Kako Lamoda dela na algoritmih, ki razumejo želje kupca

Kmalu bo spletno nakupovanje mešanica družbenih omrežij, platform za priporočila in pošiljanja garderobnih kapsul. Oleg Khomyuk, vodja oddelka za raziskave in razvoj podjetja, je povedal, kako Lamoda dela na tem

Kdo in kako v Lamodi dela na algoritmih platforme

Pri Lamodi so raziskave in razvoj odgovorne za izvajanje večine novih projektov, ki temeljijo na podatkih, in njihovo monetizacijo. Ekipo sestavljajo analitiki, razvijalci, podatkovni znanstveniki (inženirji strojnega učenja) in produktni vodje. Format medfunkcionalne ekipe je bil izbran z razlogom.

Tradicionalno v velikih podjetjih ti strokovnjaki delajo v različnih oddelkih – analitiki, IT, oddelkih za izdelke. Hitrost izvajanja skupnih projektov s tem pristopom je običajno precej nizka zaradi težav pri skupnem načrtovanju. Samo delo je strukturirano na naslednji način: najprej se en oddelek ukvarja z analitiko, nato drugi - z razvojem. Vsak od njih ima svoje naloge in roke za njihovo rešitev.

Naša medfunkcionalna ekipa uporablja fleksibilne pristope, aktivnosti različnih strokovnjakov pa potekajo vzporedno. Zahvaljujoč temu kazalnik Time-To-Market (čas od začetka dela na projektu do vstopa na trg. — Trends) nižja od tržnega povprečja. Druga prednost medfunkcionalnega formata je potopitev vseh članov ekipe v poslovni kontekst in delo drug drugega.

Portfelj projektov

Projektni portfelj našega oddelka je raznolik, čeprav je iz očitnih razlogov nagnjen k digitalnemu izdelku. Področja, na katerih smo aktivni:

• katalog in iskanje;
• priporočljivi sistemi;
• personalizacija;
• optimizacija notranjih procesov.

Sistemi katalogov, iskanja in priporočil so vizualna orodja trgovanja, glavni način, na katerega stranka izbere izdelek. Vsaka pomembna izboljšava uporabnosti te funkcionalnosti pomembno vpliva na poslovno uspešnost. Na primer, dajanje prednosti izdelkom, ki so priljubljeni in privlačni za kupce pri kataloškem razvrščanju, vodi do povečanja prodaje, saj si uporabnik težko ogleda celotno ponudbo, njegova pozornost pa je običajno omejena na nekaj sto ogledanih izdelkov. Hkrati lahko priporočila podobnih izdelkov na kartici izdelka pomagajo pri izbiri tistim, ki jim izdelek iz nekega razloga ni bil všeč.

Eden najuspešnejših primerov, ki smo jih imeli, je bila uvedba novega iskanja. Njegova glavna razlika od prejšnje različice je v jezikovnih algoritmih za razumevanje zahteve, ki so jih naši uporabniki pozitivno zaznali. To je pomembno vplivalo na prodajne številke.

Vse ideje so testirane

Preden postane nova funkcionalnost na voljo uporabnikom Lamode, izvedemo A/B testiranje. Zgrajena je po klasični shemi in z uporabo tradicionalnih komponent.

• Prva faza – začnemo poskus z navedbo njegovih datumov in odstotka uporabnikov, ki morajo omogočiti to ali ono funkcionalnost.
• Druga stopnja — zbiramo identifikatorje uporabnikov, ki sodelujejo v poskusu, ter podatke o njihovem obnašanju na spletnem mestu in nakupih.
• Tretja stopnja – povzemite z uporabo ciljnih izdelkov in poslovnih meritev.

S poslovnega vidika, bolje kot naši algoritmi razumejo poizvedbe uporabnikov, vključno s tistimi, ki delajo napake, bolje bo to vplivalo na naše gospodarstvo. Zahtevki s tipkarskimi napakami ne bodo vodili do prazne strani ali netočnega iskanja, napake bodo razvidne našim algoritmom, uporabnik pa bo med rezultati iskanja videl izdelke, ki jih je iskal. Posledično lahko opravi nakup in spletnega mesta ne bo zapustil brez ničesar.

Kakovost novega modela je mogoče izmeriti z metriko kakovosti popravka napak. Uporabite lahko na primer naslednje: »odstotek pravilno popravljenih zahtevkov« in »odstotek pravilno nepopravljenih zahtevkov«. A to neposredno ne govori o uporabnosti takšne novosti za poslovanje. V vsakem primeru morate opazovati, kako se meritve iskanja cilja spreminjajo v bojnih pogojih. Da bi to naredili, izvajamo poskuse, in sicer A/B teste. Nato pogledamo metrike, na primer delež praznih rezultatov iskanja in »klikovnost« nekaterih pozicij z vrha v testni in kontrolni skupini. Če je sprememba dovolj velika, se bo odražala v globalnih meritvah, kot so povprečni ček, prihodek in konverzija v nakup. To pomeni, da je algoritem za popravljanje tipkarskih napak učinkovit. Uporabnik opravi nakup tudi, če se je v iskalni poizvedbi zmotil.

Pozornost do vsakega uporabnika

O vsakem uporabniku Lamode vemo nekaj. Tudi če oseba prvič obišče naše spletno mesto ali aplikacijo, vidimo platformo, ki jo uporablja. Včasih sta nam na voljo geolokacija in vir prometa. Uporabniške nastavitve se razlikujejo glede na platforme in regije. Zato takoj razumemo, kaj bi lahko bila nova potencialna stranka všeč.

Znamo delati z zgodovino uporabnika, ki se zbira leto ali dve. Zdaj lahko zgodovino zberemo veliko hitreje – dobesedno v nekaj minutah. Po prvih minutah prve seje je že mogoče narediti nekaj zaključkov o potrebah in okusih določene osebe. Na primer, če je uporabnik pri iskanju superg večkrat izbral bele čevlje, potem je to tisti, ki bi moral biti ponujen. Vidimo možnosti za takšno funkcionalnost in jo načrtujemo implementirati.

Zdaj se za izboljšanje možnosti personalizacije bolj osredotočamo na značilnosti izdelkov, s katerimi so naši obiskovalci imeli neko vrsto interakcije. Na podlagi teh podatkov oblikujemo določeno »vedenjsko podobo« uporabnika, ki jo nato uporabimo v naših algoritmih.

Kako spremeniti vedenje spletnih kupcev

Pomemben del razvoja vsakega produkta je razvoj kupcev (testiranje ideje ali prototipa bodočega produkta na potencialnih potrošnikih) in poglobljeni intervjuji. Naša ekipa ima produktne vodje, ki se ukvarjajo s komunikacijo s potrošniki. Izvajajo poglobljene intervjuje, da bi razumeli neizpolnjene potrebe uporabnikov in to znanje pretvorili v ideje za izdelke.

Od trendov, ki jih vidimo zdaj, lahko ločimo naslednje:

• Delež iskanj z mobilnih naprav nenehno narašča. Razširjenost mobilnih platform spreminja način interakcije uporabnikov z nami. Na primer, promet na Lamodi sčasoma vedno bolj teče iz kataloga v iskanje. To je razloženo precej preprosto: včasih je lažje nastaviti besedilno poizvedbo kot uporabiti navigacijo v katalogu.
• Drug trend, ki ga moramo upoštevati, je želja uporabnikov po kratkih poizvedbah. Zato jim je treba pomagati oblikovati bolj smiselne in podrobne zahteve. To lahko na primer storimo s predlogi za iskanje.

Kaj je naslednje

Danes lahko v spletnem nakupovanju za izdelek glasujete le na dva načina: opravite nakup ali dodate izdelek med priljubljene. Toda uporabnik praviloma nima možnosti pokazati, da mu izdelek ni všeč. Reševanje tega problema je ena od prioritet za prihodnost.

Poleg tega naša ekipa trdo dela na uvajanju tehnologij računalniškega vida, algoritmov za optimizacijo logistike in personaliziranega vira priporočil. Prizadevamo si graditi prihodnost e-trgovine, ki temelji na analizi podatkov in uporabi novih tehnologij za ustvarjanje boljše storitve za naše stranke.

Naročite se tudi na kanal Trends Telegram in bodite na tekočem z aktualnimi trendi in napovedmi o prihodnosti tehnologije, ekonomije, izobraževanja in inovacij.