Hur Lamoda arbetar med algoritmer som förstår köparens önskemål

Snart kommer onlineshopping att vara en blandning av sociala medier, rekommendationsplattformar och kapselgarderobsförsändelser. Oleg Khomyuk, chef för företagets forsknings- och utvecklingsavdelning, berättade hur Lamoda arbetar med detta

Vem och hur i Lamoda fungerar på plattformsalgoritmer

På Lamoda ansvarar R&D för att implementera de flesta nya datadrivna projekt och tjäna pengar på dem. Teamet består av analytiker, utvecklare, datavetare (maskininlärningsingenjörer) och produktchefer. Det tvärfunktionella teamformatet valdes av en anledning.

Traditionellt, i stora företag, arbetar dessa specialister på olika avdelningar – analytics, IT, produktavdelningar. Hastigheten för genomförandet av gemensamma projekt med detta tillvägagångssätt är vanligtvis ganska låg på grund av svårigheterna med gemensam planering. Själva arbetet är strukturerat enligt följande: först är en avdelning engagerad i analys, sedan en annan - utveckling. Var och en av dem har sina egna uppgifter och deadlines för sin lösning.

Vårt tvärfunktionella team använder flexibla tillvägagångssätt och olika specialisters aktiviteter utförs parallellt. Tack vare detta, Time-To-Market-indikatorn (tiden från starten av arbetet med projektet tills det kommer in på marknaden. — Trender) är lägre än marknadsgenomsnittet. En annan fördel med det tvärfunktionella formatet är fördjupningen av alla teammedlemmar i affärssammanhang och varandras arbete.

Projektportfölj

Projektportföljen på vår avdelning är mångsidig, även om den av uppenbara skäl är partisk mot en digital produkt. Områden där vi är verksamma:

• katalog och sök;
• rekommendationssystem;
• personalisering;
• optimering av interna processer.

Katalog-, sök- och rekommendationssystem är visuella marknadsföringsverktyg, det huvudsakliga sättet som en kund väljer en produkt. Varje betydande förbättring av användbarheten av denna funktionalitet har en betydande inverkan på verksamhetens prestanda. Att prioritera produkter som är populära och attraktiva för kunderna vid katalogsortering leder till exempel till en ökad försäljning, eftersom det är svårt för användaren att se hela sortimentet och hans uppmärksamhet är vanligtvis begränsad till flera hundra visade produkter. Samtidigt kan rekommendationer av liknande produkter på produktkortet hjälpa dem som av någon anledning inte gillade produkten som ses att göra sitt val.

Ett av de mest framgångsrika fallen vi hade var införandet av en ny sökning. Dess huvudsakliga skillnad från den tidigare versionen ligger i de språkliga algoritmerna för att förstå begäran, som våra användare har uppfattat positivt. Detta hade en betydande inverkan på försäljningssiffrorna.

Alla idéer testas

Innan ny funktionalitet blir tillgänglig för Lamoda-användare genomför vi A/B-tester. Den är byggd enligt det klassiska schemat och med traditionella komponenter.

• Den första etappen – vi startar experimentet och anger dess datum och andelen användare som behöver aktivera den eller den funktionen.
• Den andra etappen — vi samlar in identifierare för användare som deltar i experimentet, samt data om deras beteende på sajten och köp.
• Den tredje etappen – sammanfatta med hjälp av riktade produkt- och affärsmått.

Ur affärsmässig synvinkel, ju bättre våra algoritmer förstår användarfrågor, inklusive de som gör misstag, desto bättre kommer det att påverka vår ekonomi. Förfrågningar med stavfel kommer inte att leda till en tom sida eller felaktig sökning, de misstag som görs kommer att bli tydliga för våra algoritmer och användaren kommer att se de produkter han letade efter i sökresultaten. Som ett resultat kan han göra ett köp och kommer inte att lämna webbplatsen utan någonting.

Kvaliteten på den nya modellen kan mätas med kvalitetsmåtten för erratakorrigering. Du kan till exempel använda följande: "procentandel av korrekt korrigerade förfrågningar" och "procentandel av korrekt okorrigerade förfrågningar". Men detta talar inte direkt om nyttan av en sådan innovation för företag. I vilket fall som helst måste du se hur målsökningsstatistiken förändras under stridsförhållanden. För att göra detta kör vi experiment, nämligen A/B-tester. Därefter tittar vi på mätvärden, till exempel andelen tomma sökresultat och "klickfrekvensen" för vissa positioner från toppen i test- och kontrollgrupperna. Om förändringen är tillräckligt stor kommer den att återspeglas i globala mätvärden som genomsnittlig check, intäkter och konvertering till köp. Detta indikerar att algoritmen för att korrigera stavfel är effektiv. Användaren gör ett köp även om han gjort ett stavfel i sökfrågan.

Uppmärksamhet till varje användare

Vi vet något om alla Lamoda-användare. Även om en person besöker vår webbplats eller applikation för första gången ser vi plattformen som han använder. Ibland är geolokalisering och trafikkälla tillgängliga för oss. Användarpreferenser varierar mellan plattformar och regioner. Därför förstår vi omedelbart vad en ny potentiell kund skulle kunna gilla.

Vi vet hur man arbetar med en användares historik som samlats in under ett eller två år. Nu kan vi samla historia mycket snabbare – bokstavligen på några minuter. Efter de första minuterna av den första sessionen är det redan möjligt att dra några slutsatser om en viss persons behov och smak. Till exempel, om en användare valde vita skor flera gånger när han sökte efter sneakers, så är det den som ska erbjudas. Vi ser utsikterna för sådan funktionalitet och planerar att implementera den.

Nu, för att förbättra anpassningsalternativen, fokuserar vi mer på egenskaperna hos produkter som våra besökare hade någon form av interaktion med. Baserat på denna data bildar vi en viss "beteendebild" av användaren, som vi sedan använder i våra algoritmer.

Hur man ändrar efter beteendet hos onlineshoppare

En viktig del av utvecklingen av vilken produkt som helst är kundutveckling (testning av en idé eller prototyp av en framtida produkt på potentiella konsumenter) och djupintervjuer. Vårt team har produktchefer som sysslar med kommunikation med konsumenter. De genomför djupintervjuer för att förstå otillfredsställda användarbehov och omvandla den kunskapen till produktidéer.

Av de trender som vi ser nu kan följande särskiljas:

• Andelen sökningar från mobila enheter växer ständigt. Utbredningen av mobila plattformar förändrar hur användarna interagerar med oss. Till exempel flödar trafik på Lamoda över tid mer och mer från katalogen till sökningen. Detta förklaras ganska enkelt: det är ibland lättare att ställa in en textfråga än att använda navigeringen i katalogen.
• En annan trend som vi måste överväga är användarnas önskan att ställa korta frågor. Därför är det nödvändigt att hjälpa dem att skapa mer meningsfulla och detaljerade förfrågningar. Det kan vi till exempel göra med sökförslag.

Vad kommer härnäst

Idag, inom onlineshopping, finns det bara två sätt att rösta på en produkt: gör ett köp eller lägg till produkten i favoriter. Men användaren har som regel inga alternativ för att visa att produkten inte är gillad. Att lösa detta problem är en av prioriteringarna för framtiden.

Separat arbetar vårt team hårt på introduktionen av datorseendeteknologier, logistikoptimeringsalgoritmer och ett personligt flöde av rekommendationer. Vi strävar efter att bygga framtiden för e-handel baserat på dataanalys och tillämpning av ny teknik för att skapa en bättre service för våra kunder.

Prenumerera också på Trends Telegram-kanalen och håll dig uppdaterad med aktuella trender och prognoser om framtiden för teknik, ekonomi, utbildning och innovation.