Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
To pytanie dostaję zwykle w tej samej formie: „słyszałem, że ludzie kupują przez zdjęcia — ile my z tego mamy?”. Odpowiedź jest niewygodna, bo prawidłowa brzmi „nie wiem i Ty też się nie dowiesz, przynajmniej nie bezpośrednio”. Nie ma w żadnym panelu wiersza, który pokazywałby transakcje pochodzące z rozpoznania obrazu.
To nie znaczy, że temat jest pusty. Znaczy tylko, że trzeba go rozłożyć na coś sprawdzalnego: skąd taki ruch wchodzi, gdzie ląduje w raportach, jak zachowuje się na tle innych źródeł i jaką decyzję można na tej podstawie podjąć.
Piszę to z pozycji osoby, która regularnie musi obronić albo odrzucić budżet na jakieś działanie. Chcę więc pokazać, jak podejść do wyszukiwania wizualnego uczciwie — bez obiecywania kanału, którego nikt nie potrafi zmierzyć, i bez odrzucania czegoś, co realnie się zdarza.
Wyszukiwanie obrazem przestało być niszą, bo Google wbudowało je w miejsca, przez które ludzie i tak przechodzą. Ikona w pasku wyszukiwania, obsługa zrzutów ekranu, a na części telefonów z Androidem gest zakreślenia bez wychodzenia z bieżącej aplikacji. Liczba sytuacji, w których użycie tej funkcji jest naturalne, wzrosła bez żadnej zmiany nawyków po stronie użytkownika.
Do tego doszedł scenariusz mocno zakupowy: ktoś widzi rzecz na zdjęciu w mediach społecznościowych albo u znajomego, nie zna nazwy marki i nie ma jak jej opisać słowami. Obraz jest wtedy jedynym możliwym zapytaniem.
Stąd oczekiwanie, że taki ruch powinien być widoczny w statystykach jako osobna pozycja. Problem polega na tym, że z punktu widzenia serwera i systemu analitycznego to zwykłe wejście z wyszukiwarki Google — dokładnie takie samo jak po wpisaniu frazy.
Rozłóżmy drogę użytkownika na etapy, bo każdy etap gubi część informacji.
Użytkownik robi zdjęcie, dostaje wyniki wizualne, klika w kartę produktu i trafia na stronę sklepu. Przeglądarka przekazuje informację o źródle, ale jest nią domena wyszukiwarki, ewentualnie z parametrami, których nikt nie dokumentuje i które zmieniają się bez uprzedzenia. W raportach widać więc wyszukiwanie organiczne albo ruch odsyłający z Google, zależnie od tego, jak zachowała się przeglądarka w aplikacji.
Search Console pokazuje w tym samym czasie coś innego. W raporcie skuteczności można przełączyć typ wyszukiwania na grafikę i zobaczyć wyświetlenia oraz kliknięcia dla obrazów. To najbliższy dostępny wskaźnik, ale nie jest tożsamy z wyszukiwaniem obrazem — obejmuje też klasyczne wejścia z siatki grafiki po zapytaniu tekstowym, a niekoniecznie wszystkie wejścia z rozpoznania obiektu.
W praktyce oznacza to, że mamy dwa niepełne obrazy tego samego zjawiska, których nie da się ze sobą zszyć. Każda próba wyliczenia z nich „konwersji z Lens” jest w najlepszym razie hipotezą.
Warto to powiedzieć wprost, żeby nikt nie tracił tygodni na szukanie.
Ten ostatni punkt uważam za najważniejszy i najczęściej pomijany. Wyszukiwanie obrazem pełni najczęściej rolę identyfikacji, nie zakupu: użytkownik dowiaduje się, jak nazywa się rzecz, której szuka. Kupuje potem, już słowami. Kanał, który dostarcza nazwę, w raportach nie dostaje nic.
Skoro pomiar bezpośredni jest niedostępny, pozostają wskaźniki pośrednie. Traktuję je jako przesłanki, nie dowody.
Pierwszy: ruch dla typu wyszukiwania „grafika” w Search Console, obserwowany w czasie i zestawiony z zakresem prac nad zdjęciami. Jeśli po uporządkowaniu galerii i danych produktowych ta krzywa rośnie, a tekstowa zostaje płasko, mam przesłankę, że coś zadziałało.
Drugi: strony docelowe tego ruchu. Jeśli wejścia z grafiki lądują na kartach produktów, a nie na wpisach blogowych, ruch ma charakter zakupowy niezależnie od tego, jak został wywołany.
Trzeci: zachowanie sesji przychodzących na karty produktowe z wyszukiwania organicznego na urządzeniach mobilnych, porównane z resztą. To bardzo zgrubny filtr, ale przy dużym sklepie różnice bywają widoczne.
Czwarty, najprostszy i najczęściej pomijany: test ręczny. Robię zdjęcia kilkunastu produktów klienta w warunkach domowych i sprawdzam, czy Google je rozpoznaje i czy w wynikach pojawia się jego sklep, czy tylko konkurencja. To nie jest metryka, ale odpowiada na pytanie, czy w ogóle jesteśmy w tej grze.
Żeby ocenić potencjał, trzeba zrozumieć, po co ludzie robią zdjęcie zamiast wpisać frazę.
Z tego, co widzę na kontach sklepowych i na własnym zachowaniu, dominują trzy powody. Nie znam nazwy przedmiotu. Nie umiem opisać go słowami dość precyzyjnie, żeby dostać trafne wyniki. Nie chcę przerywać tego, co robię, żeby przepisywać nazwę z opakowania.
Każdy z nich lokuje użytkownika przed decyzją, nie w jej momencie. To ważne, bo z góry ustawia realistyczne oczekiwania: wyszukiwanie wizualne będzie raczej zasilać górę i środek ścieżki niż domykać koszyk. Wyjątkiem są kategorie, w których dopasowanie wizualne jest samą treścią wyboru — dekoracje, odzież, elementy wyposażenia wnętrz. Tam odległość od zakupu jest krótsza.
Z tego wynika też, jakie sklepy mają tu więcej do zyskania: te z produktami rozpoznawalnymi wizualnie i szeroko obecnymi w sieci. Producent niszowego elementu technicznego nie zobaczy z tego nic, i nie ma sensu obiecywać mu inaczej.
Moje podejście jest prozaiczne i wynika z tego, że nie potrafię tego kanału rozliczyć.
Nie planuję osobnego budżetu „na wyszukiwanie wizualne”, bo nie umiałbym pokazać z niego zwrotu. Zamiast tego pilnuję rzeczy, które i tak trzeba zrobić, i które przy okazji poprawiają szanse w tym obszarze: jakość i unikalność zdjęć produktowych, poprawne dane strukturalne na kartach, spójny feed z osobnymi zdjęciami dla wariantów, zindeksowana grafika.
Każdy z tych punktów zwraca się w kanałach, które umiem zmierzyć — w kampaniach produktowych, w wynikach organicznych, w wyszukiwaniu grafiki. Wyszukiwanie wizualne dostaję w pakiecie.
Klientowi mówię więc tak: tak, ludzie tak szukają i część z nich kupuje; nie, nie pokażę Ci na to faktury z rozbiciem na źródła. Jeżeli w Twojej kategorii wygląd produktu decyduje o wyborze, warto zainwestować w zdjęcia i dane produktowe niezależnie od tego kanału. Jeżeli nie decyduje, to nie jest miejsce, w którym szukałbym wzrostu w tym roku.
Traktuję to jako temat otwarty i pilnuję dwóch rzeczy.
Pierwsza to rozwój funkcji zakupowych w wynikach wizualnych. Na majowej konferencji Google I/O pokazano między innymi zadawanie pytań nagraniem wideo — na koniec września to wciąż zapowiedź, bez daty udostępnienia. Google mówi o eksperymencie w Search Labs w Stanach Zjednoczonych, po angielsku. Jeśli tego typu rozwiązania w ogóle wyjdą z fazy testów i dojdą do Polski, rola obrazu w ścieżce zakupowej może się przesunąć bliżej decyzji.
Druga to raportowanie. Gdyby Google kiedykolwiek wydzieliło ten typ wyszukiwania w Search Console, cała powyższa ostrożność straci sens i będzie można rozmawiać liczbami. Na dziś takiej zapowiedzi nie ma, więc zostaję przy wnioskach jakościowych i pracy nad fundamentami.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |