Hvordan Lamoda arbejder på algoritmer, der forstår køberens ønsker

Snart vil online shopping være en blanding af sociale medier, anbefalingsplatforme og kapselgarderobeforsendelser. Oleg Khomyuk, leder af virksomhedens forsknings- og udviklingsafdeling, fortalte, hvordan Lamoda arbejder med dette

Hvem og hvordan i Lamoda fungerer på platformsalgoritmer

Hos Lamoda er R&D ansvarlig for at implementere de fleste nye datadrevne projekter og tjene penge på dem. Teamet består af analytikere, udviklere, data scientists (maskinlæringsingeniører) og produktchefer. Det tværgående teamformat blev valgt af en grund.

Traditionelt arbejder disse specialister i store virksomheder i forskellige afdelinger – analytics, IT, produktafdelinger. Hastigheden af ​​gennemførelsen af ​​fælles projekter med denne tilgang er normalt ret lav på grund af vanskelighederne med fælles planlægning. Selve arbejdet er struktureret som følger: først er en afdeling engageret i analyse, derefter en anden - udvikling. Hver af dem har sine egne opgaver og deadlines for deres løsning.

Vores tværfunktionelle team anvender fleksible tilgange, og forskellige specialisters aktiviteter udføres parallelt. Takket være dette er Time-To-Market-indikatoren (tiden fra starten af ​​arbejdet med projektet til indtræden på markedet. — Tendenser) er lavere end markedsgennemsnittet. En anden fordel ved det tværgående format er fordybelsen af ​​alle teammedlemmer i den forretningsmæssige sammenhæng og hinandens arbejde.

Projektportefølje

Vores afdelings projektportefølje er mangfoldig, selvom den af ​​indlysende grunde er forudindtaget i retning af et digitalt produkt. Områder, hvor vi er aktive:

• katalog og søgning;
• anbefalingssystemer;
• personalisering;
• optimering af interne processer.

Katalog-, søge- og anbefalingssystemer er visuelle merchandisingværktøjer, den vigtigste måde, hvorpå en kunde vælger et produkt. Enhver væsentlig forbedring af anvendeligheden af ​​denne funktionalitet har en væsentlig indvirkning på virksomhedens ydeevne. For eksempel fører prioritering af produkter, der er populære og attraktive for kunderne i katalogsortering, til et øget salg, da det er svært for brugeren at se hele sortimentet, og hans opmærksomhed er normalt begrænset til flere hundrede sete produkter. Samtidig kan anbefalinger af lignende produkter på produktkortet hjælpe dem, der af en eller anden grund ikke kunne lide det produkt, der blev set, med at træffe deres valg.

En af de mest succesrige sager, vi havde, var indførelsen af ​​en ny søgning. Dens største forskel fra den tidligere version er i de sproglige algoritmer til at forstå anmodningen, som vores brugere har opfattet positivt. Dette havde en betydelig indflydelse på salgstallene.

Alle ideer er testet

Inden ny funktionalitet bliver tilgængelig for Lamoda-brugere, udfører vi A/B-test. Det er bygget efter det klassiske skema og ved hjælp af traditionelle komponenter.

• Den første fase – vi starter eksperimentet og angiver dets datoer og procentdelen af ​​brugere, der skal aktivere denne eller hin funktionalitet.
• Det andet stadium — vi indsamler identifikatorer for brugere, der deltager i eksperimentet, samt data om deres adfærd på webstedet og køb.
• Den tredje fase – opsummere ved hjælp af målrettede produkt- og forretningsmålinger.

Fra et forretningsmæssigt synspunkt, jo bedre vores algoritmer forstår brugerforespørgsler, inklusive dem, der laver fejl, jo bedre vil det påvirke vores økonomi. Forespørgsler med stavefejl vil ikke føre til en tom side eller unøjagtig søgning, de begåede fejl bliver tydelige for vores algoritmer, og brugeren vil se de produkter, han ledte efter, i søgeresultaterne. Som et resultat kan han foretage et køb og vil ikke forlade webstedet uden noget.

Kvaliteten af ​​den nye model kan måles ved hjælp af errata-korrektionskvalitetsmålingerne. For eksempel kan du bruge følgende: "procentdel af korrekt korrigerede anmodninger" og "procentdel af korrekt ukorrigerede anmodninger". Men dette taler ikke direkte om nytten af ​​en sådan innovation for erhvervslivet. Under alle omstændigheder skal du se, hvordan målsøgemålingerne ændrer sig under kampforhold. For at gøre dette kører vi eksperimenter, nemlig A/B-tests. Derefter ser vi på metrics, for eksempel andelen af ​​tomme søgeresultater og "klikfrekvensen" for nogle positioner fra toppen i test- og kontrolgrupperne. Hvis ændringen er stor nok, vil den afspejle sig i globale metrics såsom gennemsnitlig check, omsætning og konvertering til køb. Dette indikerer, at algoritmen til at rette stavefejl er effektiv. Brugeren foretager et køb, selvom han har lavet en tastefejl i søgeforespørgslen.

Opmærksomhed til enhver bruger

Vi ved noget om enhver Lamoda-bruger. Selvom en person besøger vores websted eller applikation for første gang, ser vi den platform, han bruger. Nogle gange er geolocation og trafikkilde tilgængelige for os. Brugerpræferencer varierer på tværs af platforme og regioner. Derfor forstår vi straks, hvad en ny potentiel kunde kunne tænke sig.

Vi ved, hvordan man arbejder med en brugers historie indsamlet over et år eller to. Nu kan vi indsamle historie meget hurtigere - bogstaveligt talt på få minutter. Efter de første minutter af den første session er det allerede muligt at drage nogle konklusioner om en bestemt persons behov og smag. For eksempel, hvis en bruger valgte hvide sko flere gange, når de søgte efter sneakers, så er det den, der skal tilbydes. Vi ser perspektiverne for en sådan funktionalitet og planlægger at implementere den.

For at forbedre mulighederne for personalisering fokuserer vi nu mere på egenskaberne ved produkter, som vores besøgende havde en form for interaktion med. Baseret på disse data danner vi et bestemt "adfærdsbillede" af brugeren, som vi så bruger i vores algoritmer.

Sådan ændres efter adfærden hos onlinekunder

En vigtig del af udviklingen af ​​ethvert produkt er kundeudvikling (afprøvning af en idé eller prototype af et fremtidigt produkt på potentielle forbrugere) og dybdegående interviews. Vores team har produktchefer, der beskæftiger sig med kommunikation med forbrugere. De gennemfører dybdegående interviews for at forstå uopfyldte brugerbehov og omdanne denne viden til produktideer.

Af de tendenser, vi ser nu, kan følgende skelnes:

• Andelen af ​​søgninger fra mobile enheder vokser konstant. Udbredelsen af ​​mobile platforme ændrer den måde, brugerne interagerer med os på. For eksempel flyder trafikken på Lamoda over tid mere og mere fra kataloget til søgning. Dette forklares ganske enkelt: Det er nogle gange lettere at indstille en tekstforespørgsel end at bruge navigationen i kataloget.
• En anden tendens, som vi skal overveje, er brugernes ønske om at stille korte forespørgsler. Derfor er det nødvendigt at hjælpe dem med at danne mere meningsfulde og detaljerede anmodninger. Det kan vi for eksempel gøre med søgeforslag.

Hvad er næste?

I dag er der i online shopping kun to måder at stemme på et produkt: foretage et køb eller tilføje produktet til favoritter. Men brugeren har som regel ikke muligheder for at vise, at produktet ikke kan lide. At løse dette problem er en af ​​prioriteterne for fremtiden.

Separat arbejder vores team hårdt på introduktionen af ​​computervisionsteknologier, logistikoptimeringsalgoritmer og et personligt feed af anbefalinger. Vi stræber efter at bygge fremtiden for e-handel baseret på dataanalyse og anvendelse af nye teknologier for at skabe en bedre service for vores kunder.

Abonner også på Trends Telegram-kanalen og hold dig opdateret med aktuelle tendenser og prognoser om fremtiden for teknologi, økonomi, uddannelse og innovation.