Spis treści
Wkrótce zakupy online będą mieszanką mediów społecznościowych, platform rekomendacyjnych i wysyłek z szafy kapsułowej. Oleg Khomyuk, szef działu badań i rozwoju firmy, opowiedział, jak Lamoda nad tym pracuje
Kto i jak w Lamodzie pracuje nad algorytmami platformy
W Lamodzie dział R&D jest odpowiedzialny za wdrażanie większości nowych projektów opartych na danych i monetyzację ich. Zespół składa się z analityków, programistów, analityków danych (inżynierów uczenia maszynowego) oraz menedżerów produktu. Wielofunkcyjny format zespołu został wybrany nie bez powodu.
Tradycyjnie w dużych firmach specjaliści ci pracują w różnych działach – analitycznym, IT, produktowym. Szybkość realizacji wspólnych projektów przy takim podejściu jest zwykle dość niska ze względu na trudności we wspólnym planowaniu. Sama praca jest zorganizowana w następujący sposób: najpierw jeden dział zajmuje się analityką, potem drugi – rozwojem. Każdy z nich ma swoje własne zadania i terminy ich rozwiązania.
Nasz interdyscyplinarny zespół stosuje elastyczne podejście, a działania różnych specjalistów prowadzone są równolegle. Dzięki temu wskaźnik Time-To-Market (czas od rozpoczęcia prac nad projektem do wejścia na rynek. — Trendy) jest niższa od średniej rynkowej. Kolejną zaletą formatu wielofunkcyjnego jest zanurzenie wszystkich członków zespołu w kontekście biznesowym i wzajemnej pracy.
Portfolio projektów
Portfolio projektów naszego działu jest zróżnicowane, choć z oczywistych względów jest ukierunkowane na produkt cyfrowy. Obszary, w których jesteśmy aktywni:
- katalog i wyszukiwanie;
- systemy rekomendacyjne;
- personalizacja;
- optymalizacja procesów wewnętrznych.
Systemy katalogów, wyszukiwarek i rekomendacji są narzędziami visual merchandisingu, głównym sposobem wyboru produktu przez klienta. Każde znaczące ulepszenie użyteczności tej funkcji ma znaczący wpływ na wydajność biznesową. Na przykład nadanie priorytetu w sortowaniu katalogów produktom, które są popularne i atrakcyjne dla klientów, prowadzi do wzrostu sprzedaży, ponieważ użytkownikowi trudno jest przejrzeć cały asortyment, a jego uwaga ogranicza się zazwyczaj do kilkuset przeglądanych produktów. Jednocześnie rekomendacje podobnych produktów na karcie produktu mogą pomóc w dokonaniu wyboru tym, którym z jakiegoś powodu oglądany produkt nie przypadł do gustu.
Jednym z naszych najbardziej udanych przypadków było wprowadzenie nowego wyszukiwania. Główną różnicą w stosunku do poprzedniej wersji są algorytmy lingwistyczne do zrozumienia zapytania, które nasi użytkownicy pozytywnie odebrali. Miało to istotny wpływ na wyniki sprzedaży.
48% wszystkich konsumentów opuścić stronę firmy z powodu jej słabej wydajności i dokonać kolejnego zakupu na innej stronie.
91% konsumentów są bardziej skłonni do robienia zakupów u marek, które udostępniają aktualne oferty i rekomendacje.
Źródło: Accenture
Wszystkie pomysły są testowane
Zanim nowa funkcjonalność stanie się dostępna dla użytkowników Lamody, przeprowadzamy testy A/B. Jest zbudowany według klasycznego schematu iz wykorzystaniem tradycyjnych komponentów.
- Pierwszy etap – zaczynamy eksperyment, wskazując jego terminy i odsetek użytkowników, którzy muszą włączyć tę lub inną funkcjonalność.
- Drugi etap — zbieramy identyfikatory użytkowników, którzy biorą udział w eksperymencie, a także dane o ich zachowaniu na stronie i zakupach.
- Trzeci etap – podsumuj za pomocą docelowych wskaźników produktowych i biznesowych.
Z biznesowego punktu widzenia, im lepiej nasze algorytmy rozumieją zapytania użytkowników, w tym te, które popełniają błędy, tym lepiej wpłynie to na naszą gospodarkę. Zapytania z literówkami nie doprowadzą do pustej strony lub niedokładnego wyszukiwania, popełnione błędy staną się jasne dla naszych algorytmów, a użytkownik zobaczy produkty, których szukał w wynikach wyszukiwania. Dzięki temu może dokonać zakupu i nie opuści serwisu z niczym.
Jakość nowego modelu można zmierzyć za pomocą wskaźników jakości korekty erraty. Na przykład możesz użyć: „procent poprawnie poprawionych wniosków” i „procent poprawnie poprawionych wniosków”. Ale to nie mówi wprost o przydatności takiej innowacji dla biznesu. W każdym razie musisz obserwować, jak zmieniają się wskaźniki wyszukiwania celu w warunkach bojowych. W tym celu przeprowadzamy eksperymenty, czyli testy A/B. Następnie przyglądamy się metrykom, np. udziałowi pustych wyników wyszukiwania i „współczynnikowi klikalności” niektórych pozycji z góry w grupie testowej i kontrolnej. Jeśli zmiana jest wystarczająco duża, zostanie odzwierciedlona w globalnych wskaźnikach, takich jak średni czek, przychody i konwersja do zakupu. Oznacza to, że algorytm poprawiania literówek jest skuteczny. Użytkownik dokonuje zakupu, nawet jeśli popełnił błąd w zapytaniu.
Uwaga dla każdego użytkownika
Wiemy coś o każdym użytkowniku Lamody. Nawet jeśli dana osoba odwiedza naszą stronę lub aplikację po raz pierwszy, widzimy platformę, z której korzysta. Czasami geolokalizacja i źródło ruchu są dla nas dostępne. Preferencje użytkowników różnią się w zależności od platformy i regionu. Dlatego od razu rozumiemy, co może spodobać się nowemu potencjalnemu klientowi.
Wiemy, jak pracować z historią użytkownika zebraną przez rok lub dwa. Teraz historię możemy zbierać znacznie szybciej – dosłownie w kilka minut. Już po pierwszych minutach pierwszej sesji można wyciągnąć pewne wnioski na temat potrzeb i upodobań konkretnej osoby. Na przykład, jeśli użytkownik kilka razy wybrał białe buty, szukając trampek, to właśnie one powinny zostać zaoferowane. Widzimy perspektywy takiej funkcjonalności i planujemy ją wdrożyć.
Teraz, aby poprawić opcje personalizacji, skupiamy się bardziej na cechach produktów, z którymi nasi goście mieli jakąś interakcję. Na podstawie tych danych tworzymy pewien „obraz behawioralny” użytkownika, który następnie wykorzystujemy w naszych algorytmach.
76% rosyjskich użytkowników chętnie udostępniają swoje dane osobowe firmom, którym ufają.
73% firm nie mają indywidualnego podejścia do konsumenta.
Źródła: PWC, Accenture
Jak zmienić podążając za zachowaniem kupujących online
Ważnym elementem rozwoju każdego produktu jest rozwój klienta (testowanie pomysłu lub prototypu przyszłego produktu na potencjalnych konsumentach) oraz wywiady pogłębione. W naszym zespole pracują managerowie produktu, którzy zajmują się komunikacją z konsumentami. Przeprowadzają pogłębione wywiady, aby zrozumieć niezaspokojone potrzeby użytkowników i przekształcić tę wiedzę w pomysły na produkty.
Spośród trendów, które obserwujemy obecnie, można wyróżnić:
- Udział wyszukiwań z urządzeń mobilnych stale rośnie. Rozpowszechnienie platform mobilnych zmienia sposób interakcji użytkowników z nami. Na przykład ruch na Lamoda z czasem coraz bardziej przepływa z katalogu do wyszukiwania. Jest to wyjaśnione w prosty sposób: czasami łatwiej jest ustawić zapytanie tekstowe niż korzystać z nawigacji w katalogu.
- Kolejnym trendem, który musimy wziąć pod uwagę, jest chęć użytkowników do zadawania krótkich zapytań. Dlatego konieczne jest pomaganie im w formułowaniu bardziej znaczących i szczegółowych próśb. Na przykład możemy to zrobić za pomocą sugestii wyszukiwania.
Co dalej
Dziś w zakupach online są tylko dwa sposoby oddania głosu na produkt: dokonać zakupu lub dodać produkt do ulubionych. Ale użytkownik z reguły nie ma opcji, aby pokazać, że produkt nie jest lubiany. Rozwiązanie tego problemu jest jednym z priorytetów na przyszłość.
Osobno nasz zespół intensywnie pracuje nad wprowadzeniem technologii komputerowego widzenia, algorytmów optymalizacji logistyki oraz spersonalizowanego źródła rekomendacji. Staramy się budować przyszłość e-commerce w oparciu o analizę danych i zastosowanie nowych technologii w celu stworzenia lepszej obsługi naszych klientów.
Subskrybuj również kanał Trends Telegram i bądź na bieżąco z aktualnymi trendami i prognozami dotyczącymi przyszłości technologii, ekonomii, edukacji i innowacji.