Hogyan dolgozik a Lamoda olyan algoritmusokon, amelyek megértik a vevő vágyait

Hamarosan az online vásárlás a közösségi média, az ajánlási platformok és a kapszula gardrób-szállítmányok keveréke lesz. Oleg Khomyuk, a cég kutatás-fejlesztési részlegének vezetője elmondta, hogyan dolgozik ezen a Lamoda

Ki és hogyan dolgozik a Lamodában platformalgoritmusokon

A Lamodánál a K+F felelős a legtöbb új adatvezérelt projekt megvalósításáért és azok bevételszerzéséért. A csapat elemzőkből, fejlesztőkből, adatkutatókból (gépi tanulási mérnökök) és termékmenedzserekből áll. A többfunkciós csapatformát okkal választották.

Hagyományosan a nagyvállalatoknál ezek a szakemberek különböző részlegeken dolgoznak – analitikai, informatikai, termékosztályokon. A közös projektek megvalósításának sebessége ezzel a megközelítéssel általában meglehetősen alacsony a közös tervezés nehézségei miatt. Maga a munka a következőképpen épül fel: először egy részleg foglalkozik elemzéssel, majd egy másik – fejlesztéssel. Mindegyiknek megvan a maga feladata és megoldási határideje.

Keresztfunkciós csapatunk rugalmas megközelítést alkalmaz, és párhuzamosan végzik a különböző szakemberek tevékenységét. Ennek köszönhetően a piacra jutási idő mutató (a projekten végzett munka megkezdésétől a piacra lépésig eltelt idő. Trends) alacsonyabb a piaci átlagnál. A többfunkciós formátum másik előnye, hogy a csapat minden tagja belemerül az üzleti környezetbe és egymás munkájába.

Projekt portfólió

Osztályunk projektportfóliója sokrétű, bár nyilvánvaló okokból a digitális termék felé hajlik. Tevékenységünk területei:

• katalógus és keresés;
• ajánlórendszerek;
• személyre szabás;
• belső folyamatok optimalizálása.

A katalógus-, kereső- és ajánlórendszerek vizuális merchandising eszközök, a vásárlók termékválasztásának fő módja. A funkcionalitás használhatóságának bármely jelentős fejlesztése jelentős hatással van az üzleti teljesítményre. Például a katalógusok válogatásánál a vásárlók számára kedvelt és vonzó termékek előtérbe helyezése az eladások növekedését eredményezi, mivel a felhasználó nehezen tudja áttekinteni a teljes választékot, és figyelme általában több száz megtekintett termékre korlátozódik. Ugyanakkor a termékkártyán található hasonló termékekre vonatkozó ajánlások segíthetik a választást azoknak, akiknek valamilyen okból nem tetszett a megtekintett termék.

Az egyik legsikeresebb esetünk egy új keresés bevezetése volt. Legfőbb különbsége az előző verzióhoz képest a kérés megértését szolgáló nyelvi algoritmusokban rejlik, amit felhasználóink ​​pozitívan érzékelt. Ez jelentős hatással volt az értékesítési adatokra.

Minden ötlet tesztelve van

Mielőtt az új funkciók elérhetővé válnának a Lamoda-felhasználók számára, A/B tesztelést végzünk. A klasszikus séma szerint és hagyományos alkatrészek felhasználásával épült.

• Az első szakasz – elindítjuk a kísérletet, jelezve annak dátumait és a felhasználók százalékos arányát, akiknek engedélyezniük kell ezt vagy azt a funkciót.
• A második szakasz — gyűjtjük a kísérletben részt vevő felhasználók azonosítóit, valamint adatokat az oldalon való viselkedésükről és a vásárlásokról.
• A harmadik szakasz – célzott termék- és üzleti mutatók segítségével összegezni.

Üzleti szempontból minél jobban megértik az algoritmusaink a felhasználói lekérdezéseket, beleértve a hibásakat is, annál jobban érinti a gazdaságunkat. A gépelési hibákat tartalmazó kérések nem vezetnek üres oldalhoz vagy pontatlan kereséshez, az elkövetett hibák egyértelművé válnak algoritmusaink számára, és a felhasználó a keresett termékeket fogja látni a keresési eredmények között. Ennek eredményeként vásárolhat, és nem hagyja el semmivel az oldalt.

Az új modell minősége az errata korrekciós minőségi mérőszámokkal mérhető. Használhatja például a következőket: „helyesen javított kérések százaléka” és „helyesen nem javított kérések százaléka”. De ez nem közvetlenül arról szól, hogy egy ilyen innováció az üzleti életben hasznos lenne. Mindenesetre figyelni kell, hogyan változnak a célkeresési mutatók harci körülmények között. Ehhez kísérleteket, nevezetesen A/B teszteket futtatunk. Ezt követően megnézzük a mérőszámokat, például az üres keresési eredmények arányát, illetve egyes pozíciók „átkattintási arányát” a felülről a teszt- és kontrollcsoportban. Ha a változás elég nagy, akkor az olyan globális mutatókban is meg fog jelenni, mint az átlagos csekk, a bevétel és a vásárlásra való átváltás. Ez azt jelzi, hogy az elírási hibák kijavítására szolgáló algoritmus hatékony. A felhasználó akkor is vásárol, ha elgépelt a keresési lekérdezésben.

Figyelem minden felhasználónak

Minden Lamoda felhasználóról tudunk valamit. Még ha egy személy először keresi fel oldalunkat vagy alkalmazásunkat, akkor is látjuk az általa használt platformot. Néha a földrajzi helymeghatározás és a forgalmi forrás elérhető számunkra. A felhasználói beállítások platformonként és régiónként eltérőek. Ezért azonnal megértjük, mi tetszhet egy új potenciális ügyfélnek.

Tudjuk, hogyan kell dolgozni egy-két éven keresztül összegyűjtött felhasználói előzményekkel. Most sokkal gyorsabban gyűjthetjük össze a történelmet – szó szerint néhány perc alatt. Az első foglalkozás első percei után már le lehet vonni néhány következtetést egy adott személy igényeiről és ízléséről. Például, ha egy felhasználó többször fehér cipőt választott, amikor tornacipőt keresett, akkor ezt kell felajánlani. Látjuk az ilyen funkcionalitás kilátásait, és tervezzük ennek megvalósítását.

A személyre szabási lehetőségek javítása érdekében most nagyobb hangsúlyt fektetünk azon termékek jellemzőire, amelyekkel látogatóink valamilyen interakcióba léptek. Ezen adatok alapján kialakítunk egy bizonyos „viselkedési képet” a felhasználóról, amelyet aztán felhasználunk az algoritmusainkban.

Hogyan változtassunk az online vásárlók viselkedésén

Minden termék fejlesztésének fontos része az ügyfélfejlesztés (a jövőbeli termék ötletének vagy prototípusának tesztelése a potenciális fogyasztókon) és a mélyinterjúk. Csapatunkban termékmenedzserek dolgoznak, akik a fogyasztókkal való kommunikációval foglalkoznak. Mélyinterjúkat készítenek, hogy megértsék a kielégítetlen felhasználói igényeket, és ezt a tudást termékötletté alakítsák.

A most tapasztalható trendek közül a következőket lehet megkülönböztetni:

• A mobileszközökről indított keresések aránya folyamatosan növekszik. A mobilplatformok elterjedése megváltoztatja a felhasználók velünk való interakcióját. Például a Lamoda forgalma idővel egyre több a katalógusból a keresésbe. Ez egyszerűen megmagyarázható: néha könnyebb szöveges lekérdezést beállítani, mint a katalógusban található navigációt használni.
• Egy másik tendencia, amelyet figyelembe kell vennünk a felhasználók vágya, hogy rövid lekérdezéseket tegyenek fel. Ezért szükséges segíteni őket abban, hogy tartalmasabb, részletesebb kéréseket tudjanak megfogalmazni. Ezt például keresési javaslatokkal tehetjük meg.

Mi a következő lépés

Manapság az online vásárlás során csak kétféleképpen lehet szavazni egy termékre: vásárolni vagy kedvencek közé tenni a terméket. De a felhasználónak általában nincs lehetősége megmutatni, hogy a termék nem tetszik. A probléma megoldása a jövő egyik prioritása.

Külön-külön csapatunk keményen dolgozik a számítógépes látástechnológiák, a logisztikai optimalizálási algoritmusok és a személyre szabott ajánlások bevezetésén. Arra törekszünk, hogy az e-kereskedelem jövőjét az adatelemzés és az új technológiák alkalmazása alapján építsük fel ügyfeleink jobb kiszolgálása érdekében.

Iratkozzon fel a Trends Telegram csatornára is, és naprakész legyen a technológia, a gazdaság, az oktatás és az innováció jövőjével kapcsolatos aktuális trendekkel és előrejelzésekkel.