La ricerca interna è il punto di massima intenzione su una vetrina. Chi scrive scarponi da trekking impermeabili numero 43 non sta navigando: ha già in mente l’acquisto e lo comunica chiaramente. Per questo nessun risultato trovato è la pagina più costosa che un sito e-commerce possa servire.
La risposta del settore è proporre un’app di ricerca AI. Può essere la scelta giusta — ma solo dopo aver analizzato cosa non funziona davvero, perché una quota rilevante delle ricerche senza risultati dipende da dati prodotto mancanti, e nessuna tecnologia di ricerca può trovare un attributo che non è stato inserito.
Parta dal registro delle ricerche
Prima di scegliere uno strumento, raccolga 90 giorni di query di ricerca con il relativo numero di risultati. L’analisi di Shopify mostra le ricerche principali e quelle senza risultati; molte app di ricerca offrono log più dettagliati. Entrambi sono sufficienti per iniziare.
Ordini per volume, prenda le 200 query senza risultati più frequenti e le classifichi manualmente. Richiede un pomeriggio ed è il tempo meglio investito in tutta questa analisi. Ogni query rientra in uno di cinque gruppi:
- Non lo vendiamo. Domanda reale per prodotti che non sono a stock. È un segnale di assortimento, non un problema di ricerca — spesso il risultato più interessante dell’audit.
- Lo vendiamo, ma è descritto diversamente. Il cliente cerca jumper, il suo catalogo riporta sweater. È un problema di vocabolario.
- Lo vendiamo, ma manca l’attributo. Una ricerca per impermeabile fallisce perché l’attributo è presente solo sul 40% delle referenze. È un problema di dati.
- Refusi e ricerche simili. Risolvibile con un semplice fuzzy matching; se sono molte, la ricerca attuale è molto debole.
- Non è una ricerca prodotto. Stato ordine, tempi di consegna, resi. Queste richieste vanno indirizzate verso contenuti utili, non verso una griglia prodotti.
Le proporzioni indicano dove intervenire. Se prevalgono i gruppi 2 e 3, il problema è nei dati, non nella ricerca, e una soluzione AI avrà risultati inferiori rispetto alla demo sul suo catalogo.
Corregga prima le cause più semplici
In quest’ordine, perché ogni passaggio costa meno del successivo e riduce il lavoro necessario a quello dopo.
Sinonimi
Ogni strumento di ricerca valido supporta le liste di sinonimi, ma quasi nessun negozio le compila. Il gruppo 2 del suo audit è la sua lista di sinonimi — già pronta, con le parole dei clienti. Aggiunga soprannomi di brand, varianti regionali, abbreviazioni comuni e i termini che il servizio clienti raccoglie al telefono.
Completezza degli attributi
Il gruppo 3 riguarda il catalogo, non la ricerca. La ricerca può restituire solo dati esistenti, e negli e-commerce la compilazione degli attributi più cercati — materiale, capacità, compatibilità, vestibilità, specifiche tecniche — è spesso incompleta.
È un’attività poco visibile ma di solito la più redditizia. Abbiamo descritto il processo che usiamo per arricchire un catalogo ampio con l’AI — l’esempio è su Magento, ma il metodo si applica direttamente anche a Shopify tramite i metafield.
Una pagina senza risultati che sia utile
Qualunque soluzione adotti, alcune ricerche non restituiranno risultati. Una pagina che mostra solo nessun risultato è un vicolo cieco; una che propone la categoria più vicina, i prodotti più popolari, un suggerimento ortografico e un contatto recupera una quota significativa di queste sessioni. È una modifica al tema che richiede poche ore.
Query non di prodotto
Instradi il gruppo 5 verso risposte utili. Riconosca le intenzioni relative a stato ordine, consegna e resi e mostri i contenuti di supporto sopra la griglia prodotti. Chi pone queste domande è spesso già cliente, e rimandarlo a una pagina vuota significa generare un ticket di assistenza evitabile.
Quando la ricerca semantica ha davvero senso
La ricerca semantica — o vettoriale — si basa sul significato, non sulla corrispondenza delle parole chiave, quindi qualcosa di caldo per camminare in inverno può restituire prodotti che non contengono nessuna di quelle parole nel titolo. Funziona davvero, ma non è gratuita.
Il costo è giustificato quando:
- Il catalogo è ampio — da alcune migliaia di referenze in su, dove la ricerca per parola chiave fatica a restituire risultati rilevanti
- I clienti cercano soluzioni, non prodotti specifici — frequente in bellezza, salute, hobby, tecnica e regali
- I prodotti hanno descrizioni dettagliate su cui il modello può lavorare
- La ricerca è una superficie di traffico rilevante — verifichi la quota di sessioni che usano la ricerca prima di investire
Delude se il catalogo è piccolo, se i prodotti si cercano per codice o SKU, o se i dati degli attributi sono scarsi. In quest’ultimo caso non solo delude — può essere peggiore della ricerca per parola chiave, perché restituisce prodotti semanticamente vicini ma funzionalmente errati. Chi cerca un filtro specifico non vuole alternative simili.
Per cataloghi basati su compatibilità e specifiche, la corrispondenza esatta deve prevalere sulla similarità semantica. Una soluzione ibrida che passa alla ricerca per parola chiave per query con identificativi è la scelta corretta, ma non sempre è quella predefinita.
Come valutare correttamente gli strumenti di ricerca
Le demo dei fornitori si basano sul loro catalogo, dove tutto funziona. Valuti sul suo:
- Costruisca un set di query con 100 ricerche reali dai suoi log — includa ricerche riuscite, senza risultati e long-tail — annotando la risposta corretta per ciascuna prima di testare qualsiasi strumento.
- Testi il set su ogni candidato usando il suo catalogo reale e valuti i primi tre risultati per ogni query. Non si affidi all’impressione.
- Verifichi le query con identificativi — SKU, codici prodotto, modelli — per capire come lo strumento gestisce la corrispondenza esatta.
- Controlli le opzioni di merchandising. Può fissare un prodotto, spingere una fascia di margine, escludere articoli esauriti? Una rilevanza non modificabile è un limite durante una promozione.
- Verifichi la latenza di indicizzazione quando cambiano prezzi e stock. Un indice che ritarda di un’ora mostra prodotti non disponibili.
- Valuti il prezzo in base a dimensione del catalogo e volume di query, non solo sul piano pubblicizzato.
Come misurare se ha funzionato
I miglioramenti della ricerca sono facili da misurare, ma spesso vengono misurati male. Tracci questi indicatori, segmentando solo sugli utenti che usano la ricerca:
- Tasso di ricerche senza risultati — il dato principale, che dovrebbe diminuire per primo
- Tasso di click da ricerca a prodotto — hanno trovato qualcosa di interessante?
- Conversione da ricerca ad acquisto, confrontata con le sessioni senza ricerca
- Tasso di raffinamento della ricerca — chi cerca tre volte di fila segnala che le prime due non hanno funzionato
- Ricavo per sessione di ricerca, che è il dato che giustifica lo strumento
Raccolga una baseline di quattro settimane prima di attivare qualsiasi cambiamento. Senza, discuterà se è migliorata la ricerca o semplicemente novembre.
Questo è il tipo di progetto che il nostro team AI e machine learning segue dall’inizio alla fine, e la domanda più ampia su dove l’AI abbia reale utilità in uno store è il motivo per cui esiste la nostra AI integration practice. Per i cataloghi retail, la ricerca è spesso il progetto AI con il ritorno più alto — perché l’intento c’è già, manca solo la corrispondenza.
Domande frequenti
Quanta parte del nostro traffico usa davvero la ricerca interna?
Varia molto a seconda della categoria — spesso tra il 10% e il 40% delle sessioni. Verifichi i Suoi dati prima di investire, perché chi usa la ricerca converte tipicamente molto più di chi naviga: per questo il segmento merita attenzione anche se numericamente ridotto.
La ricerca semantica è sempre migliore di quella per parola chiave?
No. Nei cataloghi ricercati per codice, SKU o specifica esatta, la semantica peggiora i risultati — restituisce vicini sbagliati con sicurezza. La soluzione più efficace è spesso ibrida: corrispondenza esatta per query da identificativo, semantica per quelle descrittive.
Si può migliorare la ricerca nativa di Shopify senza app?
Sì, in modo significativo. Compili i metafield che i clienti usano davvero, scriva descrizioni prodotto complete e crei una pagina utile per le ricerche senza risultati. Questi tre interventi risolvono gran parte dei problemi senza costi mensili.
Qual è un buon tasso di ricerche senza risultati?
Sotto il 5% delle ricerche è un valore sano per la maggior parte dei cataloghi; sopra il 15% indica un problema reale. Ma il dato assoluto conta meno della suddivisione per categoria: se il tasso è dovuto a richieste di prodotti non presenti a catalogo, è un segnale per il merchandising, non un difetto.
Quanto dura un progetto di ricerca?
L’audit e le correzioni rapide — sinonimi, pagina senza risultati, instradamento delle query — richiedono alcune settimane. L’arricchimento degli attributi è la parte più lunga e dipende dalla dimensione del catalogo. Sostituire lo strumento di ricerca con uno semantico è relativamente veloce; sistemare i dati sottostanti non lo è.
Parta dal registro delle ricerche
Ci invii 90 giorni di query e classificheremo la coda delle ricerche senza risultati, indicandole se il problema riguarda la ricerca o il catalogo. Di solito è il secondo. Contatti il nostro team; rispondiamo entro un giorno lavorativo.