Internetski trgovac ulaže u najmoderniju tehnologiju pretraživanja na tržištu – potpomognutu umjetnom inteligencijom, semantičku, blistavo brzu. Kupac ipak ne nalazi određenu bušilicu, iako je već dugo u asortimanu. Razlog rijetko leži u samoj tehnologiji pretraživanja. Uglavnom se nalazi jednu razinu niže: u zapisu o proizvodu koji ne sadrži ni podatak o snazi, ni područje primjene, ni drugi sinonim kojim je kupac tražio. Najbolje pretraživanje na svijetu ne može naći proizvod koji ne razumije – a razumije ga samo onoliko dobro koliko mu podaci u pozadini to dopuštaju.
Upravo se ta povezanost u mnogim projektima e-trgovine podcjenjuje. Poduzeća izdvajaju mnogo novca za algoritme pretraživanja, a razmjerno malo pozornosti posvećuju onome što bi te algoritme trebalo napuniti značenjem: čistim, potpunim i dosljednim podacima o proizvodima. A upravo je to poluga koja prosječno pretraživanje pretvara u stvarni pokretač prihoda.
Zašto je pretraživanje dobro samo onoliko koliko su dobri podaci u pozadini
Funkcije pretraživanja, filtri i preporuke proizvoda tehnički gledano nisu ništa drugo nego analize atributa proizvoda. Ako ti atributi nedostaju ili su nepotpuno uneseni, sustav trgovine ih jednostavno ne može analizirati – s posljedicom da pretraživanje, filtri i preporuke u konačnici ne funkcioniraju optimalno.1 Proizvod bez unesenog podatka o materijalu ne pojavljuje se pri filtriranju po materijalu. Artikl bez dosljednih mjernih jedinica ne može se pouzdano usporediti unutar skupine proizvoda. A zapis koji se kao duplikat nalazi dvaput u sustavu dovodi u zabludu i kupce i vlastito upravljanje proizvodima, primjerice u pogledu dostupnosti.1
Ti problemi na prvi pogled djeluju sitno i tehnički. U ukupnom zbroju, međutim, oni odlučuju o tome hoće li kupac traženi proizvod uopće vidjeti – i to davno prije nego što cijena, dizajn ili troškovi dostave uopće postanu važni.
Koliko loši podaci o proizvodima stvarno koštaju
Koliko to u praksi postaje skupo, pokazuje studija ECC Köln u suradnji s Atrifyjem: posebno kod brzoobrtajnih potrošnih dobara (FMCG) 68 posto kupaca koji su u posljednjih dvanaest mjeseci prekinuli online narudžbu kao razlog navodi nedostatne ili pogrešne informacije o proizvodu.2 Oko 77 posto ispitanika uz to se slaže s tvrdnjom da radije naručuju u trgovini koja pruža opsežne informacije o proizvodu.2 Još jedno istraživanje inicijative Initiative Digitale Handelskommunikation dolazi do podjednako jasne slike: ako se željena informacija o proizvodu ne može nigdje pronaći, gotovo polovica ispitanika, 49 posto, radije kupi nešto drugo ili uopće ništa.3
Ti brojevi pokazuju: loši podaci o proizvodima ne koštaju samo pojedinačne klikove u pretraživanju. Na kraju koštaju cijele odluke o kupnji – i to upravo kod onih kupaca koji su već bili spremni kupiti. Posebno je neugodno to što ti kupci u pravilu ne daju povratnu informaciju i ne žale se. Zatvore karticu, prijeđu na sljedeći rezultat pretraživanja i kupe tamo gdje su informacije potpunije – a izvorna trgovina nikada ne dozna zašto je prihod izostao.
Dimenzije dobrih podataka o proizvodima
Da bi podaci o proizvodima zaista mogli pouzdano napajati pretraživanje, moraju istodobno ispunjavati nekoliko kriterija. Potpunost znači da su za svaki proizvod svi atributi predviđeni podatkovnim modelom smisleno ispunjeni, a ne samo naslov i cijena. Dosljednost znači da se mjerne jedinice, nazivi i kategorizacije koriste jednoobrazno kroz cijeli asortiman, kako bi kupci unutar skupine proizvoda uopće mogli ciljano filtrirati i uspoređivati. Jednoznačnost znači da u sustavu ne kruže dvostruki ili protuslovni zapisi o istom proizvodu.1 Ako jedna od tih triju dimenzija nedostaje, to se izravno odražava na pronalažljivost i korisničko iskustvo – neovisno o tome koliko je primijenjena tehnologija pretraživanja u pozadini stvarno napredna.
To je posebno očito kod tehničkih asortimana, primjerice u B2B trgovini zamjenskim dijelovima, komponentama strojeva ili građevinskim materijalima. Tu je često dovoljan jedan jedini atribut koji nedostaje, poput klase čvrstoće vijka ili podatka o naponu nekog elementa, da bi sama po sebi odgovarajuća pretraga završila u praznom. Što je asortiman granularniji i tehnički zahtjevniji, tim je veća poluga koju uređivanje podataka ima na kvalitetu rezultata – i tim je skuplja svaka praznina koja ostane neotkrivena.
Poslovni slučaj: što se isplati
Tema postaje konačno zanimljiva kad se pogleda što strukturirano uređivanje podataka o proizvodima zaista donosi. Prema podacima Forrester Researcha, poduzeća koja dosljedno koriste sustav za upravljanje informacijama o proizvodima (PIM) ostvaruju do 50 posto uštede vremena u obradi podataka i do 20 posto veće prihode.4 Konkretan primjer izračuna iz prakse to potvrđuje: kod jednog srednje velikog proizvođača robne marke trud uređivanja po proizvodu pao je zahvaljujući strukturiranom upravljanju podacima sa 17,5 na 4,5 sata, što je ušteda vremena od 73 posto i preračunato oko 845 eura uštede po proizvodu godišnje. U proračunatom scenariju s 10 milijuna eura godišnjeg prihoda to je dovelo do rasta dobiti od 47 posto.5
Da u cijeloj branši ovdje još leži znatan potencijal, pokazuje aktualno istraživanje DIHK-a među 5.000 njemačkih poduzeća: 76 posto ispitanih malih i srednjih poduzeća trenutačno se bori s nedostatnom kvalitetom podataka i podatkovnim silosima – po vlastitoj procjeni najneugodniji, a istodobno najčešće ignorirani broj cijele ankete.6 Tko zatvori tu prazninu, ne radi na nekoj nišnoj temi, nego na problemu koji ni velika većina njegovih konkurenata još nije riješila.
Kako Eywora kvalitetu podataka o proizvodima čini vidljivom i upravljivom
Upravo na tom mjestu dolazi u igru modul Health Score od Eywore. Umjesto da kvalitetu podataka o proizvodima tretira kao zaseban IT projekt koji se često godinama odgađa, Eywora kontinuirano ocjenjuje svaki pojedini artikl u katalogu prema više dimenzija kvalitete i pokazuje gdje točno praznine u podacima konkretno ograničavaju pronalažljivost proizvoda. Umjesto apstraktnog popisa pogrešaka, tim dobiva preporuku prioritiziranu po učinku: koji ispravak ima najveći utjecaj na vidljivost i prihod te u kojem se redoslijedu obrada najviše isplati?
Ispravci se mogu unijeti neposredno u platformi i automatski se vraćaju u trgovinu, bez ponovnog uvoza feeda i bez razvojnih resursa. Budući da Search, Health Score i Analytics rade na istoj podatkovnoj osnovi, učinak poboljšanog opisa proizvoda vidi se ne samo u samom Health Scoreu, nego neposredno i u učinkovitosti pretraživanja te u prihodovnom doprinosu pogođenih pretraga. Tako često zanemarena zadaća uređivanja podataka postaje mjerljiva i upravljiva poluga za konverziju.
Tko želi vidjeti koliko vlastitih proizvoda trenutačno trpi zbog manjkavih praznina u podacima, 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: gdje započeti
Ako ne znate gdje se u vlastitom katalogu nalaze najveće praznine u podacima, ne počinjite s proizvodima s najvećim prihodom, nego s onima koji se najčešće traže, a rijetko nalaze. Pogled u vlastite zapisnike pretraživanja obično brzo pokaže koje pretrage redovito dovode do nula rezultata ili do očito neprikladnih rezultata. U velikoj većini slučajeva uzrok nije u tehnologiji pretraživanja, nego u atributima koji nedostaju, neujednačenim nazivima ili zastarjelim opisima upravo tih artikala. Tko počne tu, najbrže će vidjeti učinak boljeg uređivanja podataka – i time i interno najuvjerljivije dokazati poslovni slučaj.
Zaključak: uređivanje podataka nije higijenski faktor, nego strategija prihoda
Predstava da je uređivanje podataka o proizvodima nužno zlo u backendu koje se „jednom mora obaviti" ne izdržava provjeru u stvarnosti. Ono je temelj na kojem svaka tehnologija pretraživanja uopće može djelovati i izravno je mjerljivo povezano s izgubljenim ili ostvarenim prihodom. Poduzeća koja dosljedno uređuju podatke o proizvodima ne poboljšavaju samo svoje pretraživanje, nego cijelo korisničko putovanje, od prve pretrage do zaključene kupnje. Tko 2026. još vjeruje da će sama bolja tehnologija pretraživanja riješiti problem pronalažljivosti, ne vidi pravi uzrok: nije da pretraživanje razumije previše malo, nego da mu podaci govore previše malo.
Izvori
- marconomy – Podaci o proizvodima – Ahilova peta e-trgovine ↩
- onetoone.de – Uređeni podaci o proizvodima štite od prekida kupnje, prema studiji ECC Köln i Atrify ↩
- Händlerbund – Nedostatak informacija o proizvodima kod polovice kupaca dovodi do prekida kupnje, prema istraživanju inicijative Initiative Digitale Handelskommunikation (IDH) ↩
- Smart Commerce – PIM i MDM, prema Forrester Research ↩
- onacy – PIM i PXM: što brojke doista govore, prema Forrester/Akeneo te vlastitom iskustvu iz projekata ↩
- smartworker – DIHK-ovo istraživanje o digitalizaciji 2026.: 5.000 poduzeća o zrelosti umjetne inteligencije u srednjem poduzetništvu ↩