Com treballa Lamoda en algorismes que entenguin els desitjos del comprador

Aviat, les compres en línia seran una barreja de xarxes socials, plataformes de recomanació i enviaments d'armari de càpsules. Oleg Khomyuk, cap del departament d'investigació i desenvolupament de l'empresa, va explicar com treballa Lamoda en això

Qui i com treballa a Lamoda amb algorismes de plataforma

A Lamoda, l'R+D és responsable d'implementar la majoria de nous projectes basats en dades i monetitzar-los. L'equip està format per analistes, desenvolupadors, científics de dades (enginyers d'aprenentatge automàtic) i gestors de producte. El format d'equip multifuncional es va triar per un motiu.

Tradicionalment, a les grans empreses, aquests especialistes treballen en diferents departaments: departaments d'anàlisi, informàtica, productes. La velocitat d'execució de projectes comuns amb aquest enfocament sol ser força baixa a causa de les dificultats de planificació conjunta. El treball en si s'estructura de la següent manera: primer, un departament es dedica a l'anàlisi i després un altre: el desenvolupament. Cadascun d'ells té les seves pròpies tasques i terminis per a la seva solució.

El nostre equip transversal utilitza enfocaments flexibles, i les activitats de diferents especialistes es duen a terme en paral·lel. Gràcies a això, l'indicador Time-To-Market (el temps des de l'inici del treball en el projecte fins a l'entrada al mercat. — tendències) és inferior a la mitjana del mercat. Un altre avantatge del format multifuncional és la immersió de tots els membres de l'equip en el context empresarial i el treball dels altres.

Cartera de projectes

La cartera de projectes del nostre departament és diversa, encara que per raons òbvies està esbiaixada cap a un producte digital. Àmbits en els quals estem actius:

• catàleg i cerca;
• sistemes de recomanació;
• personalització;
• optimització dels processos interns.

Els sistemes de catàleg, cerca i recomanació són eines de visual merchandising, la principal manera que el client tria un producte. Qualsevol millora significativa de la usabilitat d'aquesta funcionalitat té un impacte significatiu en el rendiment empresarial. Per exemple, prioritzar productes populars i atractius per als clients en la classificació del catàleg comporta un augment de les vendes, ja que és difícil que l'usuari visualitzi tota la gamma, i la seva atenció se sol limitar a diversos centenars de productes visualitzats. Al mateix temps, les recomanacions de productes similars a la targeta del producte poden ajudar a aquells que, per algun motiu, no els agrada el producte que es visualitzen, a triar.

Un dels casos més reeixits que vam tenir va ser la introducció d'una nova cerca. La seva principal diferència respecte a la versió anterior està en els algorismes lingüístics per entendre la sol·licitud, que els nostres usuaris han percebut positivament. Això va tenir un impacte important en les xifres de vendes.

Totes les idees es posen a prova

Abans que les noves funcionalitats estiguin disponibles per als usuaris de Lamoda, realitzem proves A/B. Està construït segons l'esquema clàssic i utilitzant components tradicionals.

• La primera etapa – iniciem l'experiment, indicant-ne les dates i el percentatge d'usuaris que necessiten habilitar aquesta o aquella funcionalitat.
• La segona etapa — recopilem els identificadors dels usuaris que participen en l'experiment, així com dades sobre el seu comportament al lloc i les compres.
• La tercera etapa – resumir utilitzant mètriques de productes i negocis orientades.

Des del punt de vista empresarial, com millor entenguin els nostres algorismes les consultes dels usuaris, incloses les que cometen errors, millor afectarà la nostra economia. Les sol·licituds amb errors ortogràfics no donaran lloc a una pàgina en blanc ni a una cerca inexacta, els errors comesos quedaran clars als nostres algorismes i l'usuari veurà els productes que buscava als resultats de la cerca. Com a resultat, pot fer una compra i no sortirà del lloc sense res.

La qualitat del nou model es pot mesurar mitjançant les mètriques de qualitat de correcció d'errates. Per exemple, podeu utilitzar el següent: "percentatge de sol·licituds correctament corregides" i "percentatge de sol·licituds correctament no corregides". Però això no parla directament de la utilitat d'aquesta innovació per a les empreses. En qualsevol cas, cal observar com canvien les mètriques de cerca objectiu en les condicions de combat. Per fer-ho, fem experiments, és a dir, proves A/B. Després d'això, mirem les mètriques, per exemple, la proporció de resultats de cerca buits i el "percentatge de clics" d'algunes posicions de la part superior dels grups de prova i control. Si el canvi és prou gran, es reflectirà en mètriques globals com ara la comprovació mitjana, els ingressos i la conversió a la compra. Això indica que l'algoritme per corregir errors ortogràfics és efectiu. L'usuari fa una compra encara que hagi fet una errada a la consulta de cerca.

Atenció a cada usuari

Sabem alguna cosa sobre tots els usuaris de Lamoda. Fins i tot si una persona visita el nostre lloc o aplicació per primera vegada, veiem la plataforma que utilitza. De vegades, la geolocalització i la font de trànsit estan disponibles per a nosaltres. Les preferències dels usuaris varien segons les plataformes i les regions. Per tant, entenem immediatament què li agradaria a un nou client potencial.

Sabem com treballar amb l'historial d'un usuari recollit durant un any o dos. Ara podem recollir la història molt més ràpidament, literalment en pocs minuts. Després dels primers minuts de la primera sessió, ja és possible treure algunes conclusions sobre les necessitats i gustos d'una persona concreta. Per exemple, si un usuari va seleccionar sabates blanques diverses vegades en cercar sabatilles esportives, aquesta és la que s'hauria d'oferir. Veiem les perspectives d'aquesta funcionalitat i planegem implementar-la.

Ara, per millorar les opcions de personalització, ens centrem més en les característiques dels productes amb els quals els nostres visitants van tenir algun tipus d'interacció. A partir d'aquestes dades, formem una certa "imatge de comportament" de l'usuari, que després utilitzem en els nostres algorismes.

Com canviar seguint el comportament dels compradors en línia

Una part important del desenvolupament de qualsevol producte és el desenvolupament del client (provar una idea o prototip d'un producte futur en consumidors potencials) i les entrevistes en profunditat. El nostre equip compta amb gestors de producte que s'ocupen de la comunicació amb els consumidors. Realitzen entrevistes en profunditat per entendre les necessitats no satisfetes dels usuaris i convertir aquest coneixement en idees de producte.

De les tendències que estem veient ara, es poden distingir les següents:

• La quota de cerques des de dispositius mòbils està en constant creixement. La prevalença de les plataformes mòbils està canviant la manera com els usuaris interactuen amb nosaltres. Per exemple, el trànsit a Lamoda al llarg del temps flueix cada cop més des del catàleg cap a la cerca. Això s'explica de manera senzilla: de vegades és més fàcil establir una consulta de text que utilitzar la navegació al catàleg.
• Una altra tendència que hem de tenir en compte és el desig dels usuaris de fer consultes breus. Per tant, cal ajudar-los a formar peticions més significatives i detallades. Per exemple, ho podem fer amb suggeriments de cerca.

Que segueix

Avui dia, a les compres en línia, només hi ha dues maneres de votar un producte: fer una compra o afegir el producte als preferits. Però l'usuari, per regla general, no té opcions per demostrar que el producte no li agrada. La solució d'aquest problema és una de les prioritats de futur.

Per separat, el nostre equip està treballant dur en la introducció de tecnologies de visió per ordinador, algorismes d'optimització logística i un feed personalitzat de recomanacions. Ens esforcem per construir el futur del comerç electrònic basat en l'anàlisi de dades i l'aplicació de noves tecnologies per crear un millor servei als nostres clients.

Subscriu-te també al canal de Trends Telegram i estigues al dia de les tendències i previsions actuals sobre el futur de la tecnologia, l'economia, l'educació i la innovació.