Onsite-Suche optimieren

1. Was ist mit dem Begriff "Onsite-Suche" gemeint, was umfasst er?

Die Onsite-Suche ist eine der zentralen Funktionalitäten eines jeden Online-Shops, sie wird oft auch als "interne Suche" bezeichnet. Es wird hierbei von einer Produktsuche im Shop und gefundenen Produkten beziehungsweise Artikeln gesprochen. Eine gut umgesetzte Suchfunktion erfüllt die Suchbedürfnisse der Nutzer, minimiert die Absprungrate und steigert allen voran die Conversion-Rate. Eine Analyse der Onsite-Suche liefert gleichzeitig wertvolle Informationen zum Verhalten der Besucher.

2. Wie genau funktioniert eine Onsite-Suche?

Bei einer Produktsuche wird die Suchanfrage des Kunden - auch Query bezeichnet - mit dem Index der Onsite-Suche abgeglichen. Die Suchfunktion spielt daraufhin eine Liste der gefundenen Treffer an den Online-Shop zurück. Das Ranking, also in welcher Reihenfolge die Artikel angezeigt werden, wird dabei ebenfalls von der Onsite-Suche erstellt. 

Der Suchindex wird aus den vorliegenden Produktdaten gebildet und hat den Zweck, die Suchgeschwindigkeit zu erhöhen. Denn dank des Index muss die Onsite-Suche nicht sämtliche zugrunde liegenden Daten durchsuchen - stattdessen enthält er Verweise auf relevante Artikel.    

Die Query ist das, was der Kunde in das Suchfeld eingibt und was vom Suchserver verarbeitet und beantwortet wird. Aber auch einzelne Klicks - zum Beispiel auf Filter oder Kategorien - generieren Anfragen an den Suchserver.    

Ob einzelne Begriffe, ganze Wortketten oder sogar Fragen: Kunden können natürlich alles mögliche in das Suchfeld eingeben - und machen dabei oft Rechtschreibfehler und Vertipper. Die Onsite-Suche sollte dabei natürlich mit allem umgehen können. Um das zu schaffen, gibt es verschiedene Technologien und Konzepte, die unterschiedlich gut für den eCommerce geeignet sind. 

Das Levenshtein-Verfahren etwa bestimmt die Ähnlichkeit von Begriffen anhand der Anzahl nötiger Zeichenänderungen, um von einem Begriff zum anderen zu gelangen. Dieses Verfahren ist gut geeignet für Unternehmen wie z.B. Wikipedia. Dort ist die Suche dediziert darauf ausgerichtet, Sucheingaben mit Überschriften und Fließtexten abzugleichen, und kann Unschärfen wie Rechtschreibfehler und Vertipper innerhalb eines Wortes ausgleichen. 

Für Online-Shops reicht dies aber nicht, da dieses Verfahren nicht in der Lage ist, komplexe Eingaben wie „Drehstuhl fürs Büro“ (statt „Bürodrehstuhl“) richtig zu bewerten. Bei Long-Tail-Eingaben wie „Rote Schuhe für Herren von Nike 42“ liefert die Levenshtein-Distanz daher nicht die relevantesten Ergebnisse oder sogar null Treffer. Händler verlieren dadurch wertvolle Umsätze, da sehr konkrete Eingaben meist von kaufentschlossenen Besuchern eingegeben werden und oftmals Nischenprodukte mit hoher Marge gesucht werden. 

Die Technologie Worldmatch® hingegen kann Wortbestandteile in allen möglichen Kombinationen richtig zuordnen und fehlertolerant sowie sprachenunabhängig abgleichen. Dabei wird die Ähnlichkeit von Begriffen und Phrasen vor allem phonetisch - entsprechend ihrem Wortklang - verglichen, also so wie es ein Mensch tun würde.

3. Welche Zielvorgaben sind für die Onsite-Suche realistisch?

Kaufinteressierte Besucher eines Online-Shops bevorzugen Websites im Internet, auf denen sie schnell und einfach das finden, wonach sie suchen. Um das Sucherlebnis für die Kunden zu verbessern und eine messbare Steigerung der Conversion-Rate zu generieren, gilt es, entscheidende Verbesserungen Ihrer Onsite-Suche vorzunehmen. Mit einer erfolgreichen Suchfunktion können Sie folgende Ziele erreichen: 

Suggest-Funktion für schnelle Orientierung 

Durch Anzeige passender Vorschläge werden Shop-Besucher direkt dorthin geführt, wo sie kaufen. Auch Verweise auf Content wie Blogartikel, Videos oder Ladenöffnungszeiten lassen sich ausspielen. 

Steigerung der Mobile-Conversion 

Je kleiner das Display, desto wichtiger die Relevanz der Suchergebnisse. Shop-Besuchern soll genau die Usability geboten werden, die sie von modernem Mobile Commerce erwarten. 

Semantische Ergebnisoptimierung 

Der Semantic-Enhancer erkennt, was Ihre Shop-Besucher wirklich wollen – wer einen Monitor sucht, will einen Monitor kaufen, und keine Produkte mit Monitor. 

Mehr Offline-Umsatz durch standortabhängige Ergebnisse 

Viele Offline-Käufer informieren sich vorerst online, bevor sie in der Filiale Geld ausgeben. Durch Geolokalisation zeigen Sie Besuchern Ihres Online-Shops automatisch an, wo sich der nächstliegende Markt befindet. Zudem sollten Sie anzeigen, welche Artikel im entsprechenden Markt zu welchen Preisen vorrätig sind. 

Nutzung des versteckten Umsatzpotenzials im Long Tail 

Komplexe Eingaben verstehen und den Absatz von markenstarken Nischenprodukten steigern – denn bei der Onsite-Suche wird eher mit Begriffskombinationen und damit sehr spezifisch gesucht. So ist der durch Long Tail-Suchanfragen erzeugte Traffic in der Regel im Verhältnis höher als der durch einzelne Suchbegriffe generierte. Zugleich steigt die Conversion, je spezifischer die Suchanfrage gestellt wurde. 

Es ist einfacher, bei Begriffen oben im Ranking zu landen, die von kaum jemandem als Keyword genutzt werden. Außerdem kann im Long Tail ein regionaler Bezug hergestellt werden. Ein User, der ein Geschäft in seiner Stadt sucht, gibt des Ortsnamen bei der Suche mit an und fällt somit in den Long Tail. 

Wer auf den Long Tail optimiert, sollte den entsprechenden Text sehr ausführlich gestalten und darauf achten, dass viele unterschiedliche Kombinationen der Suchbegriffe sowie thematisch relevante Begriffe und Synonyme vorkommen. Durch längere Texte entstehen auch mehr Kombinationen. Allerdings besteht der Nachteil, dass es theoretisch unendlich viele Kombinationsmöglichkeiten gibt. Somit sollte primär nicht die Optimierung auf einzelne oder spezifische Long Tails im Vordergrund stehen, sondern vielmehr, dass der Content das Thema der Webseite möglichst breit abdeckt und dadurch auch viele Long Tail-Suchanfragen abdeckt. 

International skalieren 

Durch eine sprachunabhängigen Kerntechnologie lassen sich beliebig viele Ländershops aufsetzen. Suche, Suggest und alle weiteren Schlüsselfunktionen des Webshops bleiben in jeder Sprache erhalten. Der Worldmatch®-Kern von FACT-Finder kann sogar die optischen Ähnlichkeiten chinesischer Zeichen berücksichtigen und alle Dialekte gleichzeitig verarbeiten. Worldmatch® versetzt Sie in die Lage, Schriftzeichen aus unterschiedlichen Sprachen gleichzeitig miteinander zu vergleichen – und zwar fehlertolerant. So können Sie bei einem Dubletten-Abgleich beispielsweise lateinische mit arabischen oder japanischen Schriftzeichen vergleichen. 

Fehlertolerante Onsite-Suche 

Eine gute Onsite-Suche ist ebenfalls in der Lage, auch bei Rechtschreibfehlern und Vertippern relevante Produktvorschläge anzubieten. 

4. Wie sollte das Sucherlebnis aus Kundensicht gestaltet werden?

User entscheiden sich in den ersten Sekunden, ob der Online-Shop das gewünschte Produkt auch führt. Dazu nutzt der potenzielle Kunde in den meisten Fällen das Suchfeld auf der Hauptseite. 

Neben der Auffindbarkeit des Suchfeldes ist auch eine gute Lesbarkeit der Schrift, insbesondere der Schriftgröße, eine Grundvoraussetzung. Es ist notwendig, Ihren Shop-Besuchern bereits nach der Eingabe der ersten Buchstaben im Suchfeld sinnvolle Produktvorschläge oder Kategorien zu empfehlen. Achten Sie darauf, dass wichtige Informationen wie Preis, Kurzbeschreibung, Titel oder Größe sofort ersichtlich sind. Eine gute Suchfunktion zeichnet sich auch durch den Funktionsumfang der Suche aus: Suchvorschläge, Rechtschreibkorrektur/Fehlertoleranz und passende Filter sind für die Unterstützung des Nutzers höchst relevant. 

Mobile Endgeräte werden häufig für Kaufvorbereitung, Recherche und Informationsfindung genutzt. Smartphone-User shoppen häufig unterwegs und wenn die Usability nicht ihren Erwartungen entspricht, reißt der Geduldsfaden noch schneller als am Desktop, was zum Absprung führt. Daher muss eine schnelle Auffindbarkeit von Produkten und Informationen gewährleistet sein.  Je kleiner das Display, desto wichtiger die Relevanz der Suchergebnisse. Der Smartphone-Traffic ist im Durchschnitt höher als der Desktop-Traffic – aber die Smartphone-Conversion-Rate viermal niedriger. Deshalb ist es wichtig, den Shop-Besuchern eine gute Usability zu bieten, um den Weg zum Warenkorb attraktiver zu gestalten.

4.1 Was ist bei der Platzierung der Suchfunktion zu beachten?

Lassen Sie Ihre Shop-Besucher nicht nach dem Suchfeld suchen

Für maximale Wirkung hat sich eine Platzierung der internen Suchfunktion oben in der Mitte oder alternativ auch oben rechts auf der Seite – farblich klar abgegrenzt – als das Optimum bei erfolgreichen eCommerce-Websites herauskristallisiert. Des Weiteren ist zu empfehlen, dass das Suchfeld dem Scrollen Ihrer Besucher folgt. 

Bieten Sie eine komfortable Eingabemöglichkeit

Der Cursor sollte sich standardmäßig bereits im Suchfeld befinden und genügend Platz für mindestens 27 Zeichen bereitstellen. 

Gestalten Sie den Suchbutton eindeutig

Platzieren Sie den Suchbutton rechts neben dem Suchfeld. Am häufigsten findet sich eine Lupe als Icon für den Suchbutton, oder alternativ Schriftzüge wie „Search“ oder „Suchen“. 

Das Suchfeld beziehungsweise das gängige Lupensymbol sollte auf der Starseite gut sichtbar und sofort benutzbar sein. Verstecken Sie die Suchfunktion also keinesfalls im eingeklappten Menü. 

Die mobile Onsite-Suche sollte auch touchfreundlich sein und User sollten sowohl den Suchbutton als auch Vorschläge im Vorschlagfenster problemlos mit dem Finger antippen können. 

Auf der Nulltrefferseite sollten Sie zusätzlich zur Suche im Header das vollständige Suchfeld erneut im Hauptinhaltsbereich präsentieren, und zwar in direkter Nähe zur Nulltreffer-Botschaft. Schließlich wollen Sie Ihren Shop-Besucher trotz seiner erfolglosen Suche zu einem weiteren Versuch, mindestens zum Verbleib im Shop animieren.

4.2 Wie sollten Ergebnisse und Filter dargestellt werden?

Trefferordnung

Durch eine Trefferordnung können die Treffer nach Relevanz geordnet sein, aber auch Bestseller und die Verfügbarkeit von Produkten sollte berücksichtigt werden. 

Präzision durch Filter

Ist die Auswahl an Treffern zu groß, verwirrt das den User eher als dass es ihm hilft. Ermöglichen Sie Ihrem Shop-Besucher deshalb, die Ergebnisse seiner Suche einzugrenzen und etwa nach Marke/Hersteller/Preis/Farbe zu filtern. 

Relevante Filter

Bieten Sie Filter an, die für die meisten User entscheidend sind. Zu viele Filter können die Suche auch schnell unübersichtlich machen. Je mehr Produkte Sie in einer Kategorie anbieten, desto detaillierter sollte die Filtermöglichkeit sein. 

Die Relevanz bestimmter Auswahlkriterien wie Monitorgröße oder Farbe ist von Produkt zu Produkt unterschiedlich – je nach Artikel, Verfügbarkeit und Warengruppe spielt eine professionelle Suchfunktion zu jeder Suchanfrage die passenden Filter aus. 

Platzierung der Filter

Platzieren Sie die relevantesten Filter für mehr Übersichtlichkeit nach oben. Suchfunktionen können sich dynamisch an das Besucherverhalten anpassen und rücken häufig ausgewählte Filter nach oben. Dadurch lassen sich Suchergebnisse noch einfacher verfeinern. Die Platzierung oben ist auffälliger, sodass auch ungeübte Filternutzer sie nicht übersehen. 

Vermeiden Sie doppeltes Scrollen – wenn die gesamte Seite gescrollt werden kann, sollten die Filter also keine eigene unabhängige Scroll-Möglichkeit haben. In einem Akkordeon-Menü kann dies verhindert werden, indem Sie alle Optionen eines Filters anzeigen, wenn dieser ausgeklappt wird.

Produktempfehlungen

Zusätzlich zu den relevanten Treffern der Suchanfrage können Sie auf der Suchergebnisseite auch Empfehlungen für andere, ähnliche Produkte aussprechen oder „Beliebte Artikel“ anzeigen.

Hilfestellung

War die Suche erfolgslos, sollten Sie dem User helfen. Etwa, indem Sie ihm Tipps für besser passende Suchbegriffe anbieten.

Wie sollten Sie die Filterfunktion darstellen?

Je nach Art des Filters haben sich Schieberegler und Checkboxen bewährt.

Live-Aktualisierungen

Wird ein neuer Filter ausgewählt, sollte sich die Produktübersicht also bereits aktualisieren – allerdings ohne, dass die gesamte Seite neu geladen wird. So wird vermieden, dass die Orientierung des Users auf der Seite durch ein „Hochspringen“ verloren geht. 

Bei Smartphones ist die Ladezeit für eine Website häufig länger als auf dem heimischen PC. Deshalb eignet sich die Live-Aktualisierung weniger für Mobilgeräte. Verwenden Sie lieber eine Mehrfachauswahl für mobile Geräte mit einem entsprechenden Button, der immer sichtbar bleibt, während Ihr Kunde seine Filter wählt. Auf diese Weise ärgert sich Ihr Kunde nicht über die ständige Aktualisierung und den damit verbundenen Neuaufbau der Seite, die Zeit in Anspruch nimmt. 

Mehrfachauswahl

Bei Desktop-Anwendungen findet man erstaunlich selten die Möglichkeit einer Mehrfachauswahl mit anschließendem „Filter anwenden“-Button. Dabei kann der User zunächst verschiedene Filterfunktionen anklicken, ohne dass die Übersicht sofort aktualisiert wird. Um diesen Vorgang auszulösen, muss erst ein „Filter anwenden“-Button angeklickt werden.

Anzahl der Produkte anzeigen

Wenn der User beispielsweise auf den Filter für Marke klickt, erkennt er bereits, wie viele Produkte er sehen wird. 

Kein Ergebnis

Können keine Ergebnisse angezeigt werden, sollten Sie Ihren Shop-Besuchern einen guten Ausweg anbieten (z.B. wenn Sie [diesen Filter] aufheben, bekommen Sie wieder Ergebnisse).

4.3 Was ist bei der Ladegeschwindigkeit zu beachten?

Kurze Ladezeiten sind für viele Nutzer ein wichtiges Qualitätsmerkmal von Online-Shops. Langsame Shops haben eine höhere Absprungrate – lädt ein Shop länger als eine Sekunde, steigt die Wahrscheinlichkeit, dass User abspringen. Bei drei Sekunden steigt die Bounce Rate etwa um ein Drittel. 

Auch Google bevorzugt schnell ladende Webseiten – seit 2010 ist die Ladegeschwindigkeit Teil des Google-Algorithmus zur Festlegung des Rankings. 

Die Ladegeschwindigkeit beeinflusst nicht nur die Zahl der Seitenbesuche, sondern auch die Einnahmen. Musste ein User beim ersten Mal zu lange warten, wird er die Seite schnell – und ohne Conversion – verlassen und wahrscheinlich auch nicht wiederkommen. Aus diesem Problem ergibt sich wiederum, dass die Conversion-Rate über mobile Geräte deutlich geringer ist, als über den Desktop zuhause, obwohl die Zahl der Internetnutzungen über das Smartphone bereits höher ist, als die vom Desktop. 

Gerade mobile Websites sind oftmals mit zu vielen Funktionen vollgestopft, die bei der Nutzung unterwegs keinen Mehrwert bieten. So sollten die mobilen Versionen deutlich entschlacken, um besser performen zu können.  

5. Welche Kriterien erfüllt eine professionelle Onsite-Suche?

Niemals nach der Onsite-Suche suchen müssen

Das Eingabefeld der Onsite-Suche sollte so prominent auf Ihrer Website platziert sein, dass sie auf den ersten Blick zu finden ist. Achten Sie also beim Design darauf, dass Sie die Usability stets im Fokus behalten.

Konkrete Vorschläge mit Hilfe der Typeahead-Funktion

Typeahead ist eine Ergänzung der Suchfunktion, die zum einen die Benutzerfreundlichkeit der Onsite-Suche steigert, da im Idealfall bereits nach Eingabe der ersten Buchstaben die für den Kunden richtige Suchphrase angezeigt wird und ausgewählt werden kann. Des Weiteren können optimal umgesetzte Onsite-Suchen den Redakteuren ermöglichen, die Besucher direkt und unauffällig auf die für das Unternehmen ideale Zielseite zu führen.

Redaktionelle Steuerung mit Hilfe einer Blacklist

Statt den Nutzer der Suche gezielt auf eine Seite zu führen, können Sie ihn auch bewusst von einigen Inhalten Ihrer Website fernhalten. Wenn Sie für Ihre Onsite-Suche eine Blacklist hinterlegen, können Sie darauf Begriffe und Phrasen benennen, die sowohl beim Typeahead als auch in den Suchergebnissen nicht beachtet bzw. angezeigt werden.

Rechtschreibkorrektur und phonetische Suche gegen Tippfehler

Onsite-Suchen sollten in der Lage sein, Fehler zu erkennen und zu korrigieren bzw. die korrekte Phrase anzuzeigen. Nichts ist ärgerlicher für den User, als wegen eines Tippfehlers die Meldung „Keine Treffer“ angezeigt zu bekommen. Sinnvoll ist in diesem Zusammenhang auch eine phonetische Suche, die ebenfalls gegen Tippfehler hilft, da sie die gleich klingende Worte erkennt.

Gezielte Eingrenzung der Ergebnisse

Neben der Suche nach Begriffen sollte auch die Wahl bestimmter Eigenschaften des gesuchten Produkts zum Ziel führen. Dabei bekommt jedes Suchergebnis gewisse Eigenschaften zugewiesen, die in Facettierungen zusammengefasst werden.

Von den Nutzern lernen

Um die Onsite-Suche kontinuierlich zu optimieren, ist es unumgänglich, das Suchverhalten der Nutzer systematisch zu analysieren und konkrete Schlüsse daraus zu ziehen.

5.1 Wie ist ein "suchfreundlicher" Datenfeed aufgebaut?

Datenmängel sind häufig und sie erschweren die Auffindbarkeit Ihrer Produkte, was zu Umsatzeinbußen führt. Wie sollten Ihre Datensätze nun beschaffen sein, damit Ihre Shop-Funktionen optimal arbeiten und Ihre Sichtbarkeit auf externen Plattformen möglichst hoch ist? Ein eCommerce-optimierter Datenfeed hat vier Dimensionen:

  1. Attributisiert

    Ob Suche, Filternavigation oder Recommendation Engine: Jede Shop-Funktion arbeitet nur so gut wie die Daten, aus denen sie ihre Informationen bezieht. Je vollständiger die Attributsfelder Ihrer Produktdaten, desto einfacher finden Kunden bei Ihnen das Richtige.

  2. Normalisiert

    Erst wenn Attribute in einheitlichen Bezeichnungen, Formaten und Maßeinheiten vorliegen, lassen sie sich zum Filtern von Suchergebnissen und zur Personalisierung nutzen.

  3. Getagged

    Die reinen Produktinformationen sind für viele Shopartikel nicht ausreichend, um sie zuverlässig zu finden. Mit zusätzlichen Schlagworten – sogenannten Tags – machen Sie Ihre Produkte auch unter alternativen und umgangssprachlichen Begriffen auffindbar.

  4. Kategorisiert

    Das Clustering von Produkten muss logisch nachvollziehbar, konsistent und kundengerecht sein.

Damit Suchfunktionen optimale Ergebnisse in Ihrem Shop ausspielen können, müssen sie zuerst mit Ihren Produkt-Informationen eingerichtet werden. Dazu benötigen sie die Produktdaten in einer geordneten Struktur.

Allgemeine Punkte, die bei der Erstellung einer Datenfeed Datei beachtet werden müssen:

  • Die Exportdatei im CSV-Format anlegen und die Felder durch Trennzeichen trennen
  • Stellen Sie unbedingt sicher, dass in den Artikeldaten selbst keine der verwendeten Trennzeichen vorkommen. Ansonsten wird beim Import die Feldstruktur falsch interpretiert, die Feldinhalte kommen durcheinander und der entsprechende Datensatz kann nicht importiert werden
  • Lege Sie die Datei immer mit UTF-8-Kodierung an
  • So viele Daten wie nötig, so wenige wie möglich
  • Soll die Suchfunktion in mehreren Shops bzw. Sprachen eingesetzt werden, sollte für jeden der Channel (Shop/Sprache) eine separate Datei angelegt werden
  • Legen Sie jedes Produkt (Datensatz) in einer neuen Zeile an. Die Artikeldaten dürfen keine Zeilenumbrüche enthalten.
  • Jede Zeile muss dieselbe Anzahl Felder enthalten, unabhängig davon, ob ein Feld befüllt ist oder nicht.

5.2 Wie lässt sich hohe Produktdatenqualität erreichen?

Je genauer ein Produkt zu einer Suchanfrage gematcht werden kann, desto relevanter die generierte Produktempfehlung. Daten müssen nicht nur korrekt, eindeutig, konsistent, vollständig, verständlich und aktuell sein – wer die Qualität seines Datenfeeds weiterverbessern möchte, sollte sich Struktur und Inhalt widmen.

Dublettenführung, postalische Bereinigung, Anreicherung von Zusatzinformationen – so gut wie jeder Prozess-Schritt im Rahmen eines Bereinigungsprojekts basiert auf dem Vergleich von Daten. Die Matching-Technologie entscheidet daher maßgeblich darüber, ob eine Datenqualitäts-Initiative Erfolg hatte oder nicht. Mithilfe spezieller Algorithmen ist es möglich, die Ähnlichkeiten nach menschlichem Ermessen nachbilden und Ihre Daten fehlertolerant und sprachenübergreifend abgleichen: Dubletten werden zuverlässig gefunden, Zusatzdaten korrekt angereichert. Optimale Voraussetzungen, um nachhaltig hohe Datenqualität sicherzustellen.

Thesaurus und Präprozessor ermöglichen es, Synonyme, Antonyme und Wörter, die vor dem Suchvorgang durch andere ersetzt werden, zu definieren.

Optimieren mit dem Thesaurus

Antonyme werde eingesetzt, um Treffer, die keine Relevanz für den gesuchten Begriff haben, aus dem Suchergebnis zu entfernen.

Synonyme werden eingesetzt, um Begriffe mit gleicher oder ähnlicher Bedeutung dem Suchergebnis hinzuzufügen.

Optimieren mit dem Präprozessor

Der Präprozessor lenkt den eingegebenen Suchbegriff auf einen festgelegten anderen. Damit können Suchbegriffe an die Produktdaten angepasst werden. Beispielsweise erzeugt die Suche nach „Daunenjacke“ schlechte Ergebnisse, weil die Produkte in der Datenbank als „Jacke in Daunenoptik“ bezeichnet werden. Eine professionelle Suchfunktion findet also alle möglichen Jacken, darunter auch Daunenjacken.

5.3 Mit welchen KPI's lässt sich die Qualität der Onsite-Suche messen?

Search CTR (Click Through Rate)

Es gibt mehrere Möglichkeiten, wie Shop-Besucher auf eine Produktdetailseite kommen, denn der Nutzer kann sowohl eine Standardsuche durchführen als auch die Suggest Funktion nutzen. Die Search CTR zeigt die Relation zwischen der Häufigkeit der angezeigten Möglichkeit auf der Website zu suchen (Visits) und der Anzahl der Visits mit Clicks auf die Such-Funktion. 


Search CTR =  (Anzahl der Visits mit Search-Aktivität × 100) ÷ Anzahl aller Visits

Suggest Rate

Die Suggest-Funktion schlägt dem Besucher über eine Autovervollständigung der Suchanfrage naheliegende Produkte vor. Im Vergleich zur Standardsuche werden über die Suggest-Funktion nur Suchvorschläge angezeigt, für die Suchtreffer vorliegen. Somit hat jeder Suggest-User eine verkürzte Customer-Journey und einen entsprechend kürzeren Weg in Richtung Check-Out. 


Standard Search Rate = (Anzahl der Visits mit Suggest-Aktivität × 100) ÷ Anzahl aller Visits

Standard Search Rate

Der Großteil der Shop-Besucher verwendet im Vergleich zum Suggest meist die gewohnte Standardsuche.


Standard Search Rate = (Anzahl der Visits mit Standard Search Rate-Aktivität × 100) ÷ Anzahl aller Visits

Zero Result Rate

Nutzt ein Besucher die Standardsuchfunktion des Online-Shops, kann es passieren, dass das gesuchte Produkt nicht im Sortiment oder zumindest nicht vorrätig ist – der Kunde landet auf einer Zero-Result-Seite. Insbesondere bei mehrmaligem Vorkommen entsteht beim Besucher Unzufriedenheit – er droht den Shop zu verlassen. 


Zero Result Rate = (Anzahl der Zero Search Results × 100) ÷ Anzahl der Search-Aktivitäten

Search Exit Rate

Findet der Besucher tatsächlich nicht das gesuchte Produkt, verlässt er oftmals nicht nur die Suche, sondern direkt den gesamten Shop. 


Search Exit Rate = (Anzahl der Search Exits × 100) ÷ Anzahl der Search-Aktivitäten

Search Filter Rate

Wenn Suchfilter genutzt werden, hat der Besucher wohl ein bestimmtes Ziel und hofft, das richtige Produkt schnell zu finden.


Search Filter Rate = (Anzahl der Search-Aktivitäten mit Filter × 100) ÷ Anzahl der Search-Aktivitäten

Searches per User

Durch dieses KPI wird ersichtlich, wie oft Ihre Besucher durchschnittlich suchen müssen, wenn sie sich zu einer Suche entschlossen haben, was ein guter Indikator für die Suchqualität ist.


Searches per User = (Anzahl der Searches × 100) ÷ Anzahl der Visits mit Search-Aktivität 

Search Conversion Rate

Hier zeigt sich, wie wirksam die einzelnen Veränderungen bei der Suchoptimierung letztendlich waren.


Search Conversion Rate = (Anzahl der Conversions mit Search-Aktivität × 100) ÷ Anzahl der Visits mit Search-Aktivität 

Search Turnover Rate

Am Ende sollten alle Verbesserungen dazu führen, dass Ihre Shop-Besucher durch die Suchoptimierung mehr Umsatz generieren und die Search Turnover Rate zeigt Ihnen, wie hoch der Anteil Ihrer Onsite-Suche am Gesamtumsatz ist.


Search Turnover Rate = (Umsatz mit Search-Aktivität × 100) ÷ Gesamtumsatz

5.4 Wie lässt sich der ROI Ihres Online-Shops schnell erreichen?

Bei der Berechnung des ROI ist es entscheidend, wie hoch die Conversion-Rates auf den einzelnen Stufen des Sales Funnel sind. Durch eine Conversion- Optimierung erkennen Sie, wo die Stärken und Schwächen Ihrer Website liegen. Somit haben Sie den ROI besser im Blick und verstärken mit der Optimierung Ihre Erfolge. 

Bei der Optimierung wird die gesamte Website betrachtet. Dabei kann man analysieren, an welcher Stelle die Besucher die Seite verlassen und diese optimieren. Ihr Online-Shop wird übersichtlich, hat somit einen besseren Nutzen für Ihre Besucher und weist geringere Absprungraten auf. 

Es gilt, Inhalte, Bilder und Rahmenelemente anzupassen, um die Usability Ihrer Website zu verbessern. Durch Verbesserungen der Performance werden die Kosten pro Conversion gesenkt und der ROI erhöht, um langfristig den Mehrwert des gesamten Onlineauftritts zu heben.  

6. Welche Steuerungsmöglichkeiten sollte die Onsite-Suche dem Händler bieten?

Transparenz statt Blackbox – eine gute Suchfunktion ist in der Lage Ihnen aufzuzeigen, warum ein Produkt an einer bestimmten Stelle eines Suchergebnisses steht.

Bei jeder Suche spielen die Ranking-Regeln eine wichtige Rolle. Wenn Sie keine Regeln einsetzen, erhalten Sie die Trefferliste nach Relevanz sortiert bzw. bei gleicher Relevanz in der Reihenfolge der Datenbankeinträge. Das ist meist nicht das, was Sie, aber auch nicht das, was Ihre Kunden wollen. 

Die Reihenfolge der Produkte bei einer Suche muss beiden Kriterien genügen: Denen Ihrer Kunden nach Neuheiten, attraktiven Angeboten oder wichtigen Marken, aber auch Ihren nach Verkaufshäufigkeit, Marge oder Bedeutung. 

Ranking-Regeln lassen sich mit Suchfunktionen sowohl auf Produktebene nutzen – wenn Sie beispielsweise Eigenmarken nach vorn holen möchten. Sie können aber auch Geschäftsregeln abbilden und die verkaufsstärksten Produkte nach vorn ziehen. Beides kann auch kombiniert werden und zusätzlich noch nicht lieferbare Produkte ausschließen oder die Präsentation von Artikeln ohne Bilder verhindern. 

7. Welche Analyse- und Testing Möglichkeiten sollte die Onsite-Suche dem Händler bieten?

A/B-Tests sind grundsätzlich für alle Unternehmen relevant, die online aktiv sind. Mit dem A/B-Testing können Sie all Ihre Maßnahmen zur Umsatzsteigerung auf den Prüfstand stellen. Anhand der Ergebnisse verbessern Sie Ihren Shop effektiver – und belegen datenbasiert, wie viel Umsatz Ihre Entscheidungen bringen. Das schafft ultimative Transparenz für eCommerce-Manager, Conversion-Optimierer und Onsite-Manager. 

8. Welche Integrationsarten gibt es für Ihren Online-Shop?

Web Components – ROI in Rekordzeit

Web Components sind kurze, ausdrucksstarke HTML-Bausteine zur Darstellung von Funktionalitäten im Browser und bieten dadurch eine sehr einfache Art der Integration. Über JavaSkript lassen sie sich so einfach in Ihren Shop einbinden wie ein YouTube-Video und benötigen kein Framework. Einmal integriert, können Sie die Web Components ganz einfach steuern und stylen.

  • Frontend-Anpassungen im Handumdrehen

    Ob Sie neue Online-Shop-Funktionen einbinden, bestehende konfigurieren oder A/B-Tests aufsetzen wollen: All das realisieren Sie jetzt in Rekord-Geschwindigkeit. Es war noch nie so leicht, auf neue Anforderungen und Trends zu reagieren.

  • Updates – endlich ohne Vorausplanung

    Für einen Release-Wechsel auf eine neue Version Ihrer Suchfunktion brauchen Sie künftig nur minimale Anpassungen vorzunehmen. Und bei einem Update Ihres Shop-Systems stellen die Web Components sicher, dass alle Funktionen der Suchlösung uneingeschränkt erhalten bleiben.

  • Kompatibel mit allen gängigen Browsern

    Web Components stellen Ihre Suchfunktion direkt im Browser dar und lassen sich entsprechend Ihrem Look-and-Feel stylen. Sie funktionieren unabhängig davon, welches Shop-System und welche Web-Technologien Sie nutzen.

Noch sind Web Components nicht in jedem Browser ohne Weiteres verfügbar – man kann diese Funktionalität aber über Polyfills nachrüsten. Dies kann bedeuten, dass die Performance nicht der nativen Implementierung entspricht und ist zusätzlicher Ballast für den Nutzer, da das jeweilige Skript geladen und ausgeführt werden muss.

REST-API – der Webstandard

Die Direkt-Integration über diese Programmier-Schnittstelle bietet Ihnen größtmögliche Flexibilität. Bei einer Suchanfrage übergibt Ihr Shop einen URL-Parameter an die Suchfunktion. Der Suchserver spielt dann – je nach Ihrem Wunsch – Eine XML- oder JSON-Datei zurück, die alle Informationen zum Aufbau der Suchergebnisseite enthält. Im Unterschied zu Web Components-Integration wird das Design der Ergebnisseite allein vom Shop übernommen.

Eine REST-API ist immer unabhängig von der Art der Plattform oder den verwendeten Sprachen, sie passt sich immer an den Typ der verwendeten Syntax oder Plattform an. Dadurch ist beim Ändern oder Testen neuer Umgebungen innerhalb einer Entwicklung eine große Freiheit gegeben.

Als ein Nachteil von REST-APIs kann die fehlende Standardisierung angesehen werden, die gegebenenfalls zu Missverständnissen führen kann.

9. Welche Spezialanforderungen haben B2B-Shops an die Onsite-Suche?

Vor allem im B2B-Bereich empfinden die meisten Shop-Besucher eine lange, umständliche Produktsuche als ätzend, wo das Produktsortiment umfassend, die Zeit der Einkäufer jedoch sehr begrenzt ist. Für 74% der B2B-Einkäufer ist eine ausgefeilte Onsite-Suche daher die wichtigste Shop-Funktionalität. 

Im B2B eCommerce geht es in erster Linie um Kundenzentrierung, daher ist die Personalisierung Ihres Shops von höchster Wichtigkeit. Hier leistet die Suchfunktion einen wertvollen Beitrag. Voraussetzung ist ein Machine Learning Modul, das die Suchergebnisse auf Basis der getrackten Userdaten personalisiert. Auf diese Weise erhalten Ihre Geschäftskunden eine maßgeschneiderte und damit höchst relevante Produktauswahl. 

Insbesondere im B2B-Sektor sind langjährige und intensive Kundenbeziehungen erfolgsentscheidend. Mittels einer personalisierten Umgebung sollten beispielsweise kundenspezifische Kataloge, Angebote und Preise sowie kundenbezogene Sortimente dargestellt werden. Eine durchdachte und strukturierte, personalisierte Umgebung trägt in einem B2B-Onlineshop maßgeblich zur Kundenbindung bei, erhöht die Verweildauer und wird auch von Google als relevant eingestuft. Für 68% der Geschäftskunden gehört die Darstellung individueller Preise zu den wichtigsten Shop-Funktionalitäten.  

10. Was ist besser für Ihre Onsite-Suche - Open Source oder Standard-Lösung?

Für welche Option man sich entscheiden sollte, hängt davon ab, wie viel Zeit, Geld und Ressourcen ein Händler bereit ist, zu investieren.

Anders als die Bezeichnung „Open Source“ vermuten lässt, ziehen Eigenentwicklungen meist mehr Kosten nach sich als Lösungen von Drittanbietern – zumindest dann, wenn die interne Onsite-Suche einen gewissen Anspruch erfüllen muss. Spielen jedoch Zeit und Geld keine Rolle, kann auch eine Open-Source-Suche wie Solr so gut eingestellt werden, dass sie sich mit den besten Lösungen auf dem Markt messen kann.

Solr – stark bei der Volltextsuche, ohne Anpassung ungeeignet für Shops

Die meisten Lösungen, die auf Solr oder Elastic Search basieren, nutzen den in den 60er Jahren eingeführten Levenshtein-Algorithmus. Es handelt sich um ein bewährtes Verfahren, das durch eine Datenbankabfrage Ähnlichkeiten zwischen einzelnen Wörtern bestimmt – es ist ideal für die Volltextsuche, wie zum Beispiel bei Wikipedia. Da das Verfahren jedoch Wort für Wort vorgeht und nicht die gesamte Suchphrase betrachtet, zeigt die Levenshtein-Methode Schwächen bei Suchanfragen, die aus mehreren Worten bestehen.

Um diese Schwäche zu beheben, muss das Scoring der Suche mit Hilfe von Plugins angepasst werden. Das gleiche gilt für die Anpassung der Suche auf andere Sprachen.

eCommerce-Suche FACT-Finder out-of-the-box einsetzbar

Bei der Suchlösung FACT-Finder ist es umgekehrt: In Sachen Volltextsuche ist sie einem optimal eingestellten Solr wohl unterlegen, punktet aber deutlich besser als andere Suchen, wenn es um den Einsatz internationalen im eCommerce geht. A/B-Tests zeigen, dass FACT-Finder den Umsatz um 10% bis 15% steigern kann im Vergleich zu einem gut eingestellten Solr.

Laut Anbieter erkennt der eingebaute „FACT®-Algorithmus“ Ähnlichkeiten auf gleiche Weise wie ein Mensch auf Basis unterschiedlicher Kriterien, die – wie beim Coca-Cola-Rezept – nur der Erfinder Carsten Kraus selbst kennt.

Der FACT-Finder reduziert nicht das Wort auf seinen Stamm und versucht exakte Treffer zu finden, er sucht einfach so wie es ist, und teilt allen Produkten des Datenfeeds eine Relevanz zu. „Nicht gefunden“ gibt es nicht, höchstens „nichts gefunden, was laut Nutzereinstellungen relevant genug wäre“. Dabei macht es dem FACT-Finder auch keine Probleme, wenn nach mehreren Wörtern gesucht wird. Gerade bei Long Tail-Begriffen ist der FACT-Finder stark im Vergleich zu anderen Suchanbietern. Und da der Long Tail sehr groß ist (man bedenke die Menge an Schreibfehlern, die man machen kann), steckt hier einer der Gründe für das Umsatzplus, das der FACT-Finder generieren kann.

11. Wie kann KI im eCommerce das Sucherlebnis des Kunden verbessern?

KI ist in der Lage, Kunden individuelle Angebote zur Verfügung zu stellen. Hierdurch können diese gezielter einkaufen und sparen eine Menge Zeit. Auf diese Weise wird der Einkauf effizienter und die Kundenzufriedenheit steigt. 

Im Bereich des eCommerce gibt es unzählige Anwendungsfälle, die mit KI optimiert werden können. Sehr populär sind aktuell die Themengebiete Usability und Produktempfehlungen, da sie vergleichsweise unkompliziert zu realisieren sind und dabei viel Potential besitzen, um mit dem Einsatz von KI die Conversion-Rate eines Online-Shops zu erhöhen. 

Wer seine Kunden kennt, der kann sie besser beraten. Da es sehr viele verschiedene Kunden-Typen gibt, ist es gar nicht so einfach, alle zu kennen. Hier kommt die KI ins Spiel: Sie kann jeden Kunden analysieren und ihn im besten Fall einer Kategorie zuordnen. Online-Händler können dann für jede Kundenkategorie ein individuelles Angebot hinterlegen, das die KI passend für den jeweiligen Kunden ausgeben kann. 

Mit wachsendem Datenaufkommen wird die intelligente Datenverarbeitung zur Schlüsseldisziplin im eCommerce Business. Gerade für die Customer-Experience, durch die der User letztendlich entscheidet, wie und wohin er navigiert, sind Data Mining und Machine Learning eine gute Unterstützung, um echten Business-Value aus den eigenen Daten zu erhalten. Damit können Shop-Manager auf die individuellen Verhaltensweisen Ihrer Shop-Besucher aktiv reagieren und genauso erkennen, welche Produktempfehlungen und welcher Content für den jeweiligen User-Typ geeignet ist. KI hilft Shop-Managern also rein objektiv und datenbasiert, Ihren Online-Shop zu optimieren, ohne dabei viel Zeit für Daten-Analysen zu verlieren.  

11.1 Welche der KI-Verfahren sind schon heute für die Onsite-Suche nutzbar?

Textanalysen leisten einen entscheidenden Beitrag, um das Shopsystem von der Konkurrenz abzusetzen. Eine intelligente Shop-Suche muss in der Lage sein, die Intention des Nutzers zu erkennen und so passende Produktvorschläge zu ermitteln. Auch wenn der Nutzer sie in der Suche nicht klar benennen kann. Die Suche des Kunden wird dabei von der KI untersucht und um semantische und kontextbezogene Informationen erweitert. Mittels der erweiterten Suchanfrage und anhand ähnlicher Anfragen, die von der KI analysiert wurden, kann dem Kunden eine individuelle Liste an Artikeln angezeigt werden und auch weiterführende Informationen gegeben werden.

Chatbots

Suchfunktionen sind meist so aufgebaut, dass sie nur nach bestimmten Keywords filtern. Aber was ist, wenn der User noch gar nicht genau weiß, was er eigentlich möchte? Bei einer Sucheingabe wie „Kleidung zum Golfen“ kann nicht jede Suchfunktion hier entsprechende Vorschläge liefern, da das Thema zu weit gefasst ist. Ein Chatbot, welcher die Eingabe durch eine semantische Analyse erfasst, kann gezielt Nachfragen stellen und Vorschläge unterbreiten.

Ein Chatbot kann den Kunden auch durch den gesamten Bestellprozess eine Möglichkeit für aufkommende Fragen liefern. Der Kunde erhält sofort eine Antwort und bricht die Bestellung weniger häufig ab. Ein Chatbot stellt im Übrigen eine Mischung aus der semantischen Analyse und der automatischen Textgenerierung dar. Vorher sollte aber genau klar sein, welches Problem der Chatbot für den Kunden bearbeiten soll und das auch kommunizieren.

Moderne Systeme sind auch in der Lage, die Stimmung des Shop-Besuchers zu erkennen und das Gesprächsverhalten dementsprechend anzupassen.

Personalisierung

Heutige Machine-Learning-Verfahren können anhand der Klickhistorie die Vorlieben und Interessen des individuellen Kunden schlussfolgern und das Angebot gezielt auf ihn zuschneiden. Seien es bestimmte Marken, Farben, Kategorien oder Preisspannen – oder auch besondere Produktbeschreibungen, auf die er anspricht.

Predictive Basket

Oft müssen Einkäufer große Stückzahlen der gleichen Produkte beschaffen und möchten nicht jedes C-Teil einzeln suchen und aufrufen. In diesem Fall ist es von Vorteil, wenn ein Online-Shop von vorn herein die richtigen Produkte vorschlägt, damit der Einkäufer die Produkte nur noch per Drag-and-Drop in den Warenkorb legen muss.

Durch Machine-Learning-Tools ist es möglich, vorauszusagen, welche Produkte für den Einkäufer zum aktuellen Zeitpunkt am relevantesten sind. Unter anderem werden hierfür Tracking-Daten sowie die Kaufrhythmen innerhalb eines Online-Shops ausgewertet.

Recommendation Engine

Die Recommendation Engine von FACT-Finder analysiert häufig vorkommende Produkt- und Kategorie-Beziehungen. Diese analysiert kaufrelevante Daten aus der Kauf- oder Klickhistorie des Online-Shops und ermittelt die zum Produkt passenden Produkte, Kategorien und Attribute. Das Ergebnis sind verkaufsstarke Empfehlungen, die automatisch auf Produktdetailseiten, der Startseite oder im Warenkorb erscheinen.

Semantic Enhancer

Hierbei handelt es sich um eine Funktion, die Zusammenhänge zwischen Suchanfragen und nachfolgenden Kundentransaktionen erkennt. Die gewonnenen Informationen werden automatisch in die Suchergebnisse zurückgespielt. Mit jedem Klick auf Produktdetailseiten, jedem Warenkorbinhalt und jedem abgeschlossenen Verkauf steigt die Trefferqualität und damit die Zufriedenheit der Shop-Besucher.

11.2 Welche Innovationen stehen im eCommerce vor dem Durchbruch?

In den kommenden Jahren wird es Entwicklungen geben, die die Art und Weise des Einkaufens völlig verändern.

Inzwischen sind Home-Assistenten wie Alexa sehr beliebt, jedoch kauft fast niemand darüber ein, denn visuell kann man viel besser vergleichen und auswählen.

Dennoch ist Voice Commerce schon heute sinnvoll für die Nachbestellung gewohnter Artikel („Alexa, Waschmittel kaufen“) – insbesondere in Verbindung mit der Predictive-Basket-Technologie.

Falls Ihre Branche zu denjenigen zählt, in denen Kunden immer wieder die gleichen Produkte bestellen – wie Lebensmittel, Apotheke, Drogerie oder B2B - , ermöglicht es Ihnen KI den Einkaufsvorgang zu transformieren: Mit der neuen KI-Technologie des Predictive Baskets können Sie voraussagen, was der Kunde in seiner aktuellen Session kaufen will. Die KI berechnet die Vorschläge auf Basis des Verhaltens des einzelnen Kunden und aufgrund des Verhaltens aller anderen Kunden – so lernt sie den Kauf-Rhythmus des Kunden kennen und passt sich immer besser darauf an.

Auch Visual Search basiert auf neuronalen Netzen, doch die Technologie funktioniert noch nicht so zuverlässig wie die Spracherkennung. Sobald die Entwicklung aber weit genug fortgeschritten ist, wird Visual Search einen festen Platz im Markt einnehmen. Denn als Kunde ist es sehr praktisch, einfach einen Gegenstand zu fotografieren, für den er sich interessiert – und das System sagt ihm, welches Produkt es sein könnte oder kann ähnliche Produkte im Sortiment vorschlagen.

Semantische Suche

Eine „richtige“ semantische Suche versteht ganze Sätze wie „Ich suche eine Flugreise über Weihnachten mit meiner kleinen Tochter an einen schönen Strand“. Dazu nutzt sie ein Geflecht von Wörtern und Begriffen und ihre Referenz zueinander. Allerdings wollen viele Kunden nicht so viel tippen – viele geben nur ein einziges Wort ein. Deshalb wird Semantik heute für andere Zwecke verwendet.