Wyszukiwarka produktów w sklepie internetowym — GA4, Baymard i filtry

Wyszukiwarka produktów to jedno z niewielu miejsc w sklepie internetowym, w których klient mówi Ci dosłownie, czego szuka. Nie musisz tego wnioskować z kliknięć — czytasz wpisane zapytanie. Te dane łatwo jednak zbierać przypadkowo albo wcale, jeśli pomyli się dwie różne „wyszukiwarki”: tę, przez którą klienci trafiają do sklepu z Google, i tę wewnętrzną, w którą wpisują zapytanie już na stronie. Wyszukiwarka produktów daje dwa rodzaje danych. Pierwszy to zapytania, dla których klienci nic nie znaleźli — do odczytania w Google Analytics 4. Drugi to odpowiedź na pytanie, czy lista wyników pomaga, czy przeszkadza — do oceny według wytycznych UX, które od lat testuje Baymard Institute. Obie warstwy spotykają się w miejscu, które łatwo staje się ślepym zaułkiem sklepu: na stronie wyników bez trafień.

Dwie różne wyszukiwarki: Search Console i wyszukiwarka produktów w sklepie

Search Console pokazuje, co ludzie wpisują w Google, zanim trafią do sklepu; o tym, czego szukają już w sklepie, nie wie nic. Oba narzędzia łatwo pomylić, bo oba mówią o „wyszukiwaniu” i oba mają panel z danymi od Google. Według pomocy Search Console „Raport skuteczności zawiera ważne dane o wydajności witryny w wynikach wyszukiwania Google”. Kliknięcia to „liczba kliknięć witryny w wynikach wyszukiwania Google”, wyświetlenia — „ile razy Twoja witryna pojawiła się w wynikach wyszukiwania”, a wymiar „zapytania” grupuje dane „według zapytania wpisanego przez użytkowników” w Google. Raport da się filtrować według typu wyszukiwania: w internecie (tekstowego lub multimodalnego), obrazów, filmów i wiadomości. To wciąż jednak typy wyszukiwania po stronie Google, a nie wgląd w wewnętrzną wyszukiwarkę Twojego sklepu.

Search Console nie widzi, co dzieje się na stronie po wejściu użytkownika, więc nie może mieć takiego wglądu. Dane o wyszukiwaniu wewnętrznym daje osobne źródło: zdarzenie view_search_results w Google Analytics 4. Search Console mówi, co sprowadza ruch z Google (odkrywanie zewnętrzne), a GA4 — czego ludzie szukają, gdy są już w sklepie (odkrywanie wewnętrzne). Potrzebujesz obu, bo żadne nie zastępuje drugiego.

Jak skonfigurować śledzenie wyszukiwarki produktów w GA4

GA4 wykrywa wyszukiwanie w sklepie automatycznie tylko wtedy, gdy zapytanie trafia do adresu URL w jednym z pięciu domyślnych parametrów. Pomiar zaawansowany ma wbudowane zdarzenie view_search_results, wywoływane „za każdym razem, gdy użytkownik zobaczy stronę wyników wyszukiwania, na co wskazuje obecność parametru zapytania w adresie URL” (pomoc Analytics). Domyślnie GA4 szuka w adresie parametrów q, s, search, query i keyword. Polska wersja pomocy tłumaczy trzy ostatnie nazwy na „wyszukiwanie”, „zapytanie” i „słowo kluczowe”, ale w adresie URL liczą się nazwy angielskie, takie jak w wersji angielskiej.

Jeśli wyszukiwarka Twojego sklepu używa innej nazwy parametru — np. szukaj albo fraza w niestandardowym wdrożeniu — zdarzenie view_search_results nigdy się nie uruchomi, dopóki nie dodasz tego parametru ręcznie. Ścieżka w GA4: Administracja → Zbieranie i modyfikowanie danych → Strumienie danych → nazwa strumienia → Pomiar zaawansowany, a w nim ustawienia opcji wyszukiwania w witrynie. Wpisane przez klientów frazy trafiają do parametru search_term, który wypełnia wymiar „Wyszukiwane hasło” — to w nim przeglądasz same zapytania.

To wykrywanie działa wyłącznie na podstawie parametru w adresie URL. Wyszukiwarka zrealizowana przez żądanie POST, przez router SPA bez parametru w adresie albo przez segment ścieżki (np. /szukaj/produkt bez ?q=) nie zostanie wykryta automatycznie. Potrzebujesz wtedy ręcznego zdarzenia gtag/GTM albo dodatkowej reguły w konfiguracji tagu.

Osobnej uwagi wymagają zapytania, które zwracają zero wyników. GA4 nie wyodrębnia ich sam — trzeba je świadomie wyciągnąć z view_search_results, np. przekazując w zdarzeniu dodatkowy parametr z liczbą zwróconych wyników (results_count albo podobny, ustawiany w GTM w chwili renderowania strony wyników). Lista zapytań z zerowym wynikiem to w praktyce dwa różne problemy naraz. Albo sklep nie ma danego produktu w asortymencie, albo ma go, ale źle nazwał lub otagował, więc wyszukiwarka go nie znajduje. Rozróżnienie tych przypadków — brak towaru czy brak metadanych — to pierwszy krok do decyzji, co z taką listą zrobić.

Co odczytać z danych: zapytania bez wyników, popularne zapytania, wyjścia po wyszukiwaniu

Po skonfigurowaniu śledzenia te same dane odpowiadają na trzy różne pytania:

• Zapytania bez wyników. Każde takie zapytanie sygnalizuje albo brak w asortymencie, albo brak synonimów lub tagów. Regularny przegląd tej listy, a nie jednorazowy, pokazuje, czy problem narasta po wprowadzeniu nowej kategorii albo zmianie nazewnictwa produktów.
• Popularne zapytania. To, czego klienci szukają najczęściej, niezależnie od tego, czy wyszukiwarka to znalazła. Jeśli popularne zapytanie prowadzi do słabo widocznej kategorii albo do produktu z niskim stanem magazynowym, masz konkretny powód, by poprawić jego widoczność w nawigacji, nie tylko w wyszukiwarce.
• Wyjścia po wyszukiwaniu. Użytkownik wyszukał, dostał wyniki i opuścił stronę bez dalszej interakcji. To inny sygnał niż zapytanie bez wyników: wyniki były, tylko nie przekonały. Warto sprawdzić, czy problem leży w kolejności wyników (trafności), czy w prezentacji listy — a to prowadzi prosto do UX wyszukiwarki i listy produktów, opisanego niżej.

Strona wyników bez trafień nie może być ślepym zaułkiem

Zapytanie bez wyników nie musi kończyć ścieżki klienta, a według [Baymarda](https://baymard.com/research-articles/no-results-page) blisko 50% sklepów nie daje na takiej stronie skutecznej drogi dalej. Najgorszy wariant to pusta strona z jednym zdaniem „nie znaleziono wyników”. Klient najłatwiej zamyka wtedy kartę, bo strona nie proponuje żadnego kolejnego kroku. Baymard pisze wprost, że wiele sklepów umieszcza na takiej stronie „wskazówki wyszukiwania”, np. radę, by sprawdzić pisownię albo użyć ogólniejszych słów, a użytkownicy „rzadko je czytają lub skutecznie stosują”. Cytaty z Baymarda podajemy w tłumaczeniu własnym. Strona bez trafień potrzebuje konkretnych elementów, a nie samej rady.

Baymard wymienia pięć strategii, które pomagają klientowi wrócić na ścieżkę zakupu po nieudanym wyszukiwaniu:

• Linki do powiązanych kategorii albo od razu przefiltrowana lista, najbliższa intencji zapytania. Przykład Baymarda: gdy „czerwone kurtki zimowe” nie dają wyników, lepszy od linku do kategorii „kurtki” jest link do listy kurtek z włączonym filtrem „zimowe”.
• Alternatywne zapytania z podglądem produktów — Baymard zaleca pokazać „podgląd 3–5 najlepszych produktów dla każdego alternatywnego zapytania”, a nie samą tekstową listę podpowiedzi. Jeśli wyszukiwarka znajdzie tylko jedno alternatywne zapytanie, powinna zastosować je automatycznie i poinformować, że dla pierwotnego zapytania wyników nie było.
• Spersonalizowane rekomendacje, jeśli sklep ma już dane o zachowaniu klienta.
• Widoczny, bezpośredni kontakt — Baymard radzi „wyświetlić bezpośredni numer telefonu, zamiast chować go za ogólnym linkiem do wsparcia”, a do tego rozważyć czat.
• Popularne produkty i kategorie (np. „Trending Now”, „Best Sellers”) jako ostatnia deska ratunku, gdy zapytanie nie pasuje do żadnej kategorii ani typu produktu.

Bliźniaczy temat to tolerancja literówek w autouzupełnianiu. W testach Baymarda niemal wszyscy użytkownicy w którymś momencie korzystali z podpowiedzi autouzupełniania przy układaniu zapytania, a mimo to — jak podaje jego benchmark — „69% witryn nie obsługuje w autouzupełnianiu podpowiedzi pisowni dla lekko błędnie wpisanych zapytań”. Literówka, która nie trafia dokładnie w nazwę produktu, często nie dostaje więc żadnej podpowiedzi, zamiast zostać poprawiona albo zasugerowana. Zastrzeżenie: obie liczby pochodzą z benchmarku sklepów z USA i Europy, nie z badania polskiego rynku. Artykuły mają też swoje daty — tekst o stronie bez wyników opublikowano w 2019 roku i zaktualizowano w lutym 2025, tekst o literówkach pochodzi z sierpnia 2021. Traktuj te liczby jako wskazanie skali problemu, a nie aktualny pomiar polskich sklepów.

Żaden z tych elementów nie wymaga zmian w asortymencie — to zmiany w logice i układzie strony wyników oraz autouzupełniania. Dobrze zaprojektowana strona bez trafień i regularny przegląd zapytań, które do niej prowadzą, to dwa uzupełniające się działania: pierwsze od razu poprawia doświadczenie klienta, drugie z czasem usuwa przyczynę.

Autouzupełnianie: zasady, których większość sklepów nie spełnia w całości

Autouzupełnianie ma dziś większość sklepów, ale tylko niewielka część wdraża je dobrze. Zanim klient dotrze do strony wyników, przechodzi przez podpowiedzi — i tam Baymard znajduje osobny, powtarzalny zestaw błędów. Według Baymarda autouzupełnianie ma 80% sklepów z jego benchmarku (w 2014 roku 72%), ale tylko 19% ma dobrze zrobione „wszystkie szczegóły wdrożenia” (artykuł z sierpnia 2022). Wybrane praktyki:

• Zbyt długa lista podpowiedzi. W testach Baymarda lista dłuższa niż ok. 10 pozycji na desktopie (ok. 8 na telefonie) wywoływała „paraliż decyzyjny” — użytkownicy zaczynali ignorować podpowiedzi albo tracili czas na ich czytanie. Zalecenie: najwyżej 10 podpowiedzi na desktopie i 4–8 na telefonie.
• Brak wizualnego rozróżnienia typów podpowiedzi. Podpowiedzi „zakresu” (np. propozycja kategorii czy marki) powinny wyglądać inaczej niż podpowiedzi dopasowujące się do wpisywanego tekstu. Inaczej klient nie wie, czy klika kolejny etap tego samego zapytania, czy zupełnie inną ścieżkę.
• Wyróżnianie tego, co klient już wpisał, zamiast tego, co dopowiada wyszukiwarka. Pogrubiona powinna być część przewidywana, bo to ona różni kolejne podpowiedzi.
• Za małe pola dotykowe na telefonie. Przy zbyt ciasnych odstępach i drobnej czcionce łatwo trafić kciukiem w złą podpowiedź i wylądować na nieoczekiwanej stronie wyników.

Te liczby pochodzą z artykułu z 2022 roku. Traktuj „80%” i „19%” jako rząd wielkości problemu, a nie aktualny pomiar polskich sklepów.

Wyszukiwarka produktów pod lupą testów Baymarda

Skala niezależnych badań UX pokazuje, że słaba wyszukiwarka to problem powszechny, a nie wada pojedynczych sklepów. Baymard testował wyszukiwarki na „19 wiodących sklepach e-commerce w 8 różnych branżach” z udziałem użytkowników w wieku 21–56 lat. W trakcie testów „wyłoniło się ponad 700 problemów użyteczności związanych z wyszukiwaniem”. Do tego dochodzi benchmark 344 dużych sklepów z USA i Europy: ponad 5000 ręcznie ocenionych elementów wyszukiwarki i ponad 4500 przykładów dobrych i złych praktyk. Według strony badania całość złożyła się na 31 wytycznych UX w pięciu obszarach: typy zapytań, formularz i logika wyszukiwania, autouzupełnianie, logika i prowadzenie w wynikach oraz układ i filtrowanie wyników.

Baymard podsumowuje wprost: wyszukiwarka e-commerce „nie jest tak łatwa w użyciu, jak powinna być”, a słaby stan wyszukiwania „występuje we wszystkich branżach”. Strona badania nie podaje daty ostatniej aktualizacji benchmarku, więc te liczby (19 sklepów, 700+ problemów, 344 witryny w benchmarku) traktuj jako skumulowany wynik programu badawczego Baymarda, a nie jedno badanie z jednego roku.

Filtry i listy produktów — gdzie wyszukiwarka kończy się na liście

Wyszukiwarka rzadko działa w oderwaniu od listy produktów: klient, który wpisał zapytanie, zwykle musi jeszcze przefiltrować wyniki po rozmiarze, cenie albo kolorze. Osobne badanie Baymarda nad listami produktów, filtrowaniem i sortowaniem ma tak samo opisaną metodologię jak badanie wyszukiwarki („19 wiodących sklepów w 8 branżach”, uczestnicy w wieku 21–56 lat). Tu jednak „ponad 700 problemów użyteczności” dotyczy list produktów, filtrowania i sortowania. Strona nie mówi wprost, czy to ta sama runda testów, więc tych dwóch liczb nie sumujemy. Baymard zebrał te problemy w 83 wytyczne dotyczące list produktów. Benchmark objął „344 najlepiej zarabiające sklepy z USA i Europy” ocenione pod kątem 70 najważniejszych (ważonych) wytycznych — ponad 11 000 ocen UX i ponad 9000 przykładów dobrych i złych praktyk.

Najmocniejsze zdanie z tego badania: „36% witryn ma tak poważne wady projektowe i funkcjonalne, że wręcz szkodzą użytkownikom” w znalezieniu i wyborze produktów. Baymard szacuje też, że przeciętna witryna potrzebuje 35 zmian projektowych, by osiągnąć optymalną użyteczność listy produktów — to wniosek z jego własnego benchmarku, a nie niezależny audyt.

Filtry mają jeszcze jedną konsekwencję poza UX. Adresy URL tworzone przez kombinacje filtrów (nawigacja fasetowa) mogą tworzyć praktycznie nieskończoną przestrzeń adresów do przeszukania przez Google. Jeśli nikt jej nie kontroluje, roboty tracą czas, który mogłyby poświęcić na indeksowanie naprawdę nowych stron. Ten techniczny temat SEO opisujemy na podstawie dokumentacji Google w artykule o pozycjonowaniu sklepu internetowego. Tu wystarczy zapamiętać, że dobry filtr to sprawa i UX, i crawlowania — oba problemy warto rozwiązywać razem.

Plan na 30 dni: od śledzenia do poprawek

Zamiast czekać na „pełny audyt”, rozłóż pracę na cztery tygodnie — od konfiguracji do pierwszych poprawek:

• Dni 1–7 — konfiguracja. Sprawdź w DebugView w GA4, czy view_search_results faktycznie się uruchamia przy wyszukiwaniu w Twoim sklepie. Jeśli nie — dodaj właściwy parametr URL w ustawieniach pomiaru zaawansowanego albo skonfiguruj zdarzenie ręcznie przez GTM. Dodaj też parametr z liczbą wyników, żeby wyodrębnić zapytania z zerowym trafieniem.
• Dni 8–14 — zbieranie danych. Pozwól danym spływać przez tydzień, potem wyciągnij trzy listy: zapytania bez wyników, najpopularniejsze zapytania i sesje z wyszukiwaniem zakończone wyjściem bez dalszej akcji.
• Dni 15–21 — audyt UX wyszukiwarki i listy. Przejdź formularz wyszukiwania, autouzupełnianie, stronę wyników i stronę bez trafień pod kątem obszarów opisanych wyżej: tolerancji literówek, podpowiedzi, powiązanych kategorii, popularnych produktów na stronie bez trafień i trafności domyślnego sortowania listy.
• Dni 22–30 — wdrożenie i ponowny pomiar. Wprowadź poprawki wynikające z list zapytań (brakujące synonimy, nowe tagi, poprawione nazwy produktów) i z audytu UX. Po miesiącu porównaj te same trzy listy z danymi z dni 8–14, żeby zobaczyć, które zapytania bez wyników zniknęły, a które wymagają realnej zmiany w asortymencie.

Jeśli wolisz przejść przez konfigurację GA4 i audyt UX wyszukiwarki z kimś, kto zrobi to dla całego sklepu, napisz do nas. To także jeden z punktów checklisty UX sklepu internetowego, obok checkoutu i strony produktu, które opisujemy w hubie UX/UI.