Dnes lze na trhu najít řadu nástrojů, které e-shopům pomáhají vytěžit maximum z vyhledávání a zákazníkům najít zamýšlený produkt co nejrychleji a nejrelevantněji. Některé nástroje přitom vyžadují plnohodnotné zapojení specialisty, který v systému nastavuje produktům synonyma, alternativní produkty a řeší případné nedostatky. Jiné pak práci přenechávají umělé inteligenci, ta totiž může zvýšit produktivitu podniků až o 40 %. Až 87 % globálních firem navíc věří, že jim AI přináší konkurenční výhodu. Důvodem je přitom její schopnost shromažďovat a analyzovat obrovské množství dat s cílem najít určité vzorce a podle nich dále postupovat. A právě tuto její schopnost lze skvěle vytěžit v optimalizaci vyhledávání produktů na e-shopech. Výsledkem jsou nejen vyšší konverze na straně prodejce, ale i vyšší spokojenost a lepší zkušenost s nákupem na straně zákazníka.

Aby však umělá inteligence mohla začít hledat a zkvalitňovat vazby mezi klíčovými slovy a relevantními produkty, potřebuje nejprve nabrat určitý objem dat z nákupního chování. S každým hledaným – a ještě lépe zakoupeným – zbožím pak její efektivita roste. Současně však časem začnou na povrch vyplouvat i nedostatky v nabídce či nastavení e-shopu, které je potřeba řešit. Každý obchod je totiž specifický nejen nabídkou zboží, ale i cílovou zákaznickou skupinou či segmentací trhu. Aby tak zákazníci vždy našli správný produkt, což se promítne i na vyšších profitech, je pro e-shopy důležité optimalizovat klíčová slova. Zatímco však AI dokáže přinést sama o sobě zajímavé výsledky, svého maximálního potenciálu dosáhne teprve při zapojení lidské expertízy.

Partnerství lidské a umělé inteligence

Právě skrze určeného product ownera získává e-shop přehled o datech z vyhledávání, dokáže je efektivně využít k vylepšení stávajících služeb i odhalit potenciální příležitosti, které mu doposud zůstávaly skryty. Na základě těchto informací je možné profilovat předpokládaný vzorec zákaznického chování a taky pravděpodobnost poptávky určitého typu zboží. Například nastavit alternativní produkty, případně nějaký výrobek upřednostnit či zákazníkům navrhnout ideální doplňky v rámci cross-sale či up-sale aktivit. Navíc e-shopu dává příležitost prodávat dodavateli upřednostnění produktu ve výsledcích vyhledávání.

Měření a vyhodnocování výsledků vyhledávání přitom nestojí nezměrné množství času ani prostředků. Naopak, nejzásadnější je nastavit pravidla pro optimalizaci hned ze začátku intenzivně a ta udržovat podle potřeb e-shopu. Právě takovým způsobem je možné zúročit práci umělé inteligence pro lepší škálovatelnost a zaměření samotného e-shopu co nejlépe. Výhodou je přitom fakt, že zásadních rozdílů lze dosáhnout i při zapojení pracovníka jen na několik hodin týdně. Podle našeho výzkumu 73 % e-shopů potvrdilo, že nárůst obratu z vyhledávání zaznamenaly už ve chvíli, kdy se optimalizaci věnoval určený pracovník alespoň na poloviční úvazek.

Z naší zkušenosti mají e-shopy, které optimalizaci vyhledávání vůbec neřeší, míru vyhledávání bez výsledků kolem 20 %. V některých případech dokonce až 40 %. Jde přitom z velké části o potenciální zisky, o něž by se e-shopy vůbec připravovat nemusely. Z průzkumu mezi našimi partnerskými e-shopy totiž vyplývá, že po zavedení technologie na zkvalitnění vyhledávání tato míra padá v průměru na 13,4 %. A když se e-shop začne problematice věnovat naplno, dokáže hodnoty snížit na přibližně 3–5 %. To už se však neobejde bez cílené práce určeného pracovníka.

Na dráze plnohodnotného obchodního kanálu

Hlubší pochopení zákaznických dat odhaluje, nejen jak zákazníci na webu nakupují, ale i co a jak hledají, nebo co je naopak při hledání odrazuje. Jedna z nejzásadnějších metrik, na kterou by se e-shopy měly zaměřit, je procento vyhledávání, která skončila bez výsledků. Podle nejnovějších výzkumů až 30 % zákazníků ze stránky odchází, pokud nenajde, co hledá, nebo nedostane relevantní informaci. Důvodů přitom může být několik. Zákazník například v zadání udělal překlep nebo použil synonymum či cizojazyčný pojem, se kterým e-shop nepočítal. Kvalitní vyhledávač si však s takovými chybami dokáže poradit a nakupujícího přivést k tomu správnému produktu. Může se však také stát, že obchod dané zboží v nabídce zkrátka nemá. V tu chvíli je základ nastavení férové komunikace: e-shop by měl zákazníkovi tuto informaci transparentně sdělit a případně nabídnout vhodnou alternativu. Pokud ovšem e-shop například dotazy na dané zboží získává opakovaně, je na product ownerovi zvážit, zda jej nezařadit do nabídky.

Data z vyhledávání však mají širší využití než jen okamžité navýšení prodeje a zkvalitnění zákaznické nákupní zkušenosti. Význam mají také v dlouhodobém horizontu, kdy mohou sloužit jako jeden z nástrojů i k byznysovým rozhodnutím, predikci trhu, očekáváním růstu či plánování rozpočtu. Vyhledávání se tak stává plánovatelným kanálem. Lze s ním totiž počítat v rámci růstového i konstantního revenue, což umožňuje plánovat jeho nákladovost a ziskovost, roli pak hraje také v nastavování PNO (podílu nákladů na obratu). Z hlediska dlouhodobé strategie je možné tomu přizpůsobit rovněž jednotlivé nákupní a prodejní aktivity ze strany prodejce. S tím jde ruku v ruce i předpokládání a plánování finančních zdrojů pro uskutečňování změn, které cesta za lepším e-shopem přináší. Například UX webu, programátorské vylepšení či nákup nového zboží.

Jednou z možností, jak k těmto nákladům přistoupit, je využít outsourcing služeb. Ty v sobě skrývají nejen práci programátora, ale celé know-how včetně uživatelského prostředí. Právě outsourcing technologického řešení snižuje dlouhodobě nejen náklady, ale i technologický dluh. Specializované softwarové společnosti totiž mají novinky v oboru v pipeline daleko dříve, než se k nim vůbec dostanou soukromí majitelé e-shopů. Pokud se e-shop rozhodne vyvíjet řešení po vlastní ose, je velmi obtížné až prakticky nemožné dostihnout technologický rozdíl ve srovnání s komerčním řešením. Nástroje, které lze outsourcovat, navíc uvolňují ruce pro obchodní plány a umožňují maximální soustředění na růst.

Martin Kováč Autor článku je CMO společnosti Luigi’s Box.