AI-gedreven zoekopdrachten — semantic search voor webshops

AI-gedreven zoekopdrachten — semantic search voor webshops

Iemand typt "witte sneakers heren maat 43 met memory foam zool" in de zoekbalk. Resultaat: 0 producten gevonden. Maar je hebt ze wel. Ze heten in jouw catalogus "Comfort Runner Wit — Maat 43" en de beschrijving vermeldt "ergonomisch voetbed".

Dit is het fundamentele probleem met keyword-gebaseerde zoekfuncties. Ze matchen tekens, niet betekenis. Semantic search lost dit op — en de impact op conversie is direct meetbaar.

Hoe traditionele zoekfunctionaliteit werkt

De meeste webshop-zoekfuncties werken op basis van inverted indexes. Elk woord in een zoekopdracht wordt opgezocht in een index van productdata. Producten die de meeste woorden bevatten, scoren hoger.

Dit systeem faalt op drie fronten.

Wat semantic search is — de technologie uitgelegd

Semantic search gebruikt machine learning embeddings om woorden, zinnen en documenten te representeren als vectoren. Een vector is een lijst met getallen — een punt in een wiskundige ruimte met honderden of duizenden dimensies.

Woorden en zinnen met vergelijkbare betekenis liggen dicht bij elkaar in die ruimte. "Sneakers" en "trainers" zijn vectorieel naburig. "Sneakers" en "sofa" zijn dat niet. Dit wordt geleerd uit miljarden tekst-voorbeelden tijdens de training van het embedding-model.

Wanneer een klant zoekt, wordt zijn zoekopdracht omgezet naar een vector. Vervolgens worden producten gevonden waarvan de vector het dichtst bij de zoekvector ligt — vector similarity search.

Klant typt zoekopdracht
        ↓
Embedding model zet tekst om naar vector (1536 getallen)
        ↓
Vector database zoekt de K meest nabije productenvectoren
        ↓
Resultaten worden hergrankt op basis van business-regels (voorraad, marge, populariteit)
        ↓
Klant ziet relevante resultaten

De kwaliteit van dit systeem staat of valt met het embedding-model en de kwaliteit van de productdata die geïndexeerd is.

Managed oplossingen — Algolia en Klevu

Voor de meeste webshops is een custom vector search implementatie meer werk dan nodig. Managed oplossingen nemen het zware werk over.

Algolia NeuralSearch

Algolia's NeuralSearch combineert hun bewezen keyword-engine met vector search. Het systeem bepaalt automatisch de gewichten tussen beide methoden op basis van de specifieke zoekopdracht.

• Eenvoudige integratie met Magento via officiële extensie en met Shopify via native connector
• Geen ML-kennis of GPU-infrastructuur vereist
• Automatische synoniemendetectie op basis van zoekgedrag
• A/B testing ingebouwd voor rankingvarianten
• Goede documentatie en developer-ervaring

• Kosten schalen steil met query-volume — voor shops met meer dan 500k zoekopdrachten per maand significant
• Minder controle over het rankingmodel
• Vendor lock-in: migratie achteraf is werk

Klevu

Klevu is volledig gefocust op e-commerce zoekfunctionaliteit en personalisatie. Het platform traint een eigen AI-model op basis van je catalogus en zoekgedrag.

• Sterk in cataloguspersonalisatie — leert van klikgedrag en aankoopdata
• Categoriepagina-optimalisatie ingebouwd: AI-gedreven merchandise op categoriepagina's
• Goede Magento-integratie, uitgebreide configuratiemogelijkheden
• Dedicated e-commerce AI — niet een algemeen zoekplatform

• Hogere instapprijs dan Algolia
• Langere initiële trainingsperiode (2-4 weken voor goed baseline model)
• Minder geschikt voor kleinere shops vanwege prijsdrempel

Vergelijking voor concrete keuze

Onze vuistregel: Algolia voor shops tot €10M omzet die snel willen implementeren. Klevu voor shops boven €10M die bereid zijn te investeren in een sterkere personalisatielaag. Custom voor shops met zeer specifieke requirements of een technisch team dat volledige controle wil.

Conversie-impact — concrete cijfers

Semantic search heeft een directe impact op conversie via drie meetbare mechanismen.

Relevantere resultaten betekenen meer kliks. Wij meten gemiddeld 15-25% hogere click-through rates na migratie van keyword-search naar semantic search. Klanten vinden op pagina 1 wat ze zoeken in plaats van pagina 3.

Het percentage zoekopdrachten met nul resultaten daalt met 40-60%. Elke zoekopdracht die nu wél resultaten toont is een conversiekans die voorheen verloren ging. Op een shop met 8% zero-results rate en 200k zoekopdrachten per maand: 9.600 extra kansen per maand.

Klanten die zoeken converteren gemiddeld 3-5x beter dan klanten die browsen. Betere zoekresultaten verhogen dit verder. Benchmarks tonen 10-20% hogere conversie op zoekopdrachten na implementatie van semantic search.

Webshop met €2 miljoen omzet, 30% van transacties via zoekfunctie (= €600k), 3% zoekconversie.

Na implementatie semantic search:

• Zero-results rate daalt van 8% naar 3%: 5% meer zoekopdrachten met resultaten
• Zoekconversie stijgt van 3% naar 3,5%: relatief +16,7%
• Extra omzet via zoekopdrachten: €100.000 per jaar
• Kosten Algolia: €1.800-€8.400 per jaar afhankelijk van volume
• ROI: 12:1 tot 55:1

Personalisatie — de volgende stap na relevantie

Semantic search geeft relevante resultaten. Gepersonaliseerde semantic search geeft relevante resultaten die passen bij deze specifieke klant.

Als een klant altijd schoenen in maat 42 koopt, moeten die bij een zoekopdracht op producten met voorraad in maat 42 hoger ranken. Als een klant in het premium segment shopt, moeten budgetproducten lager ranken.

Dit vereist integratie tussen je zoeksysteem en je klantprofiel. Algolia en Klevu bieden dit both als feature. Custom implementaties kunnen dit bouwen op basis van sessiondata en aankoophistorie.

Implementatiestrategie in drie fasen

Fase 1: Meten (1 week)

Leg de baseline vast voordat je iets aanpast:

• Zero-results rate (beschikbaar in Magento search analytics of via Google Analytics events)
• Click-through rate op zoekresultaten
• Conversieratio vanuit zoekopdrachten
• Top 100 zoekopdrachten en bijbehorende klikdata

Zonder baseline kun je later niet aantonen dat de implementatie iets heeft opgeleverd.

Fase 2: Hybride implementatie (1-3 weken)

Combineer altijd vector search met keyword-search. Zuivere vector search geeft soms te vage resultaten — een zoekopdracht naar "Nike Air Max 90" moet exacte productnaam-matches prioriteit geven boven semantisch vergelijkbare producten.

De juiste verhouding is context-afhankelijk en leer je via A/B tests. Start met 70% keyword-gewicht en 30% vector-gewicht en pas aan op basis van klikdata.

Fase 3: Feedback loop (continu)

Gebruik klikdata en conversiedata om het model te verfijnen. Producten die vaker worden gekocht na een zoekopdracht moeten hoger ranken. Producten die vaak bekeken maar niet gekocht worden moeten lager ranken.

Dit is de stap die managed platforms automatisch doen. Custom implementaties vereisen hier expliciete aandacht.

Database-optimalisatie als fundament

Semantic search werkt alleen goed als je productdata volledig en consistent is. Ontbrekende beschrijvingen, slechte categorisering en inconsistente attributen verslechteren de embedding-kwaliteit.

Meer over het optimaliseren van je Magento-database lees je in ons artikel over Magento 2 database optimalisatie.

Conclusie

Semantic search is geen hype maar een meetbare verbetering voor webshops met meer dan 500 producten. De instapdrempel is lager dan ooit — managed oplossingen als Algolia NeuralSearch maken het toegankelijk zonder ML-expertise of GPU-infrastructuur.

De ROI is aantoonbaar, de implementatietijd is beheersbaar en de technologie is volwassen genoeg voor productieomgevingen. De enige vereiste is goede productdata als fundament.

Zoekanalytics — meten wat je niet ziet

Een groot voordeel van een modern zoeksysteem is de analytics die het genereert. Algolia en Klevu bieden uitgebreide zoekanalytics. Bij een custom implementatie moet je dit zelf bouwen.

Maak van zoekanalytics een maandelijks ritueel. Dertig minuten per maand door je zoekdata lopen levert meer inzicht op dan welk marktonderzoek dan ook.

Voice search en de gevolgen voor semantic search

De opmars van voice search verandert hoe mensen zoeken. Gesproken zoekopdrachten zijn langer en conversationeeler dan getypte queries. "Hey, ik zoek een winterjas voor mijn dochter van twaalf die veel buiten speelt" is een typische voice query.

Keyword-gebaseerde zoekfuncties falen hier volledig. Semantic search behandelt dit type query van nature beter, omdat het de intentie begrijpt in plaats van individuele woorden te matchen.

Voor webshops die zich richten op consumenten die smartphone-first winkelen — en dat is inmiddels de meerderheid — is voice-optimalisatie een aanvullende reden om te investeren in semantic search.

Praktisch: test je zoekfunctie regelmatig met gesproken-taal-achtige queries. Hoe presteert "iets warms voor 's ochtends in de tuin" als zoekopdracht? Als het resultaat nul is, heb je werk te doen.

Internationale uitrol en meertalige semantic search

Voor webshops die in meerdere talen opereren, voegt semantic search een extra dimensie toe: taalkundige variatie in dezelfde betekenis.

"Sneakers" in het Nederlands, "trainers" in het Engels, "Turnschuhe" in het Duits — drie woorden, één intentie. Een keyword-systeem heeft drie aparte synoniemlijsten nodig. Een semantisch systeem begrijpt de gelijkenis als het getraind is op meertalige data.

OpenAI's text-embedding-3-small en text-embedding-3-large zijn getraind op meertalige data en presteren goed op Europese talen. multilingual-e5-large van Microsoft is een sterk open-source alternatief specifiek voor meertalige use cases.

Voor een webshop die in vier landen opereert met vier talen: embed je productdata per taal (of gebruik meertalige embeddings die taalagnostisch zijn), zodat een zoekopdracht in welke taal dan ook de juiste producten teruggeeft.

Van zoeken naar ontdekken — categoriepagina's

Semantic search stopt niet bij de zoekbalk. Dezelfde onderliggende technologie kan ingezet worden voor het dynamisch rangschikken van producten op categoriepagina's.

In plaats van vaste sorteervolgorde (populairste eerst, nieuwste eerst) worden producten gerangschikt op basis van de combinatie van populariteit, klikgedrag, conversierate én semantische relevantie voor de categoriepagina-naam.

Klevu is hierin marktleider voor Magento. Algolia biedt dit als "Dynamic Re-Ranking" feature. De impact op categoriepagina-conversie is vergelijkbaar met de impact op zoekconversie: 10-20% verbetering bij correcte implementatie.

Wil je semantic search implementeren voor jouw webshop of meer weten over de architectuur? Neem contact op — we denken graag mee.