Funkci vyhledávání konkrétního výrobku v e-shopech využívá sice jen necelá šestina zákazníků, ovšem v mnoha případech generují právě tito nakupující až polovinu obratu e-shopu, protože většinou už bývají o koupi rozhodnuti. Zákazníci nakupující přes vyhledávání mají až pětkrát vyšší konverzní poměr. Jenže až třetina hledání končí bez výsledku, a firmy tak přicházejí o možné tržby.
Slovenský startup Luigi’s Box skrze strojové učení a umělou inteligenci umí zjistit, jak seřadit optimálně výsledky ve vyhledávání, nebo který produkt má systém doporučit zákazníkovi a pomáhá tak internetovým prodejcům pochopit, jak využít data o zákaznících k navyšování prodejů. Technologie Luigi’s Box využívá přes tisíc e-shopů, mezi jeho největší klienty patří Electroworld, Benu, O2, Astratex, Košík.cz. Primárními trhy jsou Česko a Slovensko a začíná v Rakousku, Švýcarsku a Německu.
Startup loni vyrostl o 150 procent a letos plánuje další expanzi do Evropy a koncem roku by mělo proběhnout další investiční kolo.
„U e-shopů, které nevěnují pozornost vyhledávání, často 20 až 30 procent hledání končí bez výsledků. Ať už lidé špatně skloňuji, uvádějí množná čísla, synonyma. Pokud se optimalizaci věnují, pohybuje se podíl jen mezi dvěma a pěti procenty,“ říká CEO a spoluzakladatel Luigi’s Box Gejza Nagy.
V čem dělají tuzemské e‑shopy největší chyby v oblasti vyhledávání?
Neuvědomují si, že konkrétní zboží vyhledává kolem 15 procent lidí, ale tito zákazníci představují 30 až 50 procent tržeb. Lidé, kteří mají jasnou představu, co chtějí koupit, často napíší produkt přímo do vyhledávání, a i proto je míra konverze těchto návštěvníků několikanásobně vyšší, než u běžných návštěvníků, kteří na stránkách brouzdají přes menu a mají i vyšší podíl na tržbách.
V kterých segmentech trhu je typický vysoký podíl vyhledávání?
V oblasti módy hledá konkrétní produkt osm až patnáct procent lidí, u elektroniky je to dvacet až třicet procent, v knihkupectvích kolem padesáti. Alfou a omegou je, aby vyhledávání dokázalo pochopit překlepy, které jsou časté. Lidé třeba napíší produkt foneticky, použijí množné číslo. Třeba slovo reprák místo reproduktory. A vyhledávače na stránkách e-shopů si s tím často nedokáží poradit. Tři čtvrtiny zákazníků navíc obvykle stránku opustí, pokud produkt nenaleznou na první stránce výsledků hledání.
Jak jim vaše řešení díky využití AI a strojového učení pomáhá?
Klienti narážejí na to, že systémy se nedokáží učit z dat a je třeba častých manuálních zásahů, což stojí hodně času. Náš systém, který jsme vyvíjeli čtyři roky, využívá strojového učení podle toho, co lidé hledají, kde na stránce klikají, jak reformulují vyhledávací fráze, co dávají do košíku. A z těchto signálů náš algoritmus dokáže vyhodnotit relevantní výsledky a umí změnit pořadí výsledků vyhledávání na základě aktivity jedinců na stránkách. Systém se umí učit, porovnávat aktivitu dalších návštěvníků a predikuje jeho možné kroky. E-shopy mohou využívat API řešení a jednoduše jej implementovat. Snažíme se minimalizovat ruční zásahy. Část výsledků ale jde ručně upravit v intuitivním rozhraní, část lze řešit automaticky. Jsou firmy, které mají vlastní týmy developerů, ale máme zákazníky, kteří i tak využívají naši službu, aby mohli své řešení lépe vyladit, protože poskytujeme i analytiku vyhledávání. A jsme schopni najít slabé stránky. Máme několik desítek takových klientů. Hodně e-shopů nyní expanduje a pokud má e-shop dvacet jazykových mutací, tak je pro něj velmi obtížné ručně zvládat obsluhu několik jazykových mutací, je to personálně náročné. My se učíme podle aktivity lidí nastavit vyhledávání pro daný trh a zvládáme specifika trhu a ulehčujeme práci na straně klienta. Máme generické slovníky na každý segment a systém se na každé doméně učí zvlášť; úroveň se pak dále zvyšuje.
Můžete uvést konkrétní příklady?
Například u lékáren Benu se nám podařilo zvýšit konverzi z vyhledávání o 9,5 procenta, což je při jejich objemech tržeb velmi slušné číslo. Segment online lékáren během covidu velmi rostl, vyhledávání je klíčové, protože lidé přesně vědí, jaké léky potřebují. Hodně léků a zejména vitaminů má dvoupísmenné názvy a vyhledávače často dokáží pracovat až od tří napsaných písmen. Lidé hledali třeba D3 vitamin a nic jim to nenabídlo. Správné vyhledávání pak nepomáhá jen koncovým zákazníkům, ale třeba i personálu. Slovenské O2 zase chtělo zlepšit vyhledávání v rámci jejich interního systému call center. Operátor pak díky optimalizaci rychleji najde informace, které potřebuje a zkracuje se tím doba hovoru. Změnili jsme například i vyhledávání pro zaměstnance na pobočách Electroworldu.
