La recherche sur site e-commerce est la barre de recherche de ta propre boutique : l'acheteur saisit une requête, le moteur de recherche la compare à tes données produit et renvoie une liste de produits classés. Quand elle fonctionne, les acheteurs qui savent ce qu'ils veulent atteignent une fiche produit en une étape. Quand elle échoue, ils voient les mauvais produits ou une page « aucun résultat », et beaucoup s'en vont.
La plupart des boutiques échouent quelque part. Dans le benchmark de recherche du Baymard Institute, 56 % des sites ne répondaient pas correctement aux besoins de recherche des utilisateurs. Les corrections habituelles se font côté moteur (tolérance aux fautes, synonymes, autocomplétion), mais beaucoup d'échecs viennent des données que le moteur parcourt : attributs noyés dans du texte libre, types de produit absents des titres, références de modèle stockées nulle part où la recherche peut les trouver. Ce guide couvre les deux, ainsi que les métriques de recherche interne qui te montrent par où commencer.
Indexer, faire correspondre, classer : ce que fait tout moteur de recherche sur site
Tout moteur de recherche sur site, de la recherche intégrée d'une plateforme à une application de recherche dédiée, fait trois choses :
- Indexer : il copie certains champs produit dans un index de recherche. Les champs non indexés ne peuvent pas être trouvés, aussi bons soient-ils.
- Faire correspondre : il compare la requête au texte indexé, avec ou sans tolérance aux fautes, synonymes, racinisation (« drill » et « drills ») et correspondance sémantique.
- Classer : il ordonne les correspondances selon la pertinence, la popularité, le stock ou des règles de merchandising.
C'est à la première étape que les données produit décident du résultat. La recherche intégrée de Shopify est un bon exemple, car ses règles sont documentées. Selon le centre d'aide de Shopify, elle cherche dans le titre du produit, le corps (description), le type de produit, les tags, le fournisseur (vendor), le titre de variante, le SKU de variante et le code-barres de variante. La tolérance aux fautes ne s'applique qu'au titre, au type de produit, au titre de variante et au fournisseur, et les quatre premières lettres d'un mot doivent être correctes. Une requête mal orthographiée ne trouvera pas un mot qui n'apparaît que dans un tag ou dans la description.
Cela a des conséquences concrètes. Si « cordless » n'existe que sous forme de tag et qu'un acheteur tape « cordles », la recherche de Shopify ne le trouvera pas. Si le champ type de produit est vide, tu perds un champ tolérant aux fautes qui aurait trouvé « drill ». D'autres plateformes et applications de recherche indexent d'autres champs : consulte la documentation de ton propre moteur avant de décider où une valeur doit se trouver.
Les huit types de requêtes des acheteurs, et les données dont chacun a besoin
Baymard classe les requêtes de recherche en huit types et teste chaque site sur chacun. Pour sept d'entre eux, la part entre parenthèses est la part des sites testés présentant des problèmes pour ce type, d'après le même article de Baymard. Pour chaque type, nous avons ajouté les données produit qui doivent exister avant qu'un moteur puisse y répondre.
Huit types de requêtes de recherche et les données produit dont chacun a besoin
| Exacte | « Bosch GSR 18V-55 » | Non communiqué | La référence du modèle ou le MPN dans un champ indexé, pas seulement dans une image ou un PDF |
|---|---|---|---|
| Type de produit | « perceuse sans fil », « sandales » | 20% | Le type de produit dans le titre ou le champ type de produit, avec les mots des acheteurs, pas ton code de catégorie interne |
| Caractéristique | « robe en lin rouge », « perceuse 18V moins de 100 » | 39% | Couleur, matière, tension et prix sous forme d'attributs structurés que la recherche et les filtres peuvent lire |
| Usage | « cadeau de mariage », « perceuse pour béton » | 43% | Des attributs d'usage ou un texte descriptif qui nomme l'usage (« adaptée à la maçonnerie et au béton ») |
| Abréviation et symbole | « housse pc 13 pouces », « tv » | 54% | Des synonymes et des unités normalisées, pour que « 13 pouces », « 13in » et « 13" » renvoient à la même valeur |
| Compatibilité | « étui pour Sony RX100 » | 44% | Un attribut « compatible avec » qui liste les modèles, pas une phrase enfouie dans la description |
| Symptôme | « tapis taché », « peau sèche » | 37% | Un texte qui nomme le problème que le produit résout, et des synonymes qui relient les symptômes aux types de produit |
| Hors produit | « politique de retour », « suivre ma commande » | 66% | Des pages de contenu indexées ou des redirections pour les requêtes de service courantes |
Hors requêtes non liées aux produits, les types qui posent le plus de problèmes sont les abréviations, la compatibilité, l'usage et les caractéristiques. Ce sont aussi les types qui dépendent le plus de données produit structurées. Une liste de synonymes ne sert à rien si la taille n'est écrite que « 33 cm » au troisième paragraphe de la description.
Pourquoi « 13 inch laptop sleeve » ne renvoie rien
Prenons une boutique qui vend une housse pour ordinateur portable avec ces données :
- Titre : NeoShell Sleeve Charcoal
- Type de produit : vide
- Tags : new-in, summer-sale
- Description : « Protective neoprene cover with a soft lining. Fits devices up to 33 cm. »
- Variantes : Charcoal / Navy
Un acheteur tape « 13 inch laptop sleeve ». Rien dans les champs indexés ne contient « 13 », « inch » ou « laptop ». « Sleeve » correspond, mais si le moteur exige que tous les termes correspondent, le résultat est zéro produit. Sinon, la housse apparaît quelque part entre des coques de téléphone et une robe sans manches (sleeveless).
La correction se fait dans les données, dans cet ordre :
- Titre : « NeoShell Laptop Sleeve 13 inch, Neoprene, Charcoal ». Le type de produit et la taille sont désormais dans le champ qui pèse le plus dans la correspondance. Notre guide d'optimisation des titres détaille le modèle complet.
- Type de produit : « Laptop sleeve ».
- Attributs : taille d'écran 13 inch, matière néoprène, couleur charcoal. Ils alimentent aussi les filtres de la page de résultats.
- Compatibilité : « Fits MacBook Air 13, MacBook Pro 13, Dell XPS 13 », dans un champ dédié que le moteur indexe.
- Synonymes : « 13in » et « 13 inch », « laptop » et « notebook », « sleeve » et « case » (à sens unique, pour qu'une recherche sur « case » affiche aussi les housses).
Multiplie cela par chaque produit de la catégorie et tu comprends pourquoi les projets de recherche sur site sont souvent des projets catalogue. Des valeurs d'attribut cohérentes comptent autant que des valeurs renseignées : si la moitié de tes housses indique « 13 inch » et l'autre « 13in », la recherche comme les filtres les séparent. Le guide de standardisation des attributs montre comment normaliser ce genre de valeurs.
Bonnes pratiques de recherche sur site e-commerce pour l'interface
Une fois les données en place, ces pratiques d'interface font le plus de différence :
- Champ de recherche visible. Sur les boutiques au catalogue étendu, affiche un champ de recherche ouvert sur desktop et une icône ou un champ de recherche bien visible sur mobile, pas caché dans un menu.
- Autocomplétion avec types de produit et catégories. Suggère « housses pc portable » et « sacoches pc portable » pendant la saisie, pas seulement des produits individuels. Cela oriente les requêtes vers des termes auxquels ton catalogue peut répondre.
- Tolérance aux fautes et racinisation. Vérifie à quels champs ton moteur les applique, comme le montre l'exemple Shopify.
- Filtres sur la page de résultats. Une recherche « perceuse » qui renvoie 140 produits a besoin de filtres par tension, batterie incluse et marque. Les filtres ne fonctionnent que si les attributs sont renseignés et cohérents ; consulte notre article sur l'UX des filtres produits.
- Classement cohérent. Fais descendre les produits épuisés, et utilise les boosts de merchandising avec parcimonie. Booster beaucoup de produits sur un terme enterre les plus pertinents.
- Réponses aux requêtes hors produit. Associe « retours », « frais de livraison » et « horaires d'ouverture » à la bonne page.
Conçois la page sans résultats comme une page de rattrapage
Certaines requêtes ne renverront jamais rien. Selon les recherches de Baymard sur les pages sans résultats, près de 50 % des sites ne donnent pas aux utilisateurs de moyen efficace de rebondir après une recherche sans résultats. Baymard recommande d'afficher des catégories liées, de suggérer des requêtes alternatives avec un aperçu de leurs meilleurs produits, de montrer des produits populaires ou recommandés et de proposer des options de contact comme le chat en direct. Un simple message « vérifie l'orthographe » ne suffit pas.
Analytics de la recherche interne : les métriques à suivre
Ton journal de recherche est le relevé le plus direct de la demande dont tu disposes : des acheteurs qui te disent, avec leurs propres mots, ce qu'ils veulent. Suis ces métriques chaque mois :
Six métriques de recherche interne avec leurs formules
| Taux d'utilisation de la recherche | Sessions avec une recherche / toutes les sessions | Indique quelle part de ton trafic dépend de la recherche. |
|---|---|---|
| Taux de zéro résultat | Recherches sans résultat / toutes les recherches | Le premier chiffre à faire baisser. |
| Taux de sortie après recherche | Recherches après lesquelles l'acheteur quitte le site / toutes les recherches | La fréquence à laquelle une recherche met fin à la visite. |
| Taux de clic de la recherche | Recherches suivies d'un clic sur un résultat / toutes les recherches | Un CTR faible malgré des résultats signifie que les résultats paraissent hors sujet. |
| Taux de reformulation | Recherches suivies d'une requête nouvelle ou modifiée | Une forte reformulation sur un terme signifie que les premiers résultats ont raté la cible. |
| Taux de conversion de la recherche | Sessions avec une recherche qui se terminent par une commande / sessions avec une recherche | Compare-le au taux de conversion des sessions sans recherche. |
L'événement view_search_results et son paramètre search_term
Google Analytics 4 enregistre les recherches sur site via la mesure améliorée. Selon la documentation de Google, il déclenche un événement view_search_results quand une page se charge avec un paramètre de requête de recherche dans l'URL, et stocke la requête dans le paramètre search_term. Par défaut, il reconnaît les paramètres q, s, search, query et keyword ; tu peux en ajouter d'autres dans les paramètres de mesure améliorée. Shopify utilise q et WordPress utilise s, donc les deux sont couverts d'office.
La mesure améliorée ne lit la requête que dans l'URL. Elle ne sait pas combien de résultats la page a affichés, donc elle ne peut pas distinguer seule une recherche sans résultat d'une recherche réussie. Pour suivre les requêtes sans résultat, fais envoyer le nombre de résultats avec l'événement par ta page de résultats, par exemple comme paramètre personnalisé, ou utilise le reporting de ton application de recherche.
Un passage mensuel dans le journal de recherche
Revue mensuelle du journal de recherche en cinq étapes
La revue met aussi en lumière les habitudes qui maintiennent des résultats de recherche médiocres :
- Acheter un nouveau moteur de recherche pour un problème de données. Un moteur plus intelligent ne peut toujours pas trouver une tension qui se trouve dans un PDF.
- Les listes de synonymes comme fourre-tout. Des centaines de synonymes qui rafistolent des valeurs d'attribut incohérentes sont difficiles à maintenir. Normalise plutôt les valeurs.
- Le jargon interne dans les titres. Un code fournisseur comme « CDT-18-PRO » au lieu de « perceuse sans fil », les mots que tapent les acheteurs.
- Les tags comme seul emplacement des termes importants. Sur les moteurs sans tolérance aux fautes sur les tags, une seule faute de frappe masque le produit.
- Ignorer le journal de recherche. Les requêtes sans résultat pour des produits que tu n'as pas en stock sont une étude produit gratuite.
- Ne mesurer que la conversion de recherche. Sans les taux de zéro résultat et de sortie, tu vois que la recherche vend, mais pas où elle échoue.
Compléter les champs produit dont dépend ta recherche
WISEPIM n'est pas un moteur de recherche sur site et ne collecte pas le journal de recherche de ta boutique ; c'est ta boutique, ton application de recherche ou GA4 qui conserve ces données. Il agit sur ce dont la recherche dépend le plus : les données produit. L'enrichissement par AI complète les attributs, types de produit et descriptions manquants dans tout le catalogue, et Quality Guard signale les produits pour lesquels un champ nécessaire à ta recherche, comme le type de produit ou un attribut clé, est vide. Avec la connexion Google Search Console, l'analytics de WISEPIM montre aussi les requêtes que les gens tapent sur Google pour trouver tes produits, une seconde source pour les mots qu'utilisent réellement les acheteurs.
Si tu pars de zéro, prends les 20 principales requêtes sans résultat de ce mois, vérifie les produits qui auraient dû correspondre et complète les champs qui leur manquent. Le guide de complétude des données t'aide à décider quels champs exiger par catégorie.
