Kako Lamoda radi na algoritmima koji razumiju želje kupca

Uskoro će online kupovina biti mješavina društvenih medija, platformi za preporuke i pošiljki garderobe u kapsulama. Oleg Khomyuk, šef odjela za istraživanje i razvoj kompanije, ispričao je kako Lamoda radi na tome

Ko i kako u Lamodi radi na algoritmima platforme

U Lamodi, R&D je odgovoran za implementaciju većine novih projekata zasnovanih na podacima i njihovu monetizaciju. Tim se sastoji od analitičara, programera, naučnika podataka (inženjera mašinskog učenja) i menadžera proizvoda. Format višefunkcionalnog tima izabran je s razlogom.

Tradicionalno, u velikim kompanijama, ovi stručnjaci rade u različitim odjelima – odjelima za analitiku, informatiku, proizvode. Brzina implementacije zajedničkih projekata sa ovim pristupom obično je prilično niska zbog poteškoća u zajedničkom planiranju. Sam rad je strukturiran na sljedeći način: prvo se jedno odjeljenje bavi analitikom, zatim drugo – razvojem. Svaki od njih ima svoje zadatke i rokove za njihovo rješavanje.

Naš međufunkcionalni tim koristi fleksibilne pristupe, a aktivnosti različitih stručnjaka provode se paralelno. Zahvaljujući tome, indikator Time-To-Market (vrijeme od početka rada na projektu do izlaska na tržište. — trendovi) je niža od tržišnog prosjeka. Još jedna prednost multifunkcionalnog formata je uranjanje svih članova tima u poslovni kontekst i rad jedni drugih.

Projektni portfolio

Portfolio projekata našeg odjela je raznolik, iako je iz očiglednih razloga pristrasan prema digitalnom proizvodu. Područja u kojima smo aktivni:

• katalog i pretraga;
• sistemi preporuke;
• personalizacija;
• optimizacija internih procesa.

Sistemi kataloga, pretraživanja i preporuka su vizualni alati za merchandising, glavni način na koji kupac bira proizvod. Svako značajno poboljšanje upotrebljivosti ove funkcionalnosti ima značajan uticaj na poslovni učinak. Na primjer, davanje prioriteta proizvodima koji su popularni i privlačni kupcima u kataloškom sortiranju dovodi do povećanja prodaje, budući da je korisniku teško pregledati cijeli asortiman, a njegova pažnja je obično ograničena na nekoliko stotina pregledanih proizvoda. Istovremeno, preporuke sličnih proizvoda na kartici proizvoda mogu pomoći onima kojima se iz nekog razloga nije svidio proizvod koji se gleda, da izaberu.

Jedan od najuspješnijih slučajeva koji smo imali je uvođenje nove pretrage. Njegova glavna razlika u odnosu na prethodnu verziju je u lingvističkim algoritmima za razumijevanje zahtjeva, što su naši korisnici pozitivno percipirali. To je imalo značajan uticaj na brojke prodaje.

Sve ideje su testirane

Prije nego što nova funkcionalnost postane dostupna korisnicima Lamode, provodimo A/B testiranje. Izgrađen je po klasičnoj shemi i korištenjem tradicionalnih komponenti.

• Prva faza – započinjemo eksperiment, navodeći njegove datume i postotak korisnika koji trebaju omogućiti ovu ili onu funkcionalnost.
• Druga faza — prikupljamo identifikatore korisnika koji sudjeluju u eksperimentu, kao i podatke o njihovom ponašanju na stranici i kupovini.
• Treća faza – rezimirati koristeći ciljane proizvode i poslovne metrike.

Sa poslovne tačke gledišta, što naši algoritmi bolje razumiju korisničke upite, uključujući i one koji prave greške, to će bolje utjecati na našu ekonomiju. Zahtjevi s tipkarskim greškama neće dovesti do prazne stranice ili netočne pretrage, napravljene greške će postati jasne našim algoritmima, a korisnik će u rezultatima pretraživanja vidjeti proizvode koje je tražio. Kao rezultat toga, on može izvršiti kupovinu i neće napustiti stranicu bez ičega.

Kvaliteta novog modela može se mjeriti metrikom kvaliteta ispravke grešaka. Na primjer, možete koristiti sljedeće: “postotak ispravno ispravljenih zahtjeva” i “postotak ispravno neispravljenih zahtjeva”. Ali to ne govori direktno o korisnosti takve inovacije za poslovanje. U svakom slučaju, morate pratiti kako se metrika pretraživanja cilja mijenja u uslovima borbe. Da bismo to učinili, izvodimo eksperimente, odnosno A / B testove. Nakon toga gledamo metriku, na primjer, udio praznih rezultata pretraživanja i „klikovnu stopu“ nekih pozicija s vrha u testnoj i kontrolnoj grupi. Ako je promjena dovoljno velika, odrazit će se na globalne metrike kao što su prosječni ček, prihod i konverzija u kupovinu. Ovo ukazuje da je algoritam za ispravljanje grešaka u kucanju efikasan. Korisnik obavi kupovinu čak i ako je pogriješio u upitu za pretraživanje.

Pažnja svakom korisniku

Znamo ponešto o svakom korisniku Lamode. Čak i ako osoba prvi put posjeti našu stranicu ili aplikaciju, vidimo platformu koju koristi. Ponekad su nam na raspolaganju geolokacija i izvor prometa. Korisničke preferencije variraju u zavisnosti od platforme i regiona. Stoga odmah razumijemo šta bi se moglo svidjeti novom potencijalnom klijentu.

Znamo kako da radimo sa istorijom korisnika prikupljenom tokom godinu ili dve. Sada možemo prikupljati istoriju mnogo brže – bukvalno za nekoliko minuta. Već nakon prvih minuta prve sesije moguće je izvući neke zaključke o potrebama i ukusima određene osobe. Na primjer, ako je korisnik nekoliko puta odabrao bijele cipele prilikom traženja patika, onda je to ono što mu treba ponuditi. Vidimo izglede za takvu funkcionalnost i planiramo je implementirati.

Sada, da bismo poboljšali mogućnosti personalizacije, više se fokusiramo na karakteristike proizvoda s kojima su naši posjetitelji imali neku vrstu interakcije. Na osnovu ovih podataka formiramo određenu “bihejviorsku sliku” korisnika, koju potom koristimo u našim algoritmima.

Kako promijeniti praćenje ponašanja online kupaca

Važan dio razvoja svakog proizvoda je razvoj kupaca (testiranje ideje ili prototipa budućeg proizvoda na potencijalnim potrošačima) i dubinski intervjui. Naš tim ima menadžere proizvoda koji se bave komunikacijom sa potrošačima. Oni provode dubinske intervjue kako bi razumjeli nezadovoljene potrebe korisnika i to znanje pretvorili u ideje o proizvodima.

Od trendova koje sada vidimo, mogu se izdvojiti sljedeće:

• Udio pretraživanja s mobilnih uređaja stalno raste. Prevalencija mobilnih platformi mijenja način na koji korisnici komuniciraju s nama. Na primjer, promet na Lamodi s vremenom sve više teče iz kataloga u pretragu. Ovo se objašnjava jednostavno: ponekad je lakše postaviti tekstualni upit nego koristiti navigaciju u katalogu.
• Još jedan trend koji moramo uzeti u obzir je želja korisnika da postavljaju kratke upite. Stoga im je potrebno pomoći da formiraju sadržajnije i detaljnije zahtjeve. Na primjer, to možemo učiniti s prijedlozima za pretraživanje.

Šta je sledeće

Danas u online kupovini postoje samo dva načina da glasate za proizvod: kupite ili dodate proizvod u favorite. Ali korisnik, po pravilu, nema mogućnosti da pokaže da mu se proizvod ne sviđa. Rješavanje ovog problema jedan je od prioriteta za budućnost.

Odvojeno, naš tim naporno radi na uvođenju tehnologija kompjuterskog vida, algoritama za optimizaciju logistike i personalizovanog feeda preporuka. Nastojimo izgraditi budućnost e-trgovine na temelju analize podataka i primjene novih tehnologija kako bismo stvorili bolju uslugu za naše klijente.

Pretplatite se i na Trends Telegram kanal i budite u toku sa aktuelnim trendovima i prognozama o budućnosti tehnologije, ekonomije, obrazovanja i inovacija.