Produktdata, filtre og sortering: Gør det lettere for kunderne at finde det rigtige produkt

Et stort produktsortiment er kun en fordel, hvis kunderne kan finde rundt i det.

Har en webshop 20 produkter i en kategori, kan kunden ofte overskue dem manuelt. Har den 500 eller 5.000, ser det anderledes ud.

På mange webshops er produkterne oprettet, kategorierne findes, og teknisk set fungerer det hele. Men hvis produktdataene er uensartede, filtrene ikke hjælper nok, og sorteringen stadig kun består af pris og produktnavn, ender en stor del af arbejdet hos kunden.

Det kan mærkes på brugeroplevelsen, konverteringen og på, hvor godt webshoppen kan håndtere et voksende sortiment.

Produktdata, filtre og sortering hænger tæt sammen. Hvis det ene halter, bliver de andre dele sjældent rigtig gode.

Gode produktdata gør produkterne lettere at forstå

Produktdata bliver ofte behandlet som oplysninger, der bare skal stå et sted på produktsiden.

Pris. Farve. Størrelse. Materiale. Producent. Dimensioner.

Men de samme oplysninger kan bruges langt mere aktivt.

Gode, strukturerede produktdata gør det lettere for kunden at forstå forskellene mellem produkterne. Samtidig kan webshoppen bruge dem i kategorier, filtre, søgning, sammenligninger og andre dele af kunderejsen.

Tag eksempelvis en webshop, der sælger kontorstole.

To stole kan se næsten ens ud. Den ene er lavet til mange timers daglig brug, har justerbar lændestøtte og kan bære 150 kg. Den anden er beregnet til lettere brug, har færre indstillinger og en maksimal belastning på 110 kg.

Hvis de oplysninger kun står gemt i en lang produktbeskrivelse, skal kunden åbne produkterne ét efter ét og selv sammenligne. Ligger de som strukturerede egenskaber, kan de i stedet bruges direkte i webshoppen.

Kunden kan eksempelvis filtrere efter maksimal belastning, anbefalet brugstid, materiale, farve, justeringsmuligheder og pris.

Så bliver produktdata en aktiv del af valget frem for information, kunden selv skal grave frem.

Produktattributter skal give mening for kunden

En klassisk fejl er at strukturere produktdata ud fra virksomhedens egen logik.

Det giver ikke nødvendigvis mening på den anden side af skærmen.

Internt kan et produkt have varenummer, produktserie, leverandørkode og en bestemt klassifikation. Det kan være vigtigt for ERP, lagerstyring og indkøb, men det hjælper ikke nødvendigvis kunden med at vælge mellem to produkter.

Det interessante spørgsmål er derfor: Hvilke egenskaber bruger kunden faktisk, når produkterne skal sammenlignes?

På en webshop der sælger computere, kan det være RAM, lagerplads, processor, skærmstørrelse og anvendelse. For arbejdstøj kan det være størrelse, pasform, certificeringer, materiale, vandtæthed og årstid. På en reservedelswebshop kan kompatibilitet være vigtigere end både farve, brand og popularitet.

Det lyder enkelt nok, men med flere tusinde produkter bliver det hurtigt en større øvelse. Til gengæld er det her, fundamentet for god navigation bliver lagt.

Filtre bliver vigtigere, jo større sortimentet er

En kunde, der lander i en kategori med 600 produkter, har sjældent lyst til at gennemgå dem ét efter ét.

Kunden vil have feltet gjort mindre.

Derfor skal filtrene afspejle de ting, der faktisk har betydning for købet.

Farve, brand og pris er nemme standardvalg, men de er ikke nødvendigvis de mest nyttige. Sælger virksomheden skærme, vil kunden måske hellere filtrere efter skærmstørrelse, opløsning, opdateringshastighed, paneltype og anvendelse.

Målet er at hjælpe kunden fra: “Jeg skal bruge en ny skærm”

til: “Jeg skal bruge en 27-tommers skærm med minimum 144Hz, der egner sig til gaming og koster under 3.000 kroner.”

Hvis 300 produkter bliver til 12 relevante muligheder, har filtreringen gjort sit arbejde.

Filtre er samtidig en vigtig del af en brugervenlig webshop, men de skal tilpasses de produkter og valg, kunden faktisk står med.

Flere filtre gør ikke nødvendigvis oplevelsen bedre

Når produktdataene først er struktureret, kan det være fristende at gøre næsten alle attributter til filtre, men det kan hurtigt give den modsatte effekt.

Hvis kunden møder 30 forskellige filtreringsmuligheder i en kategori, hvor fem eller seks af dem reelt betyder noget, har man bare flyttet kompleksiteten over i sidebaren.

Et godt filter skal gøre udvalget lettere at overskue.

Derfor giver det sjældent mening at bruge præcis samme filterstruktur i hele webshoppen.

Størrelse er vigtig på tøj. På elektronik er det måske ligegyldigt. Brand kan være afgørende i én kategori og næsten uden betydning i en anden.

Det kræver mere arbejde at tænke filtreringen kategori for kategori, men det kan også mærkes i oplevelsen.

Sortering handler om mere end pris

Filtrering hjælper kunden med at skære antallet af produkter ned. Sorteringen bestemmer, hvad kunden ser først bagefter.

Alligevel bliver den del ofte behandlet ret standardiseret.

Mange webshops tilbyder stadig kun sortering efter pris, produktnavn og nyeste. Det fungerer, men hjælper ikke nødvendigvis kunden med at finde de mest relevante produkter først.

“Mest relevante” eller “populære” kan være langt mere brugbart, hvis webshoppen har et datagrundlag, der gør sorteringen troværdig.

På andre webshops kan leveringstid være vigtigere. Produkter på lager kan prioriteres, anmeldelser kan spille ind, og det samme kan salgsdata eller produktets relevans for kategorien.

Sorteringen bør afspejle, hvordan kunderne vælger produkter – ikke bare hvilke felter systemet nemt kan sortere efter.

Fra 1.200 produkter til otte relevante muligheder

Forestil jer en B2B-webshop med 1.200 forskellige arbejdsjakker.

Kunden leder efter en jakke til udendørs arbejde om vinteren.

Med dårlige produktdata bliver det hurtigt tungt. Kunden kan måske vælge et brand og sortere efter pris, men skal derefter åbne en lang række produkter for at finde ud af, om de faktisk passer til opgaven.

Med strukturerede produktattributter kan kunden i stedet filtrere efter vinterbrug, vandtæthed, størrelse XL, høj synlighed, relevant sikkerhedsstandard og produkter på lager.

Pludselig er 1.200 jakker blevet til otte realistiske muligheder, som derefter kan sorteres efter eksempelvis popularitet, pris eller leveringstid.

Sortimentet er det samme. Forskellen er, hvor meget arbejde kunden selv skal udføre for at finde frem til de rigtige produkter.

Produktdata har også betydning uden for webshoppen

Produktdata bliver ikke kun brugt af kunden.

Søgemaskiner, produktfeeds og andre digitale systemer skal også kunne forstå produkterne og forskellene mellem dem.

Hvis vigtige oplysninger kun findes i lange beskrivelser eller tilfældige fritekstfelter, bliver de sværere at genbruge. Strukturerede produktegenskaber giver et langt bedre udgangspunkt for kategorier, landingssider, intern søgning, produktfeeds og strukturerede data.

Det giver også bedre muligheder for at arbejde målrettet med SEO-landingssider.

Hvis kunder eksempelvis søger efter “vandtætte sikkerhedssko til vinter”, og webshoppen allerede har faste attributter for vandtæthed, anvendelse og sæson, har virksomheden noget konkret at bygge videre på.

Her viser værdien af ordentlige produktdata sig igen: De kan bruges flere steder, uden at de samme oplysninger skal opfindes og vedligeholdes på ny hver gang.

Pas på, når filtre bliver indekserbare

Filtre kan skabe gode SEO-muligheder.

De kan også skabe et imponerende rod.

Hvis enhver kombination af størrelse, farve, brand, materiale og pris automatisk får sin egen URL, kan selv en mellemstor webshop ende med enorme mængder URL-varianter.

De fleste har ingen værdi i Google. Enkelte kan til gengæld være interessante.

Hvis der er reel søgeefterspørgsel efter en bestemt kombination af produkter og egenskaber, kan det give mening at lave en målrettet landingsside omkring den.

Det kræver bare, at man vælger til og fra.

SEO-strukturen bør derfor være med i overvejelserne, når filtreringen bliver bygget. Det er væsentligt rarere end at opdage problemet, når Google allerede har fundet hundredtusindvis af URL-varianter.

Dårlige produktdata bliver dyre i stor skala

En webshop med 100 produkter kan komme langt med manuelt arbejde. Ved 10.000 eller 100.000 produkter begynder små inkonsekvenser at vokse sig store.

Hvis attributter er oprettet forskelligt, værdier ikke er standardiseret, og vigtige oplysninger ligger som fritekst, bliver dataene svære at bruge på tværs.

Farver er et simpelt eksempel.

Ét produkt står som “mørkeblå”. Et andet som “navy”. Et tredje som “navy blue”. Et fjerde bare som “blå”.

For et menneske er forskellen til at overskue, men for systemet kan det være fire forskellige værdier.

Det skaber problemer i filtre, produktfeeds, integrationer og automatisering.

Jo større sortimentet bliver, desto mere værdifulde bliver klare regler for, hvordan produktdata oprettes og vedligeholdes. Oprydningen bliver sjældent mindre af at vente.

På store produktkataloger bliver selve datamodellen hurtigt afgørende. Det så vi blandt andet hos Hans Høj Lagerinventar, hvor arbejdet med produkt- og kategoridata var en vigtig del af at skabe en mere overskuelig løsning.

Start med den beslutning, kunden skal træffe

Produktdata, filtre og sortering kan virke som små detaljer i en stor e-commerce-løsning, men de afgør noget helt grundlæggende:

Hvor nemt er det at gå fra “jeg har et behov” til “det her er det rigtige produkt”?

En god struktur gør det lettere at navigere i store sortimenter, sammenligne relevante produkter og forstå forskellene mellem dem. Samtidig får virksomheden bedre data at arbejde videre med i SEO, produktfeeds, integrationer, automatisering og den videre udvikling af webshoppen.

Derfor ville vi heller ikke begynde med spørgsmålet:

“Hvilke filtre skal vi have?”

Vi ville begynde med kunden.

Hvilke oplysninger skal kunden have for at kunne vælge rigtigt?

Når det er på plads, bliver det langt lettere at afgøre, hvilke produktdata der skal struktureres, hvilke filtre der giver mening, og hvordan sorteringen skal fungere.

Conversios anbefaling

Vi ser produktdata som en del af webshoparkitekturen.

På Magento 2-webshops med store eller komplekse kataloger kan en gennemtænkt attributstruktur få stor betydning for både navigation, SEO og den videre udvikling. Hvis produktdataene skal oprettes eller ændres i større skala, er det samtidig værd at have styr på, hvordan dataimport i Magento 2 håndteres.

Det samme gælder Shopify, hvor metafields, produktdata og kollektioner bør sættes op med lidt længere tidshorisont end næste produktimport.

Begynd med de egenskaber, der faktisk adskiller produkterne for kunden. Strukturér dem konsekvent, og brug dem derefter dér, hvor de gør noget nyttigt: i filtre, sortering, søgning, kategorier og SEO.

Har I 10.000 produkter og et filter, der stadig kun tilbyder pris, brand og farve, er det værd at se nærmere på strukturen, før næste redesign bliver bestilt.

Hos Conversio hjælper vi med at se på sammenhængen mellem produktdata, navigation, SEO og den tekniske platform, så store sortimenter bliver lettere at arbejde med – både for kunden og for virksomheden.