Kako Lamoda radi na algoritmima koji razumiju želje kupca

Uskoro će kupnja putem interneta biti mješavina društvenih medija, platformi za preporuku i isporuka garderobe u kapsulama. Oleg Khomyuk, voditelj odjela za istraživanje i razvoj tvrtke, rekao je kako Lamoda radi na tome

Tko i kako u Lamodi radi na platformskim algoritmima

U Lamodi, istraživanje i razvoj odgovoran je za implementaciju većine novih projekata temeljenih na podacima i njihovo unovčavanje. Tim se sastoji od analitičara, programera, podatkovnih znanstvenika (inženjera strojnog učenja) i voditelja proizvoda. Format međufunkcionalnog tima odabran je s razlogom.

Tradicionalno, u velikim tvrtkama, ti stručnjaci rade u različitim odjelima – analitici, IT-u, odjelima proizvoda. Brzina provedbe zajedničkih projekata s ovim pristupom obično je prilično niska zbog poteškoća u zajedničkom planiranju. Sam rad je strukturiran na sljedeći način: prvo se jedan odjel bavi analitikom, a zatim drugi - 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, pokazatelj Time-To-Market (vrijeme od početka rada na projektu do ulaska na tržište. — Trendovi) je niža od tržišnog prosjeka. Još jedna prednost međufunkcionalnog formata je uronjenost svih članova tima u poslovni kontekst i međusobni rad.

Projektni portfelj

Projektni portfelj našeg odjela je raznolik, iako je iz očitih razloga pristran prema digitalnom proizvodu. Područja u kojima smo aktivni:

• katalog i pretraga;
• sustavi preporuka;
• personalizacija;
• optimizacija internih procesa.

Sustavi kataloga, pretraživanja i preporuke vizualni su alati za prodaju, glavni način na koji kupac odabire proizvod. Svako značajno poboljšanje upotrebljivosti ove funkcionalnosti ima značajan utjecaj na poslovnu izvedbu. 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, pa je njegova pažnja obično ograničena na nekoliko stotina pregledanih proizvoda. Ujedno, preporuke sličnih proizvoda na kartici proizvoda mogu pomoći onima kojima se iz nekog razloga nije svidio proizvod koji su gledali, da naprave svoj izbor.

Jedan od najuspješnijih slučajeva koje 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 utjecaj na prodajne brojke.

Sve ideje su testirane

Prije nego što nova funkcionalnost postane dostupna korisnicima Lamode, provodimo A/B testiranje. Građena je prema 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 kupnji.
• Treća faza – sažeti pomoću ciljanih proizvoda i poslovnih metrika.

S poslovnog gledišta, što naši algoritmi bolje razumiju korisničke upite, uključujući one koji čine pogreške, to će bolje utjecati na naše gospodarstvo. Zahtjevi s tipfelerima neće dovesti do prazne stranice ili netočnog pretraživanja, napravljene pogreške će postati jasne našim algoritmima, a korisnik će u rezultatima pretraživanja vidjeti proizvode koje je tražio. Kao rezultat toga, on može kupiti i neće napustiti mjesto bez ičega.

Kvaliteta novog modela može se mjeriti metrikom kvalitete ispravka grešaka. Na primjer, možete koristiti sljedeće: "postotak ispravno ispravljenih zahtjeva" i "postotak ispravno neispravljenih zahtjeva". Ali to izravno ne govori o korisnosti takve inovacije za poslovanje. U svakom slučaju, morate pratiti kako se metrika pretraživanja cilja mijenja u borbenim uvjetima. Da bismo to učinili, provodimo eksperimente, odnosno A/B testove. Nakon toga gledamo metriku, na primjer, udio praznih rezultata pretraživanja i “click-through rate” nekih pozicija s vrha u testnoj i kontrolnoj skupini. Ako je promjena dovoljno velika, odrazit će se na globalne metrike kao što su prosječni ček, prihod i konverzija u kupnju. To znači da je algoritam za ispravljanje pogrešaka pri upisu učinkovit. Korisnik kupuje 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 dostupni geolokacija i izvor prometa. Korisničke postavke razlikuju se ovisno o platformi i regiji. Stoga odmah razumijemo što bi se moglo svidjeti novom potencijalnom klijentu.

Znamo kako raditi s poviješću korisnika prikupljenom godinu ili dvije. Sada možemo prikupljati povijest puno brže – doslovno u nekoliko minuta. Nakon prvih minuta prve sesije već je moguće izvući neke zaključke o potrebama i ukusima određene osobe. Na primjer, ako je korisnik nekoliko puta prilikom traženja tenisica odabrao bijele cipele, onda je to ta koja bi trebala biti ponuđena. Vidimo izglede za takvu funkcionalnost i planiramo je implementirati.

Sada, kako bismo poboljšali mogućnosti personalizacije, više se fokusiramo na karakteristike proizvoda s kojima su naši posjetitelji imali neku vrstu interakcije. Na temelju tih podataka formiramo određenu “sliku ponašanja” o korisniku koju zatim koristimo u svojim 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 product managere koji se bave komunikacijom s potrošačima. Oni provode dubinske intervjue kako bi razumjeli nezadovoljene potrebe korisnika i to znanje pretvorili u ideje za proizvode.

Od trendova koje sada vidimo, mogu se razlikovati sljedeći:

• 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. To se objašnjava vrlo jednostavno: ponekad je lakše postaviti tekstualni upit nego koristiti navigaciju u katalogu.
• Drugi trend koji moramo uzeti u obzir je želju korisnika da postavljaju kratke upite. Stoga im je potrebno pomoći da oblikuju sadržajnije i detaljnije zahtjeve. Na primjer, to možemo učiniti s prijedlozima za pretraživanje.

Što je sljedeće

Danas u online trgovini postoje samo dva načina glasanja za proizvod: kupnja ili dodavanje proizvoda u favorite. Ali korisnik, u pravilu, nema mogućnosti pokazati da mu se proizvod ne sviđa. Rješavanje ovog problema jedan je od prioriteta za budućnost.

Osim toga, naš tim naporno radi na uvođenju tehnologija računalnog vida, algoritama za optimizaciju logistike i personaliziranog feeda preporuka. Nastojimo izgraditi budućnost e-trgovine na temelju analize podataka i primjene novih tehnologija kako bismo stvorili bolju uslugu za naše kupce.

Pretplatite se i na Trends Telegram kanal i budite u tijeku s aktualnim trendovima i prognozama o budućnosti tehnologije, ekonomije, obrazovanja i inovacija.