როგორ მუშაობს Lamoda ალგორითმებზე, რომლებიც ესმით მყიდველის სურვილებს

მალე ონლაინ შოპინგი იქნება სოციალური მედიის, სარეკომენდაციო პლატფორმებისა და კაფსულების გარდერობის მიწოდების ნაზავი. კომპანიის კვლევისა და განვითარების დეპარტამენტის ხელმძღვანელმა ოლეგ ხომიუკმა განუცხადა, თუ როგორ მუშაობს Lamoda ამაზე

ვინ და როგორ მუშაობს Lamoda-ში პლატფორმის ალგორითმებზე

Lamoda-ში R&D პასუხისმგებელია მონაცემთა ბაზაზე ორიენტირებული ახალი პროექტების უმეტესობის განხორციელებასა და მათ მონეტიზაციაზე. გუნდი შედგება ანალიტიკოსებისგან, დეველოპერებისგან, მონაცემთა მეცნიერებისგან (მანქანის შემსწავლელი ინჟინრები) და პროდუქტის მენეჯერებისგან. ჯვარედინი ფუნქციური გუნდის ფორმატი შეირჩა მიზეზით.

ტრადიციულად, მსხვილ კომპანიებში ეს სპეციალისტები მუშაობენ სხვადასხვა განყოფილებაში - ანალიტიკის, IT, პროდუქტის განყოფილებებში. ამ მიდგომით საერთო პროექტების განხორციელების სიჩქარე ჩვეულებრივ საკმაოდ დაბალია ერთობლივი დაგეგმვის სირთულეების გამო. თავად სამუშაო სტრუქტურირებულია შემდეგნაირად: ჯერ ერთი განყოფილება ეწევა ანალიტიკას, შემდეგ მეორე - განვითარებას. თითოეულ მათგანს აქვს საკუთარი ამოცანები და მათი გადაჭრის ვადები.

ჩვენი ჯვარედინი ფუნქციური გუნდი იყენებს მოქნილ მიდგომებს და პარალელურად მიმდინარეობს სხვადასხვა სპეციალისტების საქმიანობა. ამის წყალობით, Time-to-Market მაჩვენებელი (დრო პროექტზე მუშაობის დაწყებიდან ბაზარზე შესვლამდე. - ტენდენციები) დაბალია ბაზრის საშუალოზე. ჯვარედინი ფუნქციური ფორმატის კიდევ ერთი უპირატესობა არის გუნდის ყველა წევრის ჩაძირვა ბიზნეს კონტექსტში და ერთმანეთის მუშაობაში.

პროექტის პორტფოლიო

ჩვენი დეპარტამენტის პროექტების პორტფოლიო მრავალფეროვანია, თუმცა გასაგები მიზეზების გამო იგი მიკერძოებულია ციფრული პროდუქტის მიმართ. სფეროები, რომლებშიც ჩვენ ვაქტიურობთ:

• კატალოგი და ძიება;
• სარეკომენდაციო სისტემები;
• პერსონალიზაცია;
• შიდა პროცესების ოპტიმიზაცია.

კატალოგი, საძიებო და სარეკომენდაციო სისტემები არის ვიზუალური ვაჭრობის ინსტრუმენტები, ძირითადი გზა, თუ როგორ ირჩევს მომხმარებელი პროდუქტს. ამ ფუნქციის გამოყენებადობის ნებისმიერი მნიშვნელოვანი გაუმჯობესება მნიშვნელოვან გავლენას ახდენს ბიზნესის შესრულებაზე. მაგალითად, კატალოგის დახარისხებაში მომხმარებელთათვის პოპულარული და მიმზიდველი პროდუქტების პრიორიტეტიზაცია იწვევს გაყიდვების ზრდას, რადგან მომხმარებლისთვის რთულია ნახოს მთელი ასორტიმენტი და მისი ყურადღება ჩვეულებრივ შემოიფარგლება რამდენიმე ასეული ნახული პროდუქტით. ამავდროულად, მსგავსი პროდუქტების რეკომენდაციები პროდუქტის ბარათზე შეიძლება დაეხმაროს მათ, ვისაც რაიმე მიზეზით არ მოეწონა პროდუქტის ნახვა, გააკეთოს არჩევანი.

ერთ-ერთი ყველაზე წარმატებული შემთხვევა, რაც გვქონდა, იყო ახალი ძიების შემოღება. მისი მთავარი განსხვავება წინა ვერსიისგან არის მოთხოვნის გაგების ლინგვისტურ ალგორითმებში, რაც ჩვენმა მომხმარებლებმა დადებითად აღიქვეს. ამან მნიშვნელოვანი გავლენა მოახდინა გაყიდვების მაჩვენებლებზე.

ყველა იდეა შემოწმებულია

სანამ ახალი ფუნქციონალობა ხელმისაწვდომი გახდება Lamoda-ს მომხმარებლებისთვის, ჩვენ ვატარებთ A/B ტესტირებას. იგი აგებულია კლასიკური სქემით და ტრადიციული კომპონენტების გამოყენებით.

• პირველი ეტაპი – ვიწყებთ ექსპერიმენტს, მივუთითებთ მის თარიღებს და მომხმარებელთა პროცენტულ რაოდენობას, რომლებსაც ესა თუ ის ფუნქციის ჩართვა სჭირდებათ.
• მეორე ეტაპი — ჩვენ ვაგროვებთ იმ მომხმარებლების იდენტიფიკატორებს, რომლებიც მონაწილეობენ ექსპერიმენტში, ასევე მონაცემებს მათი ქცევის შესახებ საიტზე და შესყიდვები.
• მესამე ეტაპი - შეაჯამეთ მიზნობრივი პროდუქტისა და ბიზნეს მეტრიკის გამოყენებით.

ბიზნესის თვალსაზრისით, რაც უფრო კარგად ესმით ჩვენი ალგორითმები მომხმარებლის შეკითხვებს, მათ შორის შეცდომებს, მით უკეთესად იმოქმედებს ეს ჩვენს ეკონომიკაზე. წერილობითი შეცდომით მოთხოვნები არ გამოიწვევს ცარიელ გვერდს ან არაზუსტ ძიებას, დაშვებული შეცდომები გახდება ნათელი ჩვენი ალგორითმებისთვის და მომხმარებელი დაინახავს პროდუქტებს, რომლებსაც ეძებდა ძიების შედეგებში. შედეგად, მას შეუძლია შესყიდვა და საიტს არაფრით არ დატოვებს.

ახალი მოდელის ხარისხი შეიძლება შეფასდეს შეცდომის კორექტირების ხარისხის მეტრიკებით. მაგალითად, შეგიძლიათ გამოიყენოთ შემდეგი: „სწორად შესწორებული მოთხოვნების პროცენტი“ და „სწორად შეუსწორებელი მოთხოვნების პროცენტი“. მაგრამ ეს პირდაპირ არ საუბრობს ბიზნესისთვის ასეთი ინოვაციის სარგებლიანობაზე. ნებისმიერ შემთხვევაში, თქვენ უნდა უყუროთ, თუ როგორ იცვლება სამიზნე ძიების მეტრიკა საბრძოლო პირობებში. ამისათვის ჩვენ ვატარებთ ექსპერიმენტებს, კერძოდ, A/B ტესტებს. ამის შემდეგ, ჩვენ ვუყურებთ მეტრიკას, მაგალითად, ცარიელი ძიების შედეგების წილს და ზოგიერთი პოზიციის „დაწკაპუნების კოეფიციენტს“ ზემოდან ტესტისა და საკონტროლო ჯგუფებში. თუ ცვლილება საკმარისად დიდია, ის აისახება გლობალურ მეტრებში, როგორიცაა საშუალო შემოწმება, შემოსავალი და კონვერტაცია შესყიდვაზე. ეს იმაზე მეტყველებს, რომ ბეჭდვითი შეცდომების გამოსწორების ალგორითმი ეფექტურია. მომხმარებელი ყიდულობს მაშინაც კი, თუ მან შეცდომა დაუშვა საძიებო მოთხოვნაში.

ყურადღება ყველა მომხმარებლისთვის

ჩვენ ვიცით რაღაც Lamoda-ს ყველა მომხმარებლის შესახებ. მაშინაც კი, თუ ადამიანი პირველად ეწვია ჩვენს საიტს ან აპლიკაციას, ჩვენ ვხედავთ პლატფორმას, რომელსაც ის იყენებს. ზოგჯერ ჩვენთვის ხელმისაწვდომია გეოლოკაცია და ტრაფიკის წყარო. მომხმარებლის პრეფერენციები განსხვავდება პლატფორმებისა და რეგიონების მიხედვით. ამიტომ, ჩვენ დაუყოვნებლივ გვესმის, რა შეიძლება მოეწონოს ახალ პოტენციურ კლიენტს.

ჩვენ ვიცით, როგორ ვიმუშაოთ მომხმარებლის ისტორიასთან, რომელიც შეგროვებულია ერთი ან ორი წლის განმავლობაში. ახლა ჩვენ შეგვიძლია შევაგროვოთ ისტორია ბევრად უფრო სწრაფად - ფაქტიურად რამდენიმე წუთში. პირველი სესიის პირველი წუთების შემდეგ უკვე შესაძლებელია გარკვეული დასკვნის გაკეთება კონკრეტული ადამიანის საჭიროებებზე და გემოვნებაზე. მაგალითად, თუ მომხმარებელმა რამდენჯერმე აირჩია თეთრი ფეხსაცმელი, როდესაც ეძებდა სნიკერს, მაშინ ეს არის ის, რაც უნდა შესთავაზოს. ჩვენ ვხედავთ ასეთი ფუნქციონირების პერსპექტივას და ვგეგმავთ მის განხორციელებას.

ახლა, პერსონალიზაციის ვარიანტების გასაუმჯობესებლად, ჩვენ უფრო მეტ ყურადღებას ვამახვილებთ იმ პროდუქტების მახასიათებლებზე, რომლებთანაც ჩვენს ვიზიტორებს ჰქონდათ რაიმე სახის ურთიერთქმედება. ამ მონაცემების საფუძველზე ჩვენ ვქმნით მომხმარებლის გარკვეულ „ქცევის იმიჯს“, რომელსაც შემდეგ ვიყენებთ ჩვენს ალგორითმებში.

როგორ შევცვალოთ ონლაინ მყიდველების ქცევა

ნებისმიერი პროდუქტის განვითარების მნიშვნელოვანი ნაწილია მომხმარებლის განვითარება (მომავალი პროდუქტის იდეის ან პროტოტიპის ტესტირება პოტენციურ მომხმარებლებზე) და სიღრმისეული ინტერვიუები. ჩვენს გუნდს ჰყავს პროდუქტის მენეჯერები, რომლებსაც აქვთ მომხმარებლებთან კომუნიკაცია. ისინი ატარებენ სიღრმისეულ ინტერვიუებს, რათა გაიგონ მომხმარებლის დაუკმაყოფილებელი საჭიროებები და გადააქციონ ეს ცოდნა პროდუქტის იდეებად.

ტენდენციებიდან, რომლებსაც ახლა ვხედავთ, შეიძლება გამოვყოთ შემდეგი:

• მობილური მოწყობილობებიდან ძიების წილი მუდმივად იზრდება. მობილური პლატფორმების გავრცელება ცვლის მომხმარებლების ჩვენთან ურთიერთობის გზას. მაგალითად, Lamoda-ზე ტრაფიკი დროთა განმავლობაში უფრო და უფრო მიედინება კატალოგიდან ძიებაში. ეს აიხსნება საკმაოდ მარტივად: ზოგჯერ უფრო ადვილია ტექსტური მოთხოვნის დაყენება, ვიდრე კატალოგში ნავიგაციის გამოყენება.
• კიდევ ერთი ტენდენცია, რომელიც უნდა გავითვალისწინოთ არის მომხმარებელთა სურვილი დაუსვან მოკლე შეკითხვები. ამიტომ აუცილებელია დავეხმაროთ მათ უფრო შინაარსიანი და დეტალური მოთხოვნების ჩამოყალიბებაში. მაგალითად, ამის გაკეთება შეგვიძლია საძიებო წინადადებებით.

Რა არის შემდეგი

დღეს, ონლაინ შოპინგის დროს, პროდუქტზე ხმის მიცემის მხოლოდ ორი გზა არსებობს: შეიძინეთ ან დაამატეთ პროდუქტი რჩეულებში. მაგრამ მომხმარებელს, როგორც წესი, არ აქვს საშუალება აჩვენოს, რომ პროდუქტი არ მოსწონს. ამ პრობლემის მოგვარება მომავლის ერთ-ერთი პრიორიტეტია.

ცალკე, ჩვენი გუნდი ბევრს მუშაობს კომპიუტერული ხედვის ტექნოლოგიების დანერგვაზე, ლოგისტიკის ოპტიმიზაციის ალგორითმებზე და რეკომენდაციების პერსონალიზებულ პროდუქტზე. ჩვენ ვცდილობთ ავაშენოთ ელექტრონული კომერციის მომავალი მონაცემთა ანალიზსა და ახალი ტექნოლოგიების გამოყენებაზე, რათა შევქმნათ უკეთესი სერვისი ჩვენი მომხმარებლებისთვის.

გამოიწერეთ Trends Telegram-ის არხი და იყავით განახლებული ტენდენციებისა და პროგნოზების შესახებ ტექნოლოგიების, ეკონომიკის, განათლებისა და ინოვაციების მომავლის შესახებ.