Kupac u modnoj web-trgovini traži „tenisice". Trgovina ima točno željeni par, ali ga u opisu proizvoda navodi isključivo pod nazivom „sportske cipele". Rezultat: prazan popis rezultata, iako je roba na skladištu, ispravno cijenjena i odmah dostupna.1 Iz perspektive kupca to izgleda kao rupa u asortimanu. Zapravo to gotovo nikad nije – riječ je o problemu prijevoda između jezika kupaca i jezika kataloga proizvoda.
Upravo se ta razlika u većini trgovina prerijetko uočava. Nula rezultata interno se često tumači kao dokaz manjka u asortimanu, iako je u velikoj većini slučajeva znak da logika pretraživanja jednostavno nije ispravno protumačila upit. Tko ne prepoznaje tu razliku, optimizira pogrešnu polugu – i nastavlja gubiti prihod zbog problema koji je zapravo rješiv.
Anatomija nula rezultata
Koliko je taj nesporazum raširen pokazuje analiza Baymard Institutea: 56 posto ispitanih web-trgovina ne pokriva dovoljno potrebe svojih korisnica i korisnika za pretraživanjem.2 Problem pritom gotovo nikad nije u samoj tražilici, nego u njezinoj konfiguraciji: višečlani upit poput „plave tenisice za trčanje" ovisno o postavkama daje ili tisuće jedva filtriranih rezultata ili nijedan, njemačke se složenice raspadaju nekontrolirano, a šifre proizvoda gube se između nizova znamenki.2 Ti se uzroci mogu svrstati u četiri obrasca koji se ponavljaju i zajedno objašnjavaju najveći dio svih slučajeva nula rezultata.
Uzrok 1: tipfeleri i varijante pisanja
Najočitiji, ali nipošto najmanji razlog jednostavno su pogrešno utipkani upiti. Prema analizi tvrtke Wizzy, tipfeleri i varijante pisanja sami po sebi uzrokuju 5 do 15 posto svih neuspjelih pretraga.1 Koliko je velika razlika između dobre i loše tolerancije na pogreške pokazuje primjer iz prakse: kod marke Burt's Bees Baby pogrešno napisan upit za „Pyjamas" ipak pouzdano vodi do odgovarajućeg proizvoda „Pajamas", jer pretraga prepoznaje sličnost dvaju načina pisanja.3 Mnoge trgovine to ne uspijevaju – dovoljan je jedan zamijenjen ili izostavljen znak da nastane prazna stranica s rezultatima.
Uzrok 2: nedostatak sinonima
Još je teži drugi problem: nedostatak sinonima. U širokim katalozima proizvoda nedostajuće pridruživanje sinonima prema istoj analizi uzrokuje do 30 posto svih neuspješnih upita.1 Uvodno opisani primjer s „tenisicama" pritom nije iznimka, nego pravilo: kupci za jedan te isti proizvod često upotrebljavaju posve različite, razgovorne izraze, dok opis proizvoda uglavnom sadrži samo jedan jedini, službeni naziv. Stvaran primjer iz B2B područja pokazuje koliko se snažno taj problem može ublažiti: Berner, dobavljač alata i spojne tehnike, ciljano je unio sinonime za razgovorne pojmove pretraživanja i time znatno smanjio broj stranica bez rezultata u svojoj trgovini na njemačkom i francuskom jeziku.4
Uzrok 3: njemačke složenice – problem vlastite izrade
Problem koji se u trgovini na njemačkom govornom području osobito često previđa tiče se samog jezika: njemački se upiti često sastoje od složenica koje u engleskom govornom području u tom obliku uopće ne postoje. Traži li kupac „Damenhose" (ženske hlače), tražilica mora tu riječ tehnički moći raščlaniti na „Damen" i „Hose" kako bi je ispravno usporedila s indeksom proizvoda – postupak koji se temelji na rječniku najčešćih njemačkih pojmova i znatno se razlikuje od jednog rješenja za pretraživanje do drugoga.5 Slični problemi nastaju kod pisanja sa spojnicom: pretražuje li se „Wander-Schuhe" sa spojnicom, pretraga dodatno mora prepoznati da je riječ o istom značenju kao kod sastavljene varijante „Wanderschuhe".6 Trgovine čiji indeks pretraživanja tu raščlambu ne obavlja pouzdano proizvode kod svake takve formulacije nula rezultata – neovisno o tome koliko bi sam proizvod odgovarao upitu.
Uzrok 4: nevidljiva zamka konfiguracije
Možda najmanje poznat, ali tehnički najutjecajniji razlog skriven je duboko u samoj logici pretraživanja: u parametru koji određuje koliko riječi iz višečlanog upita proizvod mora najmanje sadržavati da bi se uopće pojavio na popisu rezultata. Ako ta postavka nije svjesno konfigurirana, pretraga u praksi često radi ili čisto aditivno, tako da se pojavljuje gotovo svaki proizvod koji sadrži samo jednu od traženih riječi, ili obrnuto prestrogo, tako da proizvod mora sadržavati sve pojmove pretraživanja i već pri minimalnom odstupanju ispada s popisa rezultata.2 Za kupce je oboje frustrirajuće: u prvom slučaju traženi proizvod tone u poplavi nevažnih rezultata, u drugom potpuno nestaje, iako je točno odgovarao namjeri upita. Ta pogrešna konfiguracija često godinama ostaje neopažena jer se ne doima kao očita pogreška, nego kao neupadljiva, ali stalno prisutna kočnica prihoda.
Dodatno otežava činjenica da te zadane postavke rijetko kad djeluju intuitivno i razlikuju se od sustava do sustava. Tko svoj sustav pusti u rad bez svjesne prilagodbe, često faktički vodi pretragu s čistom „ili" logikom, a da to nikada nije izričito odlučio – detalj konfiguracije koji se u najrjeđim slučajevima pojavljuje u specifikaciji zahtjeva pri redizajnu trgovine, a svakodnevno odlučuje o ostvarenom ili izgubljenom prihodu.
Pogreška u razmišljanju: nula rezultata rijetko je problem asortimana
Svi ti uzroci vode do iste, skupe posljedice. Baymard Institute prosječan udio pretraga bez rezultata u web-trgovinama procjenjuje na 8 do 15 posto – a svaka od tih pretraga smanjuje vjerojatnost kupnje i do 88 posto.7 Posebno je neugodno to što upravo ti kupci imaju natprosječno izraženu namjeru kupnje; oni aktivno tipkaju jer žele kupiti. Pogreška u razmišljanju u mnogim tvrtkama sastoji se u tome da se visok udio pretraga bez rezultata tumači kao znak premalog asortimana pa se ulaže u nove proizvode umjesto u bolju logiku pretraživanja. Pogled u vlastite zapise pretraživanja u golemoj većini slučajeva pokazuje nešto drugo: traženi je proizvod cijelo vrijeme bio u katalogu, samo pod drugom riječi, u drugom obliku pisanja ili skriven iza prestroge logike upita.
Ta pogreška ima i organizacijski uzrok: statistike o pretragama bez rezultata uglavnom završavaju u IT odjelu, dok se odluka o proširenju asortimana donosi u nabavi. Između tih dvaju odjela često nedostaje izravna razmjena, pa tehnički problem pretraživanja na kraju u nabavi stigne kao navodna rupa u asortimanu, iako ondje nitko ne može ništa poduzeti. Tko podatke o pretragama bez rezultata redovito dijeli između odgovornih za pretraživanje, category managementa i održavanja podataka o proizvodima, znatno smanjuje upravo tu slijepu točku.
Kako Eywora strukturno sprječava nula rezultata
Upravo ta četiri uzroka semantička AI pretraga tvrtke Eywora rješava ciljano i zajednički, umjesto da ih tretira kao odvojene pojedinačne probleme. Tipfeleri i varijante pisanja automatski se prepoznaju i ispravljaju, sinonimi se ne održavaju ručno u krutom popisu, nego se razumiju semantički, tako da upit za „tenisice" pouzdano pronalazi i proizvode koji se u katalogu vode kao „sportske cipele". Njemačke se složenice ispravno raščlanjuju i ponovno spajaju, tako da i „Damenhose" i „Damen Hose" vode do istog, odgovarajućeg rezultata. Umjesto kruto konfigurirane AND/OR logike, model za ponovno rangiranje sortira rezultate prema stvarnoj relevantnosti za upit, umjesto da proizvode filtrira samo prema tome koliko je pojedinačnih riječi točno pogođeno.
Kako se taj problem ne bi neopaženo vratio, analitička komponenta kontinuirano analizira koji upiti i dalje vode do malo rezultata ili nijednog te ih rangira prema procijenjenom potencijalu prihoda – tako da timovi mogu prvo krenuti ondje gdje je učinak ispravka najveći.
Tko želi saznati koliko upita u njegovoj trgovini trenutačno propada upravo zbog ta četiri uzroka, može Eyworu 14 dana besplatno i bez kreditne kartice testirati na vlastitom katalogu ili rezervirati 30-minutni live demo na stvarnoj korisničkoj trgovini.
Praktičan plan: kako prepoznati najveće izvore pretraga bez rezultata
Prvi korak ne zahtijeva novu tehnologiju, nego samo iskren pogled u vlastite zapise pretraživanja. Izvezite najčešće upite koji vode do nula ili upadljivo malo rezultata i svaki od njih pridružite jednom od četiri opisana uzroka: tipfeler, nedostajući sinonim, neraščlanjena složenica ili prestroga logika upita. U praksi se problem uglavnom svodi na nekoliko obrazaca koji se stalno ponavljaju – tko ih jednom prepozna, ciljanim ispravcima može ukloniti nerazmjerno velik dio svih pretraga bez rezultata, i to mnogo prije nego što veća tehnička preinaka uopće postane potrebna.
Zaključak: kupac nije tražio pogrešan proizvod
Najvažniji uvid iz svih tih uzroka jednostavan je pomak perspektive: kad kupac ne pronađe proizvod koji postoji u asortimanu, rijetko je kupac napravio nešto pogrešno. On je samo govorio drukčijim jezikom od kataloga proizvoda. Trgovine koje tu razliku razumiju i u skladu s njome prilagode logiku pretraživanja pretvaraju jednu od najskupljih, a istodobno najmanje vidljivih slabih točaka cijelog procesa kupnje u jednu od onih koje se najbrže mogu ukloniti.
Izvori
- XICTRON – Analitika pretraživanja na stranici: kako iskoristiti ponašanje pri pretraživanju u trgovini, pozivajući se na Wizzy – https://www.xictron.com/de/blog/site-search-analytics-suchverhalten-online-shop ↩
- XICTRON – Relevantnost pretraživanja u trgovini: pogoci umjesto poplave rezultata, pozivajući se na Baymard Institute, Shopware AG i dokumentaciju OpenSearcha – https://www.xictron.com/de/blog/suchrelevanz-shop-opensearch-tuning-2026 ↩
- Nosto – Pretraživanje na e-commerce stranicama: dobre prakse i primjeri – https://www.nosto.com/de/blog/suche-auf-e-commerce-websites-bewaehrte-verfahren-und-beispiele/ ↩
- ap-verlag.de – B2B e-commerce – Funkcija pretraživanja kao "izlog tvrtke" – https://ap-verlag.de/b2b-e-commerce-die-suchfunktion-als-aushaengeschild/72217/ ↩
- Tudock – Osnove e-commercea, onsite pretraživanje #1: kako to funkcionira – https://www.tudock.de/archiv/grundwissen-ecommerce-onsite-search-1-funktionsweise/ ↩
- FACT-FINDER – Inteligentna pretraga: kako Vaša web-trgovina razumije svaku želju – https://www.fact-finder.de/blog/de/intelligente-suche/ ↩
- Doofinder – Statistika pretraživanja u trgovinama 2026.: brojke o pretraživanju u web-trgovinama, pozivajući se na Baymard Institute – https://www.doofinder.com/de/blog/e-commerce-statistik ↩