protože poprvé nenašel to, co na e-shopu hledal.
Komplexnost a nákladnost vývoje vlastního konkurenceschopného vyhledávání je tak důvod, proč stále více e-shopů přechází na řešení třetích stran. A rozhodně neplatí, že by velcí hráči byli výjimkou. Dnes už tak využívají externího dodavatele vyhledávání třeba Electroworld, Luxor, Muziker, EXIsport či Dr. Max. Přestože právě oni jsou ti, kdo by si mohl interní vývoj s plnohodnotným týmem dovolit.
Právě takový EXIsport je příkladem vědomého efektivního využívání zdrojů. Přední prodejce sportovního oblečení a vybavení na Slovensku s 20 lety zkušeností a 19 kamennými obchody spolupracuje s Luigi’s Box již od roku 2018. Po nasazení Luigi’s Box Analytics se ukázalo, že až 30 % prodejů na webu EXIsportu bylo uskutečněno prostřednictvím vyhledávací funkce. Konverzní poměr uživatelů, kteří využívali vyhledávání, byl několikanásobně vyšší oproti těm, kteří navigovali webem jiným způsobem. EXIsport implementoval funkce automatického dokončování a později rozšířil svou platformu o systém doporučování produktů Luigi’s Box Recommender. Tento systém přinesl značné zlepšení v oblasti CTR (Click-Through Rate), kdy testy ukázaly téměř 39% nárůst během celého testování a dokonce téměř 51% nárůst CTR v období mimo vánoční nákupy a speciální akce. I když konverze zaznamenala mírný pokles v rozmezí 0,5 až 3,5%, tento pokles byl považován za zanedbatelný ve srovnání se značným nárůstem CTR. Zvlášť pozitivní dopad mělo zavedení doporučovacího systému v kategoriích, kde doposud žádná doporučení nebyla, což zásadně ovlivnilo prodej.
Kde začít? Mějte data pod kontrolou
Ať už se rozhodnete pro vývoj vyhledávání in-house, nebo sáhnete po některém z řešení třetích stran, udělejte si nejprve obrázek o stavu svého e-shopu. Ke zjištění, co u vás zákazníci hledají a kde máte prostor ke zlepšení, sáhněte třeba po Luigi’s Box Analytics. S ním už za pár dní až týdnů získáte dobrou představu, od čeho se odpíchnout. Smysl to má zejména v dnešní době, kdy se celá e-commerce proměňuje – z mobilních zařízení přichází často nadpoloviční objem hledání, uživatelé daleko více očekávají, že na prvních třech pozicích najdou ty správné výsledky. Zároveň ale zadávají často daleko kratší dotazy, než byli zvyklí na desktopovém webu.
Pokud navíc vezmeme v potaz i poslední rok a půl klesající online prodeje a přičteme vliv nástupu nových technologií, je pro online prodejny o to zásadnější držet krok s rychle se měnící dobou a hledat způsoby, jak si udržet vysokou konkurenceschopnost. A vyhledávání je jedním z nich. Dobám, kdy průměrnému českému e-shopu stačilo vyřešit vyhledávání za tři měsíce v Elasticu a žít s pocitem, že má vyhráno, již zkrátka odzvonilo.
Autor komentáře: Roman Dušek, Luigi’s Box
