Ecommerce Site Search Checklist: našeptávač, překlepy, synonyma a filtry

Ecommerce Site Search Checklist: proč začít u dat, ne u algoritmu

Ecommerce site search checklist není jen seznam technických nastavení. Je to systematický přístup k tomu, aby vyhledávání na e-shopu skutečně pomáhalo prodávat. Zákazníci, kteří používají vyhledávání, konvertují v průměru o 50 a více procent lépe než ti, kteří jen procházejí kategorie. Přesto výzkumy ukazují, že přes 60 procent e-shopů má vyhledávání pod přijatelnou úrovní kvality. Nejčastější příčina není špatný algoritmus, ale nekonzistentní data a nedotažená UX.

V tomto checklistu projdeme šest oblastí, kde e-commerce týmy mohou dosáhnout měřitelného zlepšení: našeptávač, překlepy, synonyma, facety, no-results stránky a pravidelný operační rytmus. Než se pustíte do ladění, zkontrolujte, jestli vaše produktová data splňují základní standard kvality — dobrým startovním bodem je náš checklist kvality produktových dat.

Našeptávač: navigujte zákazníka ještě před odesláním dotazu

Většina vyhledávacích cest začíná u našeptávače. Dobře nastavený autocomplete zkrátí cestu k výsledku, ukáže kategorie, na které by zákazník sám nekliknul, a nasměruje vágní dotazy k relevantním výsledkům.

Začněte exportem search logů za posledních 30 až 90 dnů a rozřaďte dotazy podle záměru:

• Přesné dotazy na model/SKU — například bosch serie 6 myčka
• Dotazy podle atributů — například nepromokavá bunda pánská
• Problémové dotazy — například židle na bolest zad
• Neúplné nebo obecné dotazy — například nabíječka nebo kabel

Pak nastavte našeptávač tak, aby tyto záměry urychloval:

1. Kombinujte typy návrhů. Zobrazujte doplnění dotazu, návrhy kategorií i konkrétní produkty v jednom panelu. Smíšené návrhy snižují počet přeformulování a pomáhají objevit relevantní kategorie.
2. Zobrazujte klíčové atributy v návrhu. Značka, kompatibilita a velikost přímo v textu návrhu umožní zákazníkovi posoudit relevanci bez kliknutí.
3. Držte latenci pod 150 ms. Na mobilu je cokoliv nad 200 ms vnímáno jako pomalé. Cachujte populární prefixy a komprimujte payloady.
4. Měřte kvalitu návrhů, ne jen CTR. Kliknutí na návrh následované okamžitým odchodem znamená, že návrh sliboval jiný výsledek. Sledujte post-click engagement.

Pokud máte nejednotné titulky produktů — různé formáty, zkratky nebo jednotky — kvalita našeptávače rychle klesá. Pomůže standardizace podle šablony, kterou popisujeme v návodu na šablony produktových titulků podle kategorií.

Překlepy a synonyma: rozšiřte zásah bez ztráty přesnosti

Typo tolerance a správa synonym jsou dvě strany jedné rovnice. Příliš přísné nastavení překlepů blokuje legitimní dotazy. Příliš volná synonyma znečišťují výsledky irelevantními produkty. Obojí stojí tržby.

Pravidla pro toleranci překlepů:

• Používejte progresivní editační vzdálenost podle délky dotazu. Dvouznakový dotaz jako tv by neměl tolerovat žádné odchylky. U deseti a více znaků lze povolit jednu až dvě substituce.
• Vyžadujte přesnou shodu prvních jednoho až dvou znaků. Zamezíte tak divokým mismatchům u krátkých prefixů.
• Logujte dotazy, kde typo korekce vede k nízké konverzi, a každý týden je projděte. Některé automatické opravy trefují špatně způsobem, který pravidla nezachytí.

Pravidla pro správu synonym:

Synonyma rozdělte do tří kategorií:

• Oboustranné ekvivalenty: gauč <-> pohovka, tenisky <-> boty na sport
• Jednosměrná rozšíření: ps5 -> playstation 5, ntb -> notebook
• Kontextová merchandising pravidla: mapování platná jen v rámci konkrétní produktové rodiny

Kandidáty na synonyma čerpejte z reálných dat — zero-result dotazy, přeformulované dotazy a opuštěné search sessions. Udržujte deny list pro nebezpečná rozšíření, zejména kolize značek. Verzujte změny, aby rollback byl rychlý. Pro hlubší pohled na propojení taxonomie a vyhledávání doporučujeme článek o produktové taxonomii pro SEO a search.

Facety a filtry: zúžení výběru bez slepých uliček

Facety mají zrychlit rozhodování zákazníka. Nejčastější chyba je umožnit kombinaci filtrů, která vrátí nula výsledků, a pak nenabídnout žádnou cestu ven.

Checklist pro facetovou navigaci:

• Na první místo dejte facety s nejvyšší rozlišovací schopností: značka, cenové rozmezí, velikost, dostupnost, kompatibilita.
• Dynamicky skrývejte prázdné hodnoty po každé filtrační interakci. Nikdy nezobrazujte hodnotu, která vede k nulovému výsledku.
• U každé hodnoty ukazujte počet produktů, aby zákazník viděl dopad filtru ještě před kliknutím.
• Aktivní filtry držte viditelně s možností odebrání jedním klikem. Schované aktivní filtry vytvářejí zmatek, proč je výsledek tak úzký.
• Řaďte hodnoty podle chování zákazníků, ne abecedně. Řazení podle popularity, konverze nebo marže — podle toho, co odpovídá vaší merchandising strategii.

Nepoužívejte jednu globální šablonu facet pro celý katalog. Notebooky potřebují RAM a úhlopříčku. Kosmetika potřebuje typ pleti a složení. Konfigurace facet je práce s taxonomií, ne jen s UI. Podrobněji se tomu věnujeme v článku o best practices facetové navigace.

Na mobilu testujte facety zvlášť. Dlouhé seznamy filtrů v nested accordionech často schovají důležité volby pod fold, zejména na zařízeních se sticky hlavičkou.

No-results stránka: z mrtvého konce udělejte druhou šanci

Stránka bez výsledků není chybový stav — je to příležitost k záchraně zákazníka. Při 68 procentech zákazníků, kteří opouštějí e-shop po špatné search experience, může dobře navržená no-results stránka zachránit významnou část tržeb.

Kvalitní no-results šablona obsahuje:

• Opravený nebo uvolněný dotaz na základě fuzzy matchingu a častých překlepů
• Související kategorie odpovídající pravděpodobnému záměru dotazu
• Trendové nebo populární produkty v dané produktové rodině
• Naposledy zobrazené produkty pro vracející se návštěvníky
• Jasnou fallback akci — procházení top kategorií, kontakt na podporu, průvodce výběrem

U každého frekventovaného no-results dotazu zjistěte příčinu:

1. Překlep mimo nastavenou toleranci — upravte pravidla
2. Chybějící synonymum pro hovorový výraz, zkratku nebo regionální označení
3. Atribut zmíněný v popisu, ale chybějící ve strukturovaném poli — index nemůže matchovat to, co nevidí
4. Kombinace filtrů vedoucí k nule výsledků

Třetí bod je kritický a často přehlížený. Pokud popis produktu zmiňuje „nerezová ocel", ale atribut materiálu je prázdný, facetové vyhledávání podle materiálu produkt nenajde. Řešením je strukturovaný enrichment atributů. Pro kompletní postup eliminace slepých uliček ve vyhledávání viz náš no-results playbook.

Sémantické vyhledávání a AI: vrstva pro rok 2026

I s perfektní typo tolerancí a synonymy má keyword search své limity. Nedokáže pochopit, že „boty na svatbu" a „společenské polobotky" odpovídají stejnému záměru. Sémantické vyhledávání — poháněné vektorovými embeddingy a NLP — tuto mezeru uzavírá tím, že matchuje význam, ne doslovné termíny.

V roce 2026 se adopce sémantického a hybridního vyhledávání (keyword plus vektorový retrieval) výrazně zrychlila. Moderní search platformy dnes běžně podporují:

• Intent-aware query rewriting — překlad konverzačního dotazu do strukturovaných parametrů
• Vector similarity matching — zobrazení významově příbuzných produktů i bez shody klíčových slov
• Multimodální vyhledávání — kombinace textu, obrázku a hlasu v jednom vyhledávacím zážitku
• Hyper-personalizaci — úpravu rankingu v reálném čase podle kontextu prohlížení, zařízení, lokality a historie nákupů

Sémantické vyhledávání ale stále závisí na čistých, strukturovaných datech. Vektorový embedding špatně napsaného produktového záznamu s chybějícími atributy bude stejně vágní jako záznam samotný. Lasso zajistí, že katalogová data jsou standardizovaná a obohacená ještě předtím, než se dostanou do jakéhokoliv search enginu — keyword nebo sémantického — aby každá retrieval metoda pracovala s kvalitními vstupy.

Více o tom, kam se vyvíjí product discovery, najdete v přehledu trendů product discovery 2026.

Měsíční search sprint: jak udržet kvalitu vyhledávání

Kvalita vyhledávání se bez jasného vlastníka postupně zhoršuje. Přibývají produkty s neúplnými atributy, mění se trendy i zákaznický jazyk a konfigurace facet se odchyluje od aktuálního stavu katalogu. Nejúčinnější model je měsíční sprint s jasnými odpovědnostmi a opakovatelnou QA.

Doporučený postup sprintu:

1. Vytáhněte analytiku: top 50 dotazů, top 20 zero-result dotazů, nejčastější přeformulování a exit rate ze search sessions podle kategorií.
2. Zkontrolujte úplnost atributů u produktových rodin za top dotazy. Chybějící nebo nekonzistentní hodnoty jsou nejčastější příčinou špatné relevance.
3. Aktualizujte našeptávač, synonyma a pořadí facet na základě dat.
4. Otestujte 20 až 30 kritických search journeys na desktopu i mobilu.
5. Nasaďte a měřte — porovnejte metriky dva týdny před a po změnách.

Klíčové metriky:

• Konverzní poměr ze search sessions (cíl: 2x a více oproti browse-only sessions)
• Exit rate z vyhledávání (procento sessions končících bez interakce s produktem)
• No-results rate (cíl pod 5 procent)
• Revenue per search session
• Čas do prvního kliknutí na produkt

Lasso se do tohoto rytmu hodí jako datová infrastruktura. Místo toho, aby tým trávil sprint manuálním opravováním titulků, normalizací atributových hodnot a doplňováním prázdných polí, Lasso enrichment a validaci automatizuje. Tým se pak soustředí na ladění search logiky a merchandising pravidel. Pokud tento proces teprve budujete, podívejte se na pricing a domluvte si praktický walkthrough.