Kā Lamoda strādā pie algoritmiem, kas izprot pircēja vēlmes

Drīzumā iepirkšanās tiešsaistē būs sociālo mediju, ieteikumu platformu un kapsulu skapju sūtījumu kombinācija. Uzņēmuma pētniecības un attīstības nodaļas vadītājs Oļegs Homjuks pastāstīja, kā Lamoda strādā pie tā

Kas un kā Lamoda strādā pie platformas algoritmiem

Uzņēmumā Lamoda R&D ir atbildīga par lielāko daļu jauno, uz datiem balstītu projektu ieviešanu un monetizāciju no tiem. Komanda sastāv no analītiķiem, izstrādātājiem, datu zinātniekiem (mašīnmācības inženieriem) un produktu vadītājiem. Starpfunkcionālais komandas formāts tika izvēlēts iemesla dēļ.

Tradicionāli lielos uzņēmumos šie speciālisti strādā dažādās nodaļās – analītikas, IT, produktu nodaļās. Kopīgo projektu īstenošanas ātrums ar šo pieeju parasti ir diezgan zems kopīgās plānošanas grūtību dēļ. Pats darbs ir strukturēts šādi: vispirms viena nodaļa nodarbojas ar analīzi, tad otra – ar izstrādi. Katram no tiem ir savi uzdevumi un to risināšanas termiņi.

Mūsu starpfunkcionālā komanda izmanto elastīgas pieejas, un paralēli notiek dažādu speciālistu aktivitātes. Pateicoties tam, Time-To-Market indikators (laiks no darba sākuma pie projekta līdz ienākšanai tirgū. Tendences) ir zemāks par vidējo tirgus rādītāju. Vēl viena starpfunkcionālā formāta priekšrocība ir visu komandas locekļu iedziļināšanās biznesa kontekstā un viens otra darbā.

Projekta portfelis

Mūsu nodaļas projektu portfelis ir daudzveidīgs, lai gan acīmredzamu iemeslu dēļ tas ir orientēts uz digitālo produktu. Jomas, kurās mēs aktīvi darbojamies:

• katalogs un meklēšana;
• ieteikuma sistēmas;
• personalizācija;
• iekšējo procesu optimizācija.

Katalogu, meklēšanas un ieteikumu sistēmas ir vizuāli tirdzniecības rīki, galvenais veids, kā klients izvēlas produktu. Jebkurš būtisks šīs funkcionalitātes lietojamības uzlabojums būtiski ietekmē uzņēmuma darbību. Piemēram, katalogu šķirošanā prioritāri izvirzot produktus, kas ir populāri un pircējiem pievilcīgi, palielinās pārdošanas apjoms, jo lietotājam ir grūti apskatīt visu klāstu, un viņa uzmanība parasti aprobežojas ar vairākiem simtiem apskatīto preču. Tajā pašā laikā līdzīgu preču ieteikumi preču kartītē var palīdzēt izdarīt izvēli tiem, kuriem kāda iemesla dēļ apskatāmā prece nav paticis.

Viens no veiksmīgākajiem gadījumiem, kas mums bija, bija jaunas meklēšanas ieviešana. Tās galvenā atšķirība no iepriekšējās versijas ir lingvistiskajos algoritmos pieprasījuma izpratnei, ko mūsu lietotāji ir uztvēruši pozitīvi. Tas būtiski ietekmēja pārdošanas rādītājus.

Visas idejas tiek pārbaudītas

Pirms jaunas funkcionalitātes kļūst pieejamas Lamoda lietotājiem, mēs veicam A/B testēšanu. Tas ir būvēts pēc klasiskās shēmas un izmantojot tradicionālās sastāvdaļas.

• Pirmais posms – mēs sākam eksperimentu, norādot tā datumus un lietotāju procentuālo daļu, kuriem ir jāiespējo šī vai cita funkcionalitāte.
• Otrais posms — mēs apkopojam to lietotāju identifikatorus, kuri piedalās eksperimentā, kā arī datus par viņu uzvedību vietnē un pirkumiem.
• Trešais posms – apkopot, izmantojot mērķtiecīgus produktu un biznesa rādītājus.

No biznesa viedokļa, jo labāk mūsu algoritmi izprot lietotāju vaicājumus, tostarp tos, kas pieļauj kļūdas, jo labāk tas ietekmēs mūsu ekonomiku. Pieprasījumi ar drukas kļūdām nenovedīs pie tukšas lapas vai neprecīzas meklēšanas, pieļautās kļūdas kļūs skaidras mūsu algoritmiem, un lietotājs meklēšanas rezultātos redzēs meklētos produktus. Tā rezultātā viņš var veikt pirkumu un neatstās vietni bez nekā.

Jaunā modeļa kvalitāti var izmērīt ar kļūdu korekcijas kvalitātes metriku. Piemēram, varat izmantot: “pareizi laboto pieprasījumu procentuālā daļa” un “pareizi neizlaboto pieprasījumu procentuālā daļa”. Bet tas tieši nerunā par šādas inovācijas lietderību uzņēmējdarbībai. Jebkurā gadījumā jums ir jāskatās, kā mērķa meklēšanas rādītāji mainās kaujas apstākļos. Lai to izdarītu, mēs veicam eksperimentus, proti, A / B testus. Pēc tam mēs skatāmies uz metriku, piemēram, tukšo meklēšanas rezultātu īpatsvaru un dažu pozīciju “vidējo klikšķu skaitu” no augšas testa un kontroles grupās. Ja izmaiņas ir pietiekami lielas, tās tiks atspoguļotas globālajos rādītājos, piemēram, vidējais čeks, ieņēmumi un reklāmguvums uz pirkumu. Tas norāda, ka drukas kļūdu labošanas algoritms ir efektīvs. Lietotājs veic pirkumu pat tad, ja meklēšanas vaicājumā ir pieļāvis drukas kļūdu.

Uzmanība katram lietotājam

Mēs zinām kaut ko par katru Lamoda lietotāju. Pat ja persona pirmo reizi apmeklē mūsu vietni vai lietojumprogrammu, mēs redzam platformu, kuru viņš izmanto. Dažkārt mums ir pieejama ģeogrāfiskā atrašanās vieta un satiksmes avots. Lietotāju preferences dažādās platformās un reģionos atšķiras. Tāpēc uzreiz saprotam, kas varētu patikt jaunam potenciālajam klientam.

Mēs zinām, kā strādāt ar lietotāja vēsturi, kas savākta vairāk nekā gadu vai divus. Tagad mēs varam savākt vēsturi daudz ātrāk – burtiski dažās minūtēs. Jau pēc pirmā seansa pirmajām minūtēm var izdarīt dažus secinājumus par konkrētā cilvēka vajadzībām un gaumi. Piemēram, ja lietotājs, meklējot kedas, vairākas reizes atlasīja baltas kurpes, tad tās ir jāpiedāvā. Šādai funkcionalitātei redzam perspektīvas un plānojam to ieviest.

Tagad, lai uzlabotu personalizācijas iespējas, mēs vairāk koncentrējamies uz to produktu īpašībām, ar kuriem mūsu apmeklētāji sadarbojās. Pamatojoties uz šiem datiem, mēs veidojam noteiktu lietotāja “uzvedības tēlu”, ko pēc tam izmantojam savos algoritmos.

Kā mainīt tiešsaistes pircēju uzvedību

Jebkura produkta izstrādes svarīga sastāvdaļa ir klientu attīstība (nākotnes produkta idejas vai prototipa testēšana uz potenciālajiem patērētājiem) un padziļinātās intervijas. Mūsu komandā ir produktu menedžeri, kas nodarbojas ar komunikāciju ar patērētājiem. Viņi veic padziļinātas intervijas, lai izprastu neapmierinātās lietotāju vajadzības un pārvērstu šīs zināšanas produktu idejās.

No tendencēm, kuras mēs tagad redzam, var izdalīt šādas:

• No mobilajām ierīcēm veikto meklējumu īpatsvars nepārtraukti pieaug. Mobilo platformu izplatība maina veidu, kā lietotāji mijiedarbojas ar mums. Piemēram, Lamoda trafika laika gaitā arvien vairāk plūst no kataloga uz meklēšanu. Tas ir izskaidrojams pavisam vienkārši: dažreiz ir vieglāk iestatīt teksta vaicājumu, nekā izmantot navigāciju katalogā.
• Vēl viena tendence, kas mums jāņem vērā, ir lietotāju vēlme uzdot īsus vaicājumus. Tāpēc ir jāpalīdz viņiem veidot saturīgākus un detalizētākus pieprasījumus. Piemēram, mēs to varam izdarīt, izmantojot meklēšanas ieteikumus.

Ko tālāk

Mūsdienās, iepērkoties tiešsaistē, ir tikai divi veidi, kā balsot par preci: veikt pirkumu vai pievienot preci izlasei. Bet lietotājam, kā likums, nav iespēju parādīt, ka produkts nepatīk. Šīs problēmas risināšana ir viena no nākotnes prioritātēm.

Atsevišķi mūsu komanda cītīgi strādā pie datorredzes tehnoloģiju, loģistikas optimizācijas algoritmu un personalizētas ieteikumu plūsmas ieviešanas. Mēs cenšamies veidot e-komercijas nākotni, pamatojoties uz datu analīzi un jaunu tehnoloģiju pielietošanu, lai radītu labākus pakalpojumus saviem klientiem.

Abonējiet arī kanālu Trends Telegram un sekojiet jaunākajām tendencēm un prognozēm par tehnoloģiju, ekonomikas, izglītības un inovāciju nākotni.