Ako Lamoda pracuje na algoritmoch, ktoré rozumejú želaniam kupujúceho

Online nakupovanie bude čoskoro kombináciou sociálnych médií, platforiem odporúčaní a zásielok kapsulových šatníkov. Oleg Khomyuk, vedúci oddelenia výskumu a vývoja spoločnosti, povedal, ako na tom Lamoda pracuje

Kto a ako v Lamode pracuje na platformových algoritmoch

V spoločnosti Lamoda je výskum a vývoj zodpovedný za implementáciu väčšiny nových projektov založených na údajoch a ich speňaženie. Tím sa skladá z analytikov, vývojárov, dátových vedcov (inžinieri strojového učenia) a produktových manažérov. Multifunkčný tímový formát bol zvolený z nejakého dôvodu.

Vo veľkých spoločnostiach tradične títo špecialisti pracujú v rôznych oddeleniach – analytika, IT, produktové oddelenia. Rýchlosť implementácie spoločných projektov s týmto prístupom je zvyčajne dosť nízka kvôli ťažkostiam pri spoločnom plánovaní. Samotná práca je štruktúrovaná takto: najprv sa jedno oddelenie zaoberá analytikou, potom ďalšie – vývoj. Každý z nich má svoje úlohy a termíny ich riešenia.

Náš medzifunkčný tím využíva flexibilné prístupy a aktivity rôznych špecialistov sú vykonávané paralelne. Vďaka tomu ukazovateľ Time-To-Market (čas od začiatku práce na projekte po vstup na trh. — Trendy) je nižšia ako trhový priemer. Ďalšou výhodou medzifunkčného formátu je ponorenie všetkých členov tímu do obchodného kontextu a vzájomnej práce.

Portfólio projektov

Portfólio projektov nášho oddelenia je rôznorodé, aj keď z pochopiteľných dôvodov smeruje k digitálnemu produktu. Oblasti, v ktorých pôsobíme:

• katalóg a vyhľadávanie;
• systémy odporúčaní;
• personalizácia;
• optimalizácia interných procesov.

Katalógové, vyhľadávacie a odporúčacie systémy sú vizuálne nástroje merchandisingu, hlavný spôsob, akým si zákazník vyberá produkt. Akékoľvek významné zlepšenie použiteľnosti tejto funkcie má významný vplyv na výkonnosť podniku. Napríklad uprednostňovanie produktov, ktoré sú obľúbené a atraktívne pre zákazníkov v katalógovom triedení, vedie k zvýšeniu predaja, pretože pre používateľa je ťažké prezrieť si celý sortiment a jeho pozornosť je zvyčajne obmedzená na niekoľko stoviek prezretých produktov. Odporúčania podobných produktov na produktovej karte môžu zároveň pomôcť pri výbere tým, ktorým sa z nejakého dôvodu prezeraný produkt nepáčil.

Jedným z najúspešnejších prípadov, ktoré sme mali, bolo zavedenie nového vyhľadávania. Jeho hlavný rozdiel oproti predchádzajúcej verzii je v lingvistických algoritmoch na pochopenie požiadavky, ktoré naši používatelia vnímajú pozitívne. To malo výrazný vplyv na predajné čísla.

Všetky nápady sú testované

Predtým, ako budú nové funkcie dostupné pre používateľov Lamoda, vykonáme A/B testovanie. Je postavený podľa klasickej schémy s použitím tradičných komponentov.

• Prvá fáza – spustíme experiment s uvedením jeho dátumov a percenta používateľov, ktorí potrebujú povoliť tú či onú funkciu.
• Druhá fáza — zbierame identifikátory používateľov, ktorí sa zúčastňujú experimentu, ako aj údaje o ich správaní na stránke a nákupoch.
• Tretia etapa – sumarizujte pomocou cielených metrík produktov a podnikania.

Z obchodného hľadiska, čím lepšie naše algoritmy rozumejú dopytom používateľov vrátane tých, ktorí robia chyby, tým lepšie to ovplyvní našu ekonomiku. Požiadavky s preklepmi nepovedú k prázdnej stránke alebo nepresnému vyhľadávaniu, urobené chyby budú našim algoritmom jasné a používateľ uvidí vo výsledkoch vyhľadávania produkty, ktoré hľadal. Vďaka tomu môže nakúpiť a neodíde zo stránky s ničím.

Kvalitu nového modelu možno merať pomocou metrík kvality korekcie chýb. Môžete napríklad použiť nasledovné: „percento správne opravených žiadostí“ a „percento správne neopravených žiadostí“. To však priamo nehovorí o užitočnosti takejto inovácie pre podnikanie. V každom prípade treba sledovať, ako sa menia metriky hľadania cieľa v bojových podmienkach. Na tento účel vykonávame experimenty, konkrétne A / B testy. Potom sa pozrieme na metriky, napríklad podiel prázdnych výsledkov vyhľadávania a „mieru prekliknutia“ niektorých pozícií zhora v testovacej a kontrolnej skupine. Ak je zmena dostatočne veľká, prejaví sa v globálnych metrikách, ako sú priemerná kontrola, výnosy a konverzia na nákup. To znamená, že algoritmus na opravu preklepov je účinný. Používateľ nakúpi, aj keď urobil preklep vo vyhľadávacom dopyte.

Pozornosť pre každého užívateľa

O každom užívateľovi Lamody niečo vieme. Aj keď človek navštívi našu stránku alebo aplikáciu prvýkrát, vidíme platformu, ktorú používa. Niekedy máme k dispozícii geolokáciu a zdroj návštevnosti. Predvoľby používateľov sa líšia v závislosti od platforiem a regiónov. Preto hneď chápeme, čo by sa novému potenciálnemu klientovi mohlo páčiť.

Vieme, ako pracovať s históriou používateľa zozbieranou za rok alebo dva. Teraz môžeme zbierať históriu oveľa rýchlejšie – doslova za pár minút. Už po prvých minútach prvého sedenia je možné vyvodiť nejaké závery o potrebách a vkuse konkrétneho človeka. Ak si používateľ napríklad pri hľadaní tenisiek niekoľkokrát vybral biele topánky, mali by mu byť ponúknuté práve tieto topánky. Vidíme perspektívu takejto funkcionality a plánujeme ju implementovať.

Teraz, aby sme zlepšili možnosti personalizácie, sa viac zameriavame na vlastnosti produktov, s ktorými naši návštevníci mali nejaký druh interakcie. Na základe týchto údajov vytvárame určitý „obraz správania“ používateľa, ktorý potom používame v našich algoritmoch.

Ako zmeniť správanie nakupujúcich online

Dôležitou súčasťou vývoja každého produktu je zákaznícky rozvoj (testovanie nápadu alebo prototypu budúceho produktu na potenciálnych spotrebiteľoch) a hĺbkové rozhovory. Náš tím má produktových manažérov, ktorí sa zaoberajú komunikáciou so spotrebiteľmi. Vedú hĺbkové rozhovory, aby pochopili nenaplnené potreby používateľov a premenili tieto znalosti na nápady na produkty.

Z trendov, ktoré teraz vidíme, možno rozlíšiť tieto:

• Podiel vyhľadávaní z mobilných zariadení neustále rastie. Rozšírenie mobilných platforiem mení spôsob interakcie používateľov s nami. Napríklad návštevnosť na Lamode postupom času stále viac prúdi z katalógu do vyhľadávania. To je vysvetlené celkom jednoducho: niekedy je jednoduchšie nastaviť textový dotaz ako použiť navigáciu v katalógu.
• Ďalším trendom, ktorý musíme zvážiť, je túžba používateľov klásť krátke otázky. Preto je potrebné pomôcť im pri vytváraní zmysluplnejších a podrobnejších požiadaviek. Môžeme to urobiť napríklad pomocou návrhov vyhľadávania.

Čo bude ďalej

Dnes v online nakupovaní existujú len dva spôsoby, ako za produkt hlasovať: nakúpiť alebo pridať produkt medzi obľúbené. Používateľ však spravidla nemá možnosť ukázať, že sa mu produkt nepáči. Riešenie tohto problému je jednou z priorít do budúcnosti.

Samostatne náš tím tvrdo pracuje na zavádzaní technológií počítačového videnia, algoritmov optimalizácie logistiky a personalizovaného zdroja odporúčaní. Snažíme sa vybudovať budúcnosť elektronického obchodu na základe analýzy údajov a aplikácií nových technológií, aby sme našim zákazníkom vytvorili lepšie služby.

Prihláste sa tiež na odber kanála Trends Telegram a buďte informovaní o aktuálnych trendoch a prognózach budúcnosti technológií, ekonomiky, vzdelávania a inovácií.