B2B tražilica koja ne razumije kupca guši prodaju

Industrijski kupac koji u internetsku tražilicu upiše „mesingana spojnica 3/4 cola, 200 PSI” i umjesto jednog proizvoda dobije stotine nepovezanih rezultata nije tehnički problem, nego izgubljena prodaja.

To je polazište analize koju potpisuje Laurent Desprez iz tvrtke OroCommerce, a koja se bavi pitanjem zašto B2B trgovina traži znatno više od obične pametnije tražilice. Riječ je o tekstu koji je ujedno i marketinški materijal dobavljača softvera, pa ga treba čitati s tom ogradom. No podatke koje iznosi vrijedi razmotriti ozbiljno jer se tiču svake domaće tvrtke koja svoj katalog seli na internet.

Desprez opisuje tipičan scenarij: kupac odustaje od portala i zove trgovačkog predstavnika. Tvrtka je uložila u samoposluživanje, a kupca je vlastita tražilica vratila na telefon i ručni proces. U B2B prodaji tražilica nije ukras — ona je ulazna vrata u digitalnu trgovinu. Kad ta vrata zapnu, gubi vrijednost cijela strategija.

Zašto klasična tražilica pada na tehničkom katalogu

Stari motori uspoređuju riječi, ne značenje. Kupac koji traži „pumpu za morsku vodu” neće pronaći proizvod katalogiziran kao „antikorozivna centrifugalna pumpa morske kvalitete”, iako je riječ o istom artiklu. U industrijskim katalozima, gdje su opisi krajnje tehnički, ta granica ozbiljno kvari iskustvo.

Autori razlikuju tri načina na koja kupci pretražuju: po šifri proizvoda, po kombinaciji karakteristika i po namjeni. Svaki tipfeler u šifri može zatrti svaki rezultat. Kombinirani upit klasični motori krivo interpretiraju. A kad kupac opiše potrebu umjesto komercijalnog naziva, bez razumijevanja namjere tražilica jednostavno zakaže.

Problem se pojačava s veličinom kataloga. Dobro složena taksonomija može poslužiti za nekoliko desetaka tisuća referenci. U katalogu sa stotinama tisuća proizvoda generička pretraga vraća desetke tisuća rezultata, a kupac i nakon nekoliko filtara mora pregledavati golem broj opcija. Put se produljuje, konverzija pada.

Motori temeljeni na ključnim riječima i dalje daju 10 do 15 posto pretraga bez rezultata, a većina korisnika odustaje nakon prvog neuspjeha. To nisu slučajni posjetitelji — to su kupci spremni kupiti, koji se u tom trenutku okreću konkurenciji.

Što zapravo radi AI tražilica

Rješenje koje Desprez opisuje ne počiva na jednoj tehnologiji, nego na nekoliko slojeva. Obrada prirodnog jezika ispravlja pogreške, prepoznaje stručne sinonime i povezuje kupčev izraz s nazivljem iz kataloga. Vektorska pretraga prikazuje proizvode i upite kao vektore pa „3k psi” i „3 000 PSI” vode do istog rezultata. RAG (retrieval-augmented generation) prvo izvuče podatke iz kataloga, a tek onda sastavi odgovor, pa model radi isključivo na podacima tvrtke i teško izmišlja. Hibridna pretraga spaja točno podudaranje šifri sa semantičkim razumijevanjem potrebe.

Na to se nadovezuje Learning to Rank, koji poredak rezultata uči iz stvarnih kupovnih navika. Otvaraju se i novi načini pretrage: vizualna, gdje tehničar fotografira dio i sustav sam prepozna referencu, te razgovorna, gdje kupac postavi pitanje običnim jezikom i dobije upotrebljiv odgovor. AI pritom ne mijenja podatke o proizvodima — samo prevodi jezik kupca u tehničku strukturu kataloga.

Tri scenarija koja ruše povjerenje

B2B trgovina, za razliku od maloprodaje, radi po komercijalnim pravilima specifičnim za svakog kupca. Učinkovita tražilica mora ta pravila primijeniti prije nego što uopće prikaže rezultate: ugovorne kataloge, dogovorene cijene, korisničke uloge i zemljopisna ograničenja.

Kad to izostane, Desprez navodi tri tipična sloma. U prvom motor preporuči artikl koji kupac nema pravo kupiti, pa se narudžba blokira na plaćanju i autonomna kupnja pretvara u reklamaciju trgovcu. U drugom se prikaže ispravan proizvod, ali po javnoj cijeni umjesto dogovorene — kupac pomisli da je poskupio i zove svog predstavnika. U trećem korisnik ugleda cjenovne podatke koji su trebali ostati skriveni od njegove uloge, a pitanje postaje sigurnosno i regulatorno.

Filtriranje rezultata nakon prikaza ne rješava stvar. Ono stvara nedosljednosti u kategorijama, a zabranjeni proizvodi ponekad se pojave već u automatskom dovršavanju upita. Motor mora poslovna pravila primijeniti u stvarnom vremenu, prije prikaza, uzimajući u obzir profil korisnika, ugovore, cijene i teritorij.

Najveći krivac nije AI, nego katalog

Prema AI Benchmarku 2026. koji citira Desprez, 62 posto B2B tvrtki još je u fazi pilot-projekta AI potpomognute pretrage, a samo 24 posto došlo je do proizvodnje. Glavna zapreka nije tehnologija, nego kvaliteta podataka o proizvodima. Pametan motor spojen na nepotpun katalog samo brže širi pogrešne preporuke. Nepotpuni opisi, nedostajući atributi i nedosljedne klasifikacije odmah ruše relevantnost rezultata.

Ilustracija: međunarodni industrijski distributer prije obnove kataloga trebao je gotovo 30.000 ručnih pravila da nadoknadi nedostatke u podacima. Nakon restrukturiranja taksonomije i uvođenja AI-ja ta su pravila nestala, a pretrage bez rezultata pale su za 47 posto, s izravnim učinkom na konverzije.

Prije bilo kakve investicije u novi softver katalog mora ponuditi potpune atribute za sve reference, tehničke karakteristike u strukturiranim poljima, očišćene šifre (SKU) s jasnom hijerarhijom i taksonomiju usklađenu s rječnikom kupaca. Analiza pretraga bez rezultata i napuštenih sesija brzo otkrije jaz između jezika kupaca i jezika kataloga.

Personalizacija koja se razlikuje od maloprodajne

U B2B okruženju personalizacija se ne gradi na profilu pojedinca, nego na stvarnim kupovnim obrascima i specifičnostima računa kupca. AI prepoznaje proizvode koji se redovito naručuju i stavlja ih na čelo prijedloga kako bi ponovljene narudžbe išle brže. Motor uči navike tvrtke i automatski preferira marke, linije ili dobavljače koje kupac obično bira, poštujući pritom komercijalne ugovore. Tražilica može ponuditi i kompatibilne dijelove, potrošni materijal ili dodatke, pa podiže vrijednost košarice bez ometanja kupčeva puta.

Desprez zaključuje da kupovni put B2B sve više izlazi izvan vlastitog portala. Kupci već koriste vanjske AI asistente za pronalaženje dobavljača i usporedbu ponuda prije nego što uopće dođu na trgovački portal. Zadatak više nije samo optimizirati unutarnju pretragu, nego katalog učiniti iskoristivim i za te vanjske agente. Podaci strukturirani danas pripremaju tu novu vidljivost.

Ovdje se otvara pitanje koje tekst ne postavlja: ako domaće tvrtke svoj katalog prepuste tuđim AI asistentima, tko onda kontrolira tko je vidljiv, pod kojim uvjetima i po kojoj cijeni? Katalog postaje infrastruktura, a infrastruktura se ne prepušta slučaju.

Loša tražilica oblikuje loše navike. Kupce tjera natrag prema trgovačkim predstavnicima za provjeru šifri i stanja zaliha, za informacije koje bi trebali naći sami. Dobar motor, koji razumije tehničke zahtjeve, trenutačno primjenjuje poslovna pravila i izlaže najrelevantnije proizvode, vraća povjerenje u portal. Kupci postaju samostalniji, pozivi zbog pretrage jenjavaju, a prodajni timovi više vremena ulažu u razvoj prodaje nego u operativnu podršku.