Shopify-productontdekking: zoeken, filters of AI?

Shopify-productontdekking werkt het best wanneer elk onderdeel één duidelijke taak heeft: zoeken haalt op, filters verfijnen, aanbevelingen verbreden en gesprekken verduidelijken. De beste route hangt af van hoeveel de shopper al weet.

Een shopper die een exact modelnummer invoert, heeft geen interview nodig. Iemand die zegt: "Ik zoek iets lichts voor woon-werkverkeer, maar het moet tegen regen kunnen en onder een vliegtuigstoel passen", waarschijnlijk wel.

Deze gids is bedoeld voor Shopify-teams voor merchandising, e-commerce en CRO. Na afloop kun je vier veelvoorkomende intentietypen naar het juiste hulpmiddel leiden en een korte audit uitvoeren die één concrete volgende verbetering oplevert.

Afbakening: productontdekking in je webshop

Deze gids gaat over productontdekking in de Shopify-webshop van een merchant: zoeken, filters, aanbevelingen op productpagina's en een AI-winkelagent op de site. De agentgestuurde webshops van Shopify, waarmee geschikte producten vindbaar kunnen worden via externe AI-kanalen, vormen een apart kanaal met eigen beschikbaarheid en instellingen. Lees AI-winkelagent versus chatbot versus winkelassistent voor het volledige onderscheid.

Begin met vier intentietypen

Productontdekking begint bij wat de shopper al weet:

1. Exacte intentie: "Trail Pack 28L in zwart."
2. Categorie-intentie: "Handbagagerugzakken."
3. Intentie op basis van eisen: "Een handbagagerugzak van minder dan $ 150 waar een 16-inchlaptop in past."
4. Verkennende intentie: "Ik reis twee keer per maand voor mijn werk en zoek iets dat minder vermoeiend is om te dragen dan mijn huidige tas."

Zoeken werkt doorgaans efficiënt voor de eerste twee typen. Filters helpen een bekende categorie te verfijnen. Aanbevelingen helpen zodra er al een relevant product in beeld is. Een gesprek wordt nuttiger wanneer de vraag afhangt van context, afwegingen of vervolgvragen.

Het doel is niet om elke shopper een chat in te sturen. Het doel is te voorkomen dat een moeilijke vraag doodloopt omdat die niet in een zoekwoord of filterlabel past.

Zoeken haalt bekende producten en categorieën op

De huidige documentatie over zoeken in de webshop van Shopify beschrijft een ingebouwde, door AI ondersteunde zoekinfrastructuur met functies zoals voorspellend zoeken en standaard beschikbare tolerantie voor typefouten.

Gewoon zoeken toont resultaten nadat de shopper een zoekopdracht heeft ingediend. Voorspellend zoeken stelt resultaten voor terwijl de shopper typt. Beide werken efficiënt voor zoekopdrachten zoals:

• Een producttitel: "Alpine Shell"
• Een model of SKU: "TS-240"
• Een producttype: "wollen overshirt"
• Een bekende eigenschap: "waterdichte wandeljas"
• Winkelcontent: "retourbeleid"

In de documentatie over zoekgedrag legt Shopify uit dat relevantie onder meer kan afhangen van de plek waar een term voorkomt, de veldlengte en populariteitssignalen. Ook gedrag zoals woordstamherkenning, tolerantie voor typefouten, voorvoegselmatching en het versoepelen van zoekopdrachten komt aan bod, met details die per taal en context verschillen.

Zoeken blijft afhankelijk van de taal in je catalogus. Als shoppers weekendtas zeggen, maar de winkel alleen duffel gebruikt, kunnen relevante producten moeilijker vindbaar zijn. Als een modelnummer, materiaal of gebruiksdoel nergens in doorzoekbare informatie staat, kan de zoekfunctie dat feit niet zelf bedenken.

Test met de woorden die shoppers gebruiken, inclusief spelfouten, alternatieve namen, modelnummers en gebruikssituaties, niet alleen met de productnamen die het merchandisingteam intern hanteert.

Filters verfijnen een bruikbare resultatenset

Filters beantwoorden de vraag: "Welke producten in deze groep voldoen aan mijn bekende eisen?"

Voor een jassencollectie kunnen maat, prijs, kleur, materiaal, isolatie, waterdichtheid en activiteit nuttige filters zijn. Voor elektronica hebben shoppers mogelijk merk, aansluiting, apparaatcompatibiliteit, vermogen en afmetingen nodig.

De filterinstellingen van Search & Discovery van Shopify ondersteunen standaardfilters en aangepaste filters op basis van productopties, metavelden, metaobjecten en categorie-eigenschappen. Compatibiliteit met het thema en de actuele platformlimieten zijn van toepassing.

Filters werken goed wanneer:

• De shopper de eigenschap begrijpt.
• Producten de eigenschap consequent gebruiken.
• Er na toepassing een overzichtelijke set overblijft om te vergelijken.

Ze werken minder goed wanneer de behoefte niet netjes in een filterkenmerk past. "Goed voor een eerste woning" en "professioneel ogend, maar comfortabel tijdens een nachtvlucht" zijn zinvolle doelen, geen voor de hand liggende filterwaarden. Meer opties toevoegen kan de complexiteit van de catalogus simpelweg bij de shopper neerleggen.

Gebruik labels die shoppers begrijpen en maak gelijkwaardige waarden uniform. Waterbestendigheid is duidelijker dan de interne naam van een metaveld; drie schrijfwijzen van hetzelfde materiaal horen geen drie filters te worden.

Productaanbevelingen bouwen voort op een keuze op de productpagina

Aanbevelingen op een productpagina beginnen met context die de webshop al heeft: het product dat wordt bekeken. Geef elke plaatsing één taak:

• Alternatief: Een vergelijkbaar artikel dat mogelijk beter past.
• Aanvulling: Een extra artikel dat het gekozen product nuttiger maakt.
• Vervolg: Een relevante manier om de categorie of stijl verder te verkennen.

Via aanbevelingen in Search & Discovery van Shopify kunnen merchants gerelateerde en aanvullende producten instellen. Automatisch gegenereerde gerelateerde producten kunnen gebruikmaken van geaggregeerde aankooppatronen, vergelijkbare productbeschrijvingen of gerelateerde collecties; merchants kunnen ook handmatig aanbevelingen toevoegen. De aanbevelingen verschijnen alleen als het thema een compatibele, ingeschakelde sectie bevat.

Een huidige beperking zie je gemakkelijk over het hoofd: volgens Shopify is de strategie die productbeschrijvingen gebruikt voor automatisch gegenereerde aanbevelingen alleen beschikbaar voor merchants met een Engelstalige webshop. Strategieën op basis van aankoopgeschiedenis en gerelateerde collecties hebben hun eigen voorwaarden. Controleer het actuele gedrag voor jouw taal en catalogus, in plaats van aan te nemen dat elke generatiestrategie van toepassing is.

Een productrelatie is niet automatisch personalisatie. Een gerelateerd artikel kan relevant zijn omdat het lijkt op het product op de pagina. Personalisatie in een gesprek werkt anders: die kan rekening houden met behoeften en eisen die de huidige shopper noemt. De gids over productaanbevelingen met conversationele AI legt uit welke signalen een aanbeveling mogen beïnvloeden en wanneer de agent een vraag moet stellen.

Een gesprek verduidelijkt complexe intentie

Een gesprek is vooral nuttig wanneer de shopper de behoefte niet kan terugbrengen tot één zoekopdracht of enkele filters. Het kan context verzamelen, onduidelijkheid wegnemen, afwegingen vergelijken en uitleggen waarom een korte lijst relevant is.

De BuyScout® AI-winkelagent kan shoppers begeleiden aan de hand van wat zij vertellen, samen met relevante context uit hun browsegedrag en winkelwagen. De gepubliceerde bibliotheek met vaardigheden beschrijft productaanbevelingen, vergelijkingen, hulp bij toevoegen aan de winkelwagen en relevante bundels of extra's, naast ingestelde verkoop- en supporttaken na de eerste productkeuze.

Neem deze vraag:

"Ik zoek een cadeau voor een koffieliefhebber die al een espressomachine heeft. Mijn budget is $ 80 en ik weet niet welke accessoires op het apparaat passen."

Zoeken kan espressoaccessoires ophalen. Filters kunnen het budget bewaken. Aanbevelingen op productpagina's kunnen aanvullingen voorstellen. Een gesprek kan vragen welk apparaat de ontvanger heeft, compatibiliteit als doorslaggevende eis herkennen en uitleggen waarom een korte lijst geschikt is.

Als compatibiliteit niet is vastgelegd, moet de agent die onzekerheid benoemen of een medewerker inschakelen. Hij mag geen passende combinatie verzinnen om het gesprek gaande te houden. De Shopify-checklist voor productgegevens voor AI-advies helpt zulke hiaten bloot te leggen voordat shoppers ze vinden.

Leid shoppers op basis van intentie, niet op basis van technologie

Dit is een gids voor routering, geen rangorde. Zoeken biedt vaak de betere ervaring, omdat het duidelijke intentie respecteert en minder stappen vraagt.

Stel je voor dat iemand die handbagage zoekt één samenhangende klantreis doorloopt:

1. Zoeken haalt de categorie rugzakken op.
2. Filters bewaken de prijs en laptopmaat.
3. Een gesprek behandelt de afweging tussen gewicht en bescherming tegen regen.
4. Op de productpagina controleert de shopper specificaties, afbeeldingen en beleid.
5. Een aanbeveling stelt een passende organizer voor.
6. In de winkelwagen houdt de shopper zelf de exacte variant, het aantal en de prijs onder controle.

De catalogus verbindt elke stap: titels ondersteunen zoeken, eigenschappen voeden filters, productrelaties verbeteren aanbevelingen en vastgelegde details maken betrouwbare uitleg mogelijk. Een extra interface toevoegen herstelt geen tegenstrijdige eigenschappen of onduidelijk retourbeleid.

Meet het probleem dat elk onderdeel moet oplossen

Shopify biedt Search & Discovery-rapporten over activiteit rond zoekopdrachten, zoekopdrachten zonder resultaat, zoekopdrachten zonder klik, klikpercentage, aankooppercentage en interactie met aanbevelingen. Shopify merkt op dat interacties met voorspellend zoeken niet zijn opgenomen in deze rapporten over zoekresultaatpagina's.

Geen enkel rapport beschrijft de hele klantreis. Gebruik elk signaal om een specifiek probleem te onderzoeken:

Een vaak voorkomende zoekopdracht zonder klik, gecombineerd met herhaalde vragen over dezelfde eigenschap, is sterker bewijs dan elk signaal afzonderlijk. Ken niet de volledige bestelwaarde toe aan elk onderdeel dat aan dezelfde aankoop heeft bijgedragen.

Voer een productontdekkingsaudit in vier stappen uit

1. Observeer de taal van shoppers. Bekijk zoektermen, zoekopdrachten zonder resultaat of klik, supportvragen en geaggregeerde gespreksthema's waar je op rechtmatige wijze toegang toe hebt.
2. Herstel de basis van de catalogus. Maak productnamen, eigenschappen, varianten, metavelden, afbeeldingen en beschrijvingen die voor beslissingen belangrijk zijn uniform.
3. Geef elk onderdeel één taak. Zoeken haalt op, filters verfijnen, aanbevelingen verbreden en gesprekken verduidelijken.
4. Test het volledige pad. Gebruik exacte, categoriegerichte, eisgerichte en verkennende vragen op mobiel en desktop. Controleer of shoppers de onderliggende productpagina en winkelwagen kunnen bekijken.

Breng één betekenisvolle wijziging tegelijk aan wanneer je het effect ervan wilt begrijpen. Ontbreekt er duidelijk een synoniem of werkt een filter niet, herstel dat dan direct; niet elk probleem vereist een experiment.

Kopieer deze tabel en vervang de voorbeeldvragen door echte taal uit je zoek-, support- of gespreksgegevens. Voer elke zoekopdracht uit op mobiel en desktop, noteer de eerste wezenlijke misser, wijs één eigenaar aan en kies één volgende verbetering.

Rond de productontdekkingsaudit van 20 minuten af: Los de belangrijkste misser op waarvoor een eigenaar is aangewezen en voer daarna dezelfde zoekopdracht opnieuw uit. Werken zoeken en filters goed voor duidelijke intentie, maar lopen complexe vragen nog vast, test de BuyScout® AI-winkelagent dan alleen op dat knelpunt.