Како Ламода ради на алгоритмима који разумеју жеље купца

Ускоро ће онлајн куповина бити мешавина друштвених медија, платформи за препоруке и пошиљки гардеробе у капсулама. Олег Хомјук, шеф одељења за истраживање и развој компаније, испричао је како Ламода ради на томе

Ко и како у Ламоди ради на алгоритмима платформе

У Ламоди, Р&Д је одговоран за имплементацију већине нових пројеката заснованих на подацима и њихову монетизацију. Тим се састоји од аналитичара, програмера, научника података (инжењера машинског учења) и менаџера производа. Формат вишефункционалног тима изабран је с разлогом.

Традиционално, у великим компанијама, ови стручњаци раде у различитим одељењима – одељењима за аналитику, ИТ, производе. Брзина имплементације заједничких пројеката са овим приступом је обично прилично мала због потешкоћа у заједничком планирању. Сам рад је структуиран на следећи начин: прво се једно одељење бави аналитиком, па друго – развојем. Сваки од њих има своје задатке и рокове за њихово решавање.

Наш међуфункционални тим користи флексибилне приступе, а активности различитих специјалиста се спроводе паралелно. Захваљујући томе, индикатор Тиме-То-Маркет (време од почетка рада на пројекту до изласка на тржиште. — trendovi) је нижа од тржишног просека. Још једна предност мултифункционалног формата је урањање свих чланова тима у пословни контекст и рад једни других.

Пројектни портфолио

Портфолио пројеката нашег одељења је разнолик, иако је из очигледних разлога пристрасан према дигиталном производу. Области у којима смо активни:

• каталог и претрага;
• системи препорука;
• персонализација;
• оптимизација интерних процеса.

Системи каталога, претраге и препоруке су визуелни алати за мерцхандисинг, главни начин на који купац бира производ. Свако значајно побољшање употребљивости ове функционалности има значајан утицај на пословни учинак. На пример, давање приоритета производима који су популарни и привлачни купцима у каталошком сортирању доводи до повећања продаје, пошто је кориснику тешко да прегледа цео асортиман, а његова пажња је обично ограничена на неколико стотина прегледаних производа. Истовремено, препоруке сличних производа на картици производа могу помоћи онима којима се из неког разлога није допао производ који се гледа, да направе свој избор.

Један од најуспешнијих случајева који смо имали је увођење нове претраге. Његова главна разлика у односу на претходну верзију је у лингвистичким алгоритмима за разумевање захтева, које су наши корисници позитивно перципирали. Ово је имало значајан утицај на бројке продаје.

Све идеје су тестиране

Пре него што нова функционалност постане доступна корисницима Ламоде, спроводимо А/Б тестирање. Изграђен је по класичној шеми и коришћењем традиционалних компоненти.

• Прва фаза – започињемо експеримент, наводећи његове датуме и проценат корисника који треба да омогуће ову или ону функционалност.
• Друга фаза — прикупљамо идентификаторе корисника који учествују у експерименту, као и податке о њиховом понашању на сајту и куповини.
• Трећа фаза – резимирати користећи циљане производе и пословне метрике.

Са пословне тачке гледишта, што наши алгоритми боље разумеју корисничке упите, укључујући и оне који праве грешке, то ће боље утицати на нашу економију. Захтеви са грешкама у куцању неће довести до празне странице или нетачне претраге, направљене грешке ће постати јасне нашим алгоритмима, а корисник ће видети производе које је тражио у резултатима претраге. Као резултат тога, он може да обави куповину и неће напустити сајт без ичега.

Квалитет новог модела се може мерити метриком квалитета исправке грешака. На пример, можете користити следеће: „проценат исправно исправљених захтева“ и „проценат исправно неисправљених захтева“. Али то не говори директно о корисности такве иновације за пословање. У сваком случају, морате пратити како се метрика претраживања циља мења у условима борбе. Да бисмо то урадили, изводимо експерименте, односно А / Б тестове. Након тога, посматрамо метрику, на пример, удео празних резултата претраге и „стопу кликова“ неких позиција са врха у тестној и контролној групи. Ако је промена довољно велика, то ће се одразити на глобалне показатеље као што су просечни чек, приход и конверзија у куповину. Ово указује да је алгоритам за исправљање грешака у куцању ефикасан. Корисник обави куповину чак и ако је погрешио у упиту за претрагу.

Пажња сваком кориснику

Знамо понешто о сваком кориснику Ламоде. Чак и ако особа први пут посети наш сајт или апликацију, видимо платформу коју користи. Понекад су нам доступни геолокација и извор саобраћаја. Корисничка подешавања се разликују у зависности од платформе и региона. Стога одмах схватамо шта би се могло свидети новом потенцијалном клијенту.

Знамо како да радимо са историјом корисника прикупљеном током годину или две. Сада можемо да прикупљамо историју много брже – буквално за неколико минута. Већ након првих минута прве сесије могуће је извући неке закључке о потребама и укусима одређене особе. На пример, ако је корисник неколико пута одабрао беле ципеле приликом тражења патика, онда је то оно што треба да му понуди. Видимо изгледе за такву функционалност и планирамо да је имплементирамо.

Сада, да бисмо побољшали опције персонализације, више се фокусирамо на карактеристике производа са којима су наши посетиоци имали неку врсту интеракције. На основу ових података формирамо одређену „бихејвиорску слику“ корисника, коју потом користимо у нашим алгоритмима.

Како променити праћење понашања онлајн купаца

Важан део развоја сваког производа је развој купаца (тестирање идеје или прототипа будућег производа на потенцијалним потрошачима) и дубински интервјуи. Наш тим има менаџере производа који се баве комуникацијом са потрошачима. Они спроводе дубинске интервјуе како би разумели незадовољене потребе корисника и то знање претворили у идеје о производима.

Од трендова које сада видимо, могу се разликовати следеће:

• Удео претрага са мобилних уређаја стално расте. Преваленција мобилних платформи мења начин на који корисници комуницирају са нама. На пример, саобраћај на Ламоди током времена све више тече из каталога у претрагу. Ово се објашњава прилично једноставно: понекад је лакше поставити текстуални упит него користити навигацију у каталогу.
• Још један тренд који морамо узети у обзир је жеља корисника да постављају кратке упите. Стога им је потребно помоћи да формирају садржајније и детаљније захтеве. На пример, то можемо да урадимо са предлозима за претрагу.

Шта је следеће

Данас у онлајн куповини постоје само два начина да гласате за производ: купите или додате производ у фаворите. Али корисник, по правилу, нема могућности да покаже да му се производ не свиђа. Решавање овог проблема један је од приоритета за будућност.

Одвојено, наш тим напорно ради на увођењу технологија компјутерског вида, алгоритама за оптимизацију логистике и персонализованог фееда препорука. Настојимо да изградимо будућност е-трговине на основу анализе података и примене нових технологија како бисмо створили бољу услугу за наше клијенте.

Претплатите се и на Трендс Телеграм канал и будите у току са актуелним трендовима и прогнозама о будућности технологије, економије, образовања и иновација.