Waarom slechte productdata webshopsearch blijft beperken

Wat productdata met zoekkwaliteit doet

Een zoekmachine vergelijkt de behoefte van de klant met informatie over het assortiment. Hoe vollediger en consistenter die informatie is, hoe beter producten kunnen worden gevonden, gefilterd en gerangschikt. Een product met alleen een commerciële titel is bijvoorbeeld moeilijk betrouwbaar te matchen op materiaal, toepassing of technische eigenschap.

Productdata bepaalt ook de context. Dezelfde term kan in verschillende categorieën iets anders betekenen. Een maat bij kleding werkt anders dan een maatvoering bij meubels; ‘vermogen’ is relevant bij elektronica maar niet bij verzorgingsproducten. Categorieën en attributen helpen search die verschillen te begrijpen.

Dat betekent niet dat iedere productfeed perfect moet zijn voordat search waarde kan leveren. Wel moet duidelijk zijn welke datavelden essentieel zijn voor de belangrijkste klantvragen. Begin daar, in plaats van alle velden tegelijk op te schonen.

Probleem 1: producttitels zijn onvolledig of inconsistent

Een goede producttitel bevat voldoende onderscheidende informatie zonder een opsomming van elk beschikbaar kenmerk te worden. Wanneer merk, model, producttype, maat en uitvoering in willekeurige volgorde staan, wordt matching minder voorspelbaar en zijn resultaten voor klanten moeilijker te vergelijken.

Let ook op interne afkortingen en leveranciersnamen. Een magazijncode kan operationeel nuttig zijn, maar zegt een klant niets. Andersom kan een veelgebruikte klantterm ontbreken omdat de leverancier een technische benaming gebruikt. Bewaar waar mogelijk zowel de bronwaarde als een klantgerichte weergave, zodat search op beide kan aansluiten.

Maak titelregels per productgroep. Een bruikbaar patroon voor een laptop verschilt van dat voor een jurk of een reserveonderdeel. Controleer vervolgens of de onderdelen als aparte velden beschikbaar blijven; alleen een samengestelde titel maakt filteren en gericht boosten lastiger.

Probleem 2: attributen ontbreken, botsen of gebruiken vrije tekst

Attributen zijn nodig voor filters en voor zoekvragen waarin klanten meerdere eigenschappen combineren. Als materiaal bij de helft van de producten ontbreekt, kan een materiaalfilter relevante artikelen uitsluiten. Wanneer waarden als ‘donkerblauw’, ‘navy’ en ‘marine’ zonder normalisatie naast elkaar staan, ontstaan versnipperde filters.

Vrije tekst is flexibel, maar moeilijk consistent te verwerken. Voor waarden waarop klanten filteren of vergelijken zijn gecontroleerde velden meestal bruikbaarder. Bewaar tegelijk voldoende oorspronkelijke detailinformatie; te agressieve normalisatie kan betekenis verliezen. Een waterdichtheidsklasse is bijvoorbeeld niet hetzelfde als een algemene waarde ‘waterbestendig’.

Controleer per categorie welke attributen verplicht, aanbevolen of irrelevant zijn. Maak datakwaliteit zichtbaar als dekking: welk aandeel van de verkoopbare producten heeft een geldige waarde? Combineer die dekking met zoekvolume om prioriteiten te bepalen.

• Ontbrekende waarden bij veelbekeken of veelgezochte producten.
• Meerdere schrijfwijzen voor dezelfde betekenis.
• Eén veld waarin verschillende eenheden door elkaar staan.
• Waarden die intern correct maar voor klanten onbegrijpelijk zijn.
• Attributen die aan de verkeerde productgroep zijn gekoppeld.

Probleem 3: categorieën volgen de organisatie in plaats van de klant

Een interne of logistieke categorieboom is niet automatisch geschikt voor product discovery. Leveranciers, magazijnen en financiële systemen groeperen artikelen om andere redenen dan klanten. Wanneer search die structuur zonder vertaling gebruikt, kunnen resultaten en filters onlogisch aanvoelen.

Een klantgerichte taxonomie helpt bij querybegrip, filterselectie en ranking. Dat hoeft niet te betekenen dat alle bronsystemen dezelfde boom moeten gebruiken. Een vertaallaag kan interne categorieën koppelen aan verkoopcategorieën, gebruikssituaties en alternatieve ingangen.

Let op producten die in meerdere contexten passen. Een waterfles kan onder sport, reizen en kantoor relevant zijn. Eén verplichte categorie mag die vindbaarheid niet onnodig beperken. Werk waar passend met hoofdcategorie, aanvullende classificaties en attributen die de gebruikscontext beschrijven.

Probleem 4: varianten, identifiers en beschikbaarheid zijn niet betrouwbaar

Varianten moeten als één logisch product worden gepresenteerd zonder belangrijke verschillen te verbergen. Als elke kleur en maat als los resultaat verschijnt, raakt een resultaatpagina snel gevuld met bijna identieke artikelen. Als varianten te sterk worden samengevoegd, kan een zoekopdracht naar een specifieke maat of uitvoering juist ten onrechte een product tonen dat niet leverbaar is.

SKU’s, EAN’s en modelcodes zijn belangrijk voor klanten die precies weten wat zij zoeken, vooral in B2B en bij onderdelen. Normaliseer spaties, streepjes en hoofdletters voor matching, maar bewaar de originele waarde voor weergave en controle. Bescherm exacte identifier-matches tegen brede synonym- of spellingregels.

Prijs en voorraad moeten tijdig worden bijgewerkt. Een sterk gerangschikt maar niet leverbaar product kan soms nog nuttig zijn, bijvoorbeeld met een alternatief of verwachte leverdatum. De keuze moet bewust zijn. Verouderde status die onbedoeld ranking en filters beïnvloedt, is een dataprobleem.

Gebruik zoekdata om productdata gericht te verbeteren

Een volledige data-audit kan omvangrijk worden. Searchdata helpt de volgorde bepalen. Begin met veelgebruikte queries, belangrijke categorieën, zoekopdrachten zonder resultaat en termen met opvallend lage klikratio. Onderzoek vervolgens welke ontbrekende of inconsistente data meerdere problemen tegelijk veroorzaakt.

Maak van iedere bevinding een concrete dataregel. Niet ‘titels verbeteren’, maar bijvoorbeeld ‘voor alle verkoopbare hardloopschoenen zijn merk, model, producttype en doelgroep afzonderlijk gevuld’. Koppel de regel aan een eigenaar en valideer in bron, feed, index en storefront. Een correctie in één tussenlaag die bij de volgende import verdwijnt, is geen duurzame oplossing.

Meet na een wijziging niet alleen of meer producten gevonden worden. Controleer ook relevantie, filtergedrag, productklikken en conversie. Meer resultaten zijn niet automatisch betere resultaten. Het doel is dat de juiste producten beter bereikbaar worden.

• Prioriteer op klantimpact én aantal getroffen producten.
• Los problemen zo dicht mogelijk bij de betrouwbare bron op.
• Voeg automatische validaties toe voor verplichte velden en waarden.
• Test belangrijke queries opnieuw na iedere grote feed- of taxonomiewijziging.
• Leg uitzonderingen vast zodat tijdelijke reparaties geen permanente schuld worden.