Мы собрали самые интересные и важные данные о поиске на сайте, его прямом или косвенном влиянии на ключевые бизнес показатели ecommerce проектов и разобрали детально 8 типов поисковых запросов пользователей. А еще напомнили, что хороший продуктовый поиск можно сделать только совместно с PIM системой.

Перейдём к фактам и цифрам:

• 64% людей используют поиск, чтобы определить что именно они хотят купить;
• 43% пользователей интернет-магазинов начинают поиск товаров со строки поиска (в некоторых отраслях, например в фарме, этот показатель более 80%);
• потребители, использующие поиск, совершают покупки в 2,4 раза чаще;
• пользователи, использующие поиск, тратят в 2,6 раза больше в интернет-магазинах по сравнению с теми, кто не пользуется поиском;
• 34% пользователей пытаются искать нетоварный контент;
• до 30% посетителей интернет-магазинов используют внутренний поиск по сайту: вероятность конверсий и покупок у таких посетителей в 2-3 раза выше;
• релевантный поиск влияет на решение о покупке у 39% покупателей;
• 12% пользователей перейдут на сайт конкурента после неудовлетворительного поиска. По данным Forrester, плохой поиск увеличивает Churn rate на 68%;
• 61% всех ecommerce сайтов не соответствует фактическому поисковому поведению и ожиданиям пользователя (15% не имеют нужную производительность и типы поисковых запросов);
• 72% сайтов полностью не оправдывают ожидания пользователей от поисковой выдачи.

Очевидно, рынку нужны лучшие поисковые системы для ecommerce и не просто поисковые системы, а грамотная связка PIM системы и Elasticsearch.

Когда все сделано правильно, поиск по сайту увеличивает конверсию

• коэффициент конверсии почти удвоился благодаря тому, что посетители нашли на сайте то, что искали;
• конверсия у Amazon увеличивается в 6 раз, когда посетители приходят в карточку товара из поиска (2% → 12%) .У Walmart почти аналогичная картина — 1,1% превращается в 2,9% при использовании поиска, то есть в 2,4 раза больше. Для Etsy поиск по сайту повышает конверсию в 3 раза;
• конверсия в покупку при поиске по сайту может быть на 50% выше среднего;
• конверсия на ПК в 2 раза выше с качественным поиском по сравнению с базовыми возможностями поиска;
• исследования показывают, что оптимизация внутреннего поиска способствуют повышению конверсии на 43%;
• конверсия из поиска составила 4,63% по сравнению со средним показателем для веб-сайтов 2,77% , что в 1,8 раза эффективнее;
• 50% интернет-магазинов заявили, что они увидели увеличение доходов в результате использования поиска по сайту. (и этот показатель был значительно выше — 93% для компаний с расширенным поиском по сайту);
• автозаполнение может увеличить продажи и конверсию на 24%;
• на некоторых сайтах поисковые системы приносят примерно 40% общего дохода.

Лучшие KPI для поиска в ecommerce

• В 2022 году поиск по сайту больше всего повлиял на следующие KPI: доход (52,4%), время нахождения на сайте (51,5%) и снижение показателей отказов (39,8%).
• Наиболее распространенными ключевыми показателями эффективности поиска по сайту в 2023 году являются: коэффициент конверсии из поиска, количество кликов из поисковых запросов и исключение пустых страниц по поисковым запросам.

Ниже мы углубимся в проблемы с которыми пользователи часто сталкиваются при поиске продукта, посмотрим данные исследования Baymard University и обсудим 8 конкретных типов поисковых запросов для ecommerce:

• «Точные» поисковые запросы (42% сайтов имеют проблемы);
• Поисковые запросы «Тип продукта» (71% сайтов имеют проблемы);
• «Симптомные» поисковые запросы (52% сайтов имеют проблемы);
• «Непродуктовые» поисковые запросы (39% сайтов имеют проблемы);
• Поисковые запросы «функции» (22% сайтов имеют проблемы);
• «Тематические» поисковые запросы (36% сайтов имеют проблемы);
• Поисковые запросы «совместимость» (30% сайтов имеют проблемы);
• Поисковые запросы «Сленг, аббревиатура и символ» (49% сайтов имеют проблемы).

Поиск по точному запросу

«Точный поиск», как правило, проще всего технически реализовать и поддерживать, поэтому большинство сайтов, протестированных Baymard University, показали в этом хорошие результаты.

Когда пользователи точно знают, какой продукт они ищут, они обычно полагаются на точный поиск, вводя название продукта или номер модели — например «DeLonghi ECP» (кофемашина)

На первый взгляд это может показаться простым шаблоном сопоставления ключевых слов с атрибутами продукта, однако поисковая система должна быть немного умнее.

Например, правильная обработка фонетических орфографических ошибок имеет решающее значение, поскольку пользователь может слышать только название продукта и не знать, как его написать (например, «Делонги» или «Делонжи»).

Маркетплейс Ozon с этой задачей справился

В зависимости от продукта и марки таких названий может быть множество. Получение всех этих альтернативных написаний может оказаться довольно сложной задачей, и поставщики совсем не обязательно должны вам предоставить такой список.

По данным Baymard University, 27% сайтов не находят товар, если в названии есть хоть одна опечатка. Эксперты отмечают, что это решающий критерий для пользователей — если товар не отображается по их запросу, они уходят.

Решение кроется в создании собственной базы вариантов написания и обогащении уже имеющейся. В том числе за счет создания отдельного справочника в PIM системе и связке его с поиском Elasticsearch.

Поиск по типу продукта

Когда пользователи ищут не конкретный продукт, а тип продукта, они будут запрашивать целую категорию продуктов (например, «Кроссовки») .

При использовании таких запросов пользователь обычно хочет быстро получить доступ к нужной категории на сайте — либо потому, что так ему удобнее искать, либо потому, что категорию сложно найти через главное меню.

Самый простой вариант когда поисковый запрос один в один совпадает с существующей категорией, в этом случае пользователь направляется на соответствующую промежуточную обогащенную страницу категории.

Но так бывает далеко не всегда, и очень важной задачей является отражение релевантной поисковой выдачи независимо от того, существует ли нужная категория продукта или нет.

Это требует не только подробной категоризации и маркировки продуктов, но и правильного подбора синонимов и альтернативных вариантов написания этих групп.

Подобные проблемы Baymard University нашел у 61% всех сайтов. Если система не поддерживает синонимы, пользователи или не видят нужные им товары на сайте вообще, или видят только часть предложений.

Решить проблему можно созданием расширенного словаря синонимов и мультикаталога на базе PIM системы.

Поиск по описанию проблемы

Здорово когда пользователи знают какой товар им нужен или в какой категории он может быть, но бывает и по другому.

Иногда пользователи даже не знают, какой тип продукта они ищут — все, что они знают, — это проблема, с которой они сталкиваются, и то, что они хотят ее решить.

В этих случаях они будут полагаться на запросы о симптомах: вводить проблему, с которой они сталкиваются, например, «испачканный ковер» или «сухой кашель», в надежде получить решения этой проблемы.

Запросы по симптомам важны, потому что они часто будут последним обращением пользователя: если пользователи не знают, какое решение искать, и не могут найти продукты описав проблему или симптом, с большей вероятностью он продолжит поиски, но уже на других сайтах.

Например, запрос симптома «боль в колене» на сайте спортивного инвентаря должен предоставить пользователям множество различных типов продуктов, таких как наколенники, компрессионные носки, обезболивающие средства, спортивные бинты, амортизирующие стельки для обуви, и т. д.

Baymard University отметили, что только 25% протестированных ecommerce сайтов могут качественно выполнять поиск по описанию проблемы.

Организовать это даже расширенным поиском довольно сложно. Поисковые алгоритмы могут не учесть описание или не так как нужно ранжировать товары в листинге. Для полноценной реализации этого вида поиска необходимо создание дополнительных тематических товарных связок и справочников. Без PIM системы это сделать почти не возможно.

Непродуктовые поисковые запросы

Конечно, основная функция поиска в контексте электронной коммерции заключается в поиске релевантных продуктов. Однако поисковая система не должна ограничиваться только поиском по каталогу продуктов. Некоторые пользователи ожидают, что поиск выполняется по всему сайту, а не только по товарам.

Во время тестирования Baymard University удобства использования «Учетных записей» 34% участников пытались выполнить поиск контента, не связанного с продуктом (например, «политика возврата», «отписаться», «отменить заказ», «пункты выдачи товара» и т. д.).

Пользователи часто искали этот контент, потому что им было трудно найти ссылки на него в навигации по сайту. Этот вспомогательный контент и ссылки на него как правило помещаются в подвал страницы или вложены глубоко в разделы справки.

На мобильных устройствах поиск «непродуктового» контента может быть еще сложнее — бесконечная прокрутка, мелкий шрифт ссылок или не очевидная логика меню.

Несмотря на важность таких запросов, 39% сайтов из исследования Baymard University поддерживают не все информационные запросы.

Поиск по характеристикам

Функциональные запросы — это запросы, которые включают в поиск один или несколько атрибутов продукта.

Например, покупателю нужна не просто «куртка», а что-то более конкретное, например «кожаная куртка».

«Характеристики» могут представлять собой широкий спектр атрибутов продукта, например:

• Цвет (например, «красные платья»);
• Материал (например, «тканевые диваны»);
• Характеристики производительности (например, «жесткий диск на 1 терабайт»);
• Формат (например, «Atomic Heart PS4»);
• Цена (например, «кроссовки 300-500 рублей»);
• Торговая марка (например, «Помада lancome») ;
• Размер (например, «майка 46 размера»).

Этот список можно продолжить бесконечно и у каждой товарной группы он будет свой.

Запросы «функции» почти всегда используются в качестве квалификатора для другого типа поиска — способ фильтрации поисковой выдачи и формирование максимально релевантного листинга товаров.

Поиск по характеристикам очень важен, поскольку здесь мы имеем дело с уже сформированной потребностью и конкретным запросом. От того насколько правильно и точно сработает поисковая система и фильтры зачастую зависит произойдёт покупка или нет.

Это понимают большинство ритейлеров, поэтому во время тестирования Baymard University поиск по характеристикам был самым распространенным типом. Среди ведущих сайтов ecommerce 86% поддерживают его на хорошем уровне.

Поиск по тематике товара

Что именно представляет собой «коврик для гостиной», «спальный мешок для экстремальных погодных условий» или «ретро-платье»? Конечно, мы все понимаем что это и можем распознать эти товары, но вот для поисковой системы определение их точного значения может быть проблемой.

Тематические запросы часто немного сложно определить, потому что они по своей природе расплывчаты и могут включать следующие нечеткие границы:

• Места использования (например, «мебель для ванной»);
• Сезонные условия или условия окружающей среды (например, «весенняя куртка», «спальный мешок для холодной погоды»);
• Случаи и события (например, «свадебный подарок»);
• Рекламная атрибутика («распродажа духов»).

Тем не менее, они являются вполне реальными понятиями для пользователей, особенно актуально для одежды, мебели, спорта и хобби.

Для создания и поддержки подобных «тематических» поисков требуется много интерпретаций, как с точки зрения смысла самого запроса, так и с точки зрения внутренней маркировки продуктов.

Очень важно, чтобы запрос (например, «весенняя куртка») представлял все релевантные продукты, а не только несколько продуктов, в заголовке или описании которых есть эти ключевые слова.

Для этого требуется тематическая маркировка каталога товаров, чтобы определить, например, какие куртки подойдут для весны (а какие нет). Нужны сквозные характеристики на основе которых можно было бы создать нужные каталоги и связки товаров.

Реализовать такой поиск без внедрения PIM системы задача сложная, поэтому 36% ecommerce проектов исследованных Baymard University не смогли правильно обработать «тематические» поисковых запросы.

Поиск по совместимости товара

Покупатели часто не знают названия необходимого аксессуара или запасной части — вместо этого они знают название продукта, который у них уже есть.

Поэтому нередко можно увидеть, как пользователи выполняют запросы совместимости, в которых они вводят название или марку продукта, который у них есть. А иногда тип аксессуара или запасной части, которую они ищут, например, «чехол для камеры Sony RX100».

Запросы на совместимость требуют строгого соответствия — это два или более продукта, которые должны работать вместе. Таким образом, они обычно генерируются следующим образом:

• Комбинируя название бренда и конкретную модель или серию основного продукта (например, «ноутбук Dell XPS 13 Touch») вместе с типом аксессуара (например, «адаптеры»)
• Путем объединения названия бренда и «типа продукта» основного продукта (например, «ноутбук Dell») вместе с типом аксессуара (например, «защитная пленка для экрана»)
• Используя только основное название продукта (например, «macbook pro») и ожидая найти среди результатов нужные аксессуары.
• Используя только название аксессуара или детали (например, «адаптер для ноутбука» или «ремень для пылесоса»)

Пользователи не всегда знают или помнят конкретную модель своего продукта, поэтому поддержка более общих типов продуктов и торговых марок важна. В этом случае покупателю нужно показать максимально релевантные общие запросы с точки зрения логики и маркетинговых целей.

А еще некоторые пользователи намеренно исключают тип аксессуара из своего поиска и ищут только тот продукт, который у них уже есть, поскольку они ожидают, что аксессуары будут доступны рядом с продуктом.

В обоих случаях отображение опции просмотра дополнительных товаров для таких поисков окажется очень полезным для этих покупателей, поскольку это дает им возможность посмотреть все варианты совместимых товаров. В этом случае увеличение выбора даст больший шанс к покупке.

Отношения совместимости могут быть очень сложными и иметь множество зависимостей. Более детально о такой системе совместимости мы рассказали в нашем кейсе «История внедрения PIM-системы для компании X-com: начало».

Сленг, аббревиатуры и символы в поиске

Сленг и аббревиатуры технически проще всего учитывать в поиске, поскольку по сути просто требуется сопоставление между различными терминами; например, сочетание сленговых слов, таких как «гриндера» с «обувью» или «корзинка» с «аксессуарами для велосипеда».

Аналогичным образом должны быть сопоставлены аббревиатуры, например, «мл» сочетается с «миллилитром», а «HP» — с «Hewlett-Packard».

С символами может оказаться немного сложнее, поскольку они могут действовать не только как синонимы, но и могут менять значение в зависимости от расположения слов в запросе.

Например, символ «-» может использоваться для обозначения как минуса (например, «спальный мешок для -10 градусов») , так и диапазона (например, «свитера 1000-3000 рублей») .

В этих случаях не только меняется значение символа, но он также действует как инструкция фильтрации товаров.

Этот тип поиска важный, но сложный. По данным Baymard University, 49% сайтов не поддерживают даже самый простой поиск с использованием сленга или разных аббревиатур для единиц измерения (например, «холодильник 200 литров» вместо «холодильник 200 л», «200 ГБ» против «200 гигабайт») .

Создание подобного типа поиска возможно при наличии специального справочника в PIM системе. При таком подходе сопоставление разных единиц измерения, аббревиатур и сленговых выражений будет происходить на уровне шаблона и отображаться в результатах поиска правильно.

Чтобы сделать площадку удобной для людей, достаточно обеспечить поддержку 6-7 типов запросов.

Эксперты из Baymard University рекомендуют начать с поиска по точному запросу, по типу продукта, характеристикам и тематике товара. Если эти четыре типа реализованы на хорошем уровне, у пользователей не будет проблем с поиском товаров.