Kako visoka je lahko cena slabih spletnih iskalnikov in filtrov

Ta članek je nastal na podlagi intervjuja s Creatimovim UX oblikovalcem Sebastianom Žetkom in je bil prvotno objavljen v Financah.
B2B-kupci se v spletni trgovini od B2C-kupcev razlikujejo predvsem po načinu odločanja in nakupnem procesu. Medtem ko so B2C-nakupi pogosto impulzivni in včasih čustveni, B2B-kupci delujejo precej bolj premišljeno, z jasnim ciljem in večjo odgovornostjo, saj gre ponavadi za nakupe večjih zneskov. Potrebe B2B-kupcev so kompleksnejše – pričakujejo individualne cene, možnosti vnovičnega naročanja, odloženo plačilo ter integracijo z lastnimi sistemi. Zato so nakupne poti B2B daljše, vključujejo več odločevalcev in temeljijo na dolgoročnih odnosih, zaupanju in zanesljivosti ponudnika.
Na prvi pogled so pogosto najbolj opazne razlike te:
V B2B-okolju so posledice neuspešnih iskanj predvsem nižja dodana vrednost z vidika avtomatizacije prodaje, pravi Sebastian Žetko iz Creatima. »Poleg tega lahko pride do slabše izkušnje za mlajše uporabnike (milenijce in generacijo Z), saj ti pogosto pričakujejo visoke standarde digitalnih izkušenj. V obeh primerih pa to pomeni tudi priložnost za konkurenco, ki lahko hitro izkoristi vaše pomanjkljivosti za širjenje svojega tržnega položaja.«
Foto: Creatim d.o.o.
Glavni vidik dobre uporabniške izkušnje so uporabniki, zato je najbolje, da ima vsak oddelek v spletni trgovini svojega »produktnega vodjo«, ki skrbi, da se v okviru oblikovanja uporabniške izkušnje redno izvajajo testiranja oziroma intervjuji z uporabniki.
»Testiranja naj potekajo tako, da uporabnikom dodelimo specifične naloge, kot je iskanje določenih izdelkov. Med tem postopkom se seja opazuje ali snema, pri čemer smo pozorni na morebitne točke trenja, kjer lahko pride do težav v uporabniškem procesu,« svetuje Sebastian Žetko.
»Ko enkrat ugotovimo, kje in kaj je problematično, lahko te točke spremljamo tudi z uporabo orodja, kot je Hotjar, ki omogoča množično anonimno snemanje uporabniških sej. To orodje nam daje širok vpogled v kvalitativne podatke, vendar ne zagotavlja iste kakovosti kot testiranje z uporabniki v živo, saj pri teh lahko neposredno zaznamo kontekst, v katerem se težave pojavljajo,« doda Žetko.
Poleg kvalitativnega spremljanja je nujno, da spremljate tudi kvantitativne podatke, kot je stopnja konverzije izdelkov v posamezni kategoriji. To je pomembno za ugotavljanje, ali so spremembe prinesle učinke, kot je povečanje števila izdelkov, ki so dodani v košarice v opazovani kategoriji.
S pomočjo umetne inteligence (UI) lahko učinkovito analiziramo velike količine podatkov o izdelkih, da pridobimo glavne lastnosti teh izdelkov, torej glavne spremenljivke. Na primer, to so lahko podatki, kot so (če dam primer produkta, ki ga vsi poznamo) velikost televizije, tip zaslona, frekvenca osveževanja, brezžični priklop, poraba električne energije, možnost svetlobnega prilagajanja zaslona, možnost priklopa zvočnikov in podobno.
»Ko so te lastnosti identificirane, jih je treba ustrezno implementirati, bodisi v obliki metapodatkov o izdelkih bodisi kot filtre in merila v uporabniškem vmesniku oziroma pri obdelavi podatkovnih baz,« pravi sogovornik iz Creatima.
Čeprav lahko podjetja to storijo sama, je to le delček večjega mozaika. »Za uspešno reševanje uporabniških problemov so potrebne različne faze, od raziskovanja, ideacije, prototipiranja do testiranja. Podjetja lahko sama predvsem razumejo problem in zbirajo simptome, vendar pa za uspešno reševanje tega problema priporočamo sodelovanje z ustreznimi strokovnjaki, kot je oblikovalec uporabniške izkušnje.«
Seveda uporaba UI prinaša prihranek časa. Koliko? Sebastian Žetko predstavlja konkreten primer: »Ročno delo za pripravo filtrov za 500 izdelkov ponavadi traja od 20 do 30 ur. Z umetno inteligenco se čas skrajša na štiri do osem ur, kar pomeni prihranek od 15 do 25 ur. UI lahko skrajša potreben čas za več kot 80 odstotkov, v nekaterih primerih tudi do 90 odstotkov.«
Pri tem pa opozarja, da to ne pomeni nujno, da boste za kakovostne filtre plačali manj. Namesto tega bo pri istem vložku energije v pripravo filtrov rezultat precej boljši, saj umetna inteligenca nadomesti ročno analizo prodajne ponudbe. Razmerje med vloženim časom in kakovostjo izkušnje se tako zniža.
Iskanje z umetno inteligenco je zmogljivejše od iskanja s filtri, saj temelji na ujemanju ključnih besed. UI namreč uporablja semantično iskanje, zaradi česar je postopek bolj intuitiven in enostaven za uporabnike. UI lahko upošteva tudi posamezne preference, zgodovino nakupov in prejšnja iskanja ter tako omogoči bolj personalizirana priporočila.
Tako je Hilary Murdock iz podjetja Threekit določila pet glavnih razlik med iskanjem z UI in tradicionalnimi spletnimi filtri:
To ne vodi le do bolj ustreznih rezultatov, temveč tudi do večjih možnosti za dodatno prodajo. Vračajoči se kupci vidijo izdelke, ki dopolnjujejo njihove prejšnje nakupe, kar poveča zaupanje v blagovno znamko in možnost nakupa. Kot vidimo, je odkrivanje izdelkov z umetno inteligenco veliko več kot le bolj »pametno« iskanje – gre za premišljeno in bolj relevantno izkušnjo brskanja, ki koristi tako kupcu kot trgovcu.