كيف يعمل Lamoda على الخوارزميات التي تفهم رغبات المشتري

قريبًا ، سيكون التسوق عبر الإنترنت مزيجًا من وسائل التواصل الاجتماعي ومنصات التوصية وشحنات خزانة الملابس. أخبر أوليغ خوميوك ، رئيس قسم البحث والتطوير بالشركة ، كيف يعمل لامودا في هذا الشأن

من وكيف يعمل في Lamoda على خوارزميات النظام الأساسي

في لامودا ، البحث والتطوير مسؤول عن تنفيذ معظم المشاريع الجديدة التي تعتمد على البيانات واستثمارها. يتكون الفريق من المحللين والمطورين وعلماء البيانات (مهندسي التعلم الآلي) ومديري المنتجات. تم اختيار تنسيق الفريق متعدد الوظائف لسبب ما.

تقليديا ، في الشركات الكبيرة ، يعمل هؤلاء المتخصصون في أقسام مختلفة - التحليلات وتكنولوجيا المعلومات وأقسام المنتجات. عادة ما تكون سرعة تنفيذ المشاريع المشتركة مع هذا النهج منخفضة للغاية بسبب الصعوبات في التخطيط المشترك. يتم تنظيم العمل نفسه على النحو التالي: أولاً ، يشارك قسم واحد في التحليلات ، ثم قسم آخر - التطوير. كل واحد منهم لديه مهامه الخاصة والمواعيد النهائية لحلها.

يستخدم فريقنا متعدد الوظائف مناهج مرنة ، ويتم تنفيذ أنشطة المتخصصين المختلفين بالتوازي. بفضل هذا ، مؤشر Time-To-Market (الوقت من بداية العمل في المشروع إلى دخول السوق. - جديد الموضة) أقل من متوسط ​​السوق. ميزة أخرى للتنسيق متعدد الوظائف هي اندماج جميع أعضاء الفريق في سياق الأعمال وعمل بعضهم البعض.

حافظة المشروعات

تتنوع محفظة مشاريع قسمنا ، على الرغم من أنها لأسباب واضحة منحازة نحو منتج رقمي. المجالات التي نعمل فيها:

• الكتالوج والبحث ؛
• أنظمة التوصية
• إضفاء الطابع الشخصي؛
• تحسين العمليات الداخلية.

أنظمة الكتالوج والبحث والتوصية هي أدوات تسويق مرئية ، والطريقة الرئيسية التي يختار بها العميل المنتج. أي تحسين كبير على قابلية استخدام هذه الوظيفة له تأثير كبير على أداء الأعمال. على سبيل المثال ، يؤدي تحديد أولويات المنتجات المشهورة والجذابة للعملاء في فرز الكتالوجات إلى زيادة المبيعات ، حيث يصعب على المستخدم عرض النطاق بالكامل ، وعادة ما يقتصر اهتمامه على عدة مئات من المنتجات المعروضة. في الوقت نفسه ، يمكن أن تساعد التوصيات المتعلقة بالمنتجات المماثلة الموجودة على بطاقة المنتج أولئك الذين ، لسبب ما ، لم يعجبهم المنتج الذي يتم عرضه ، في اتخاذ قرارهم.

واحدة من أنجح الحالات التي كانت لدينا كانت إدخال بحث جديد. يكمن الاختلاف الرئيسي بينه وبين الإصدار السابق في الخوارزميات اللغوية لفهم الطلب ، والتي أدركها المستخدمون بشكل إيجابي. كان لهذا تأثير كبير على أرقام المبيعات.

يتم اختبار جميع الأفكار

قبل أن تصبح الوظائف الجديدة متاحة لمستخدمي Lamoda ، نجري اختبار A / B. تم بناؤه وفقًا للمخطط الكلاسيكي وباستخدام المكونات التقليدية.

• المرحلة الأولى - نبدأ التجربة ، مع الإشارة إلى تواريخها والنسبة المئوية للمستخدمين الذين يحتاجون إلى تمكين هذه الوظيفة أو تلك.
• المرحلة الثانية - نجمع معرّفات المستخدمين الذين يشاركون في التجربة ، بالإضافة إلى بيانات حول سلوكهم على الموقع وعمليات الشراء.
• المرحلة الثالثة - تلخيص استخدام مقاييس المنتج والأعمال المستهدفة.

من وجهة نظر العمل ، كلما فهمت خوارزمياتنا استفسارات المستخدم بشكل أفضل ، بما في ذلك تلك التي ترتكب أخطاء ، كان تأثيرها أفضل على اقتصادنا. الطلبات التي تحتوي على أخطاء إملائية لن تؤدي إلى صفحة فارغة أو بحث غير دقيق ، وستتضح الأخطاء التي تم ارتكابها لخوارزمياتنا ، وسيرى المستخدم المنتجات التي كان يبحث عنها في نتائج البحث. نتيجة لذلك ، يمكنه إجراء عملية شراء ولن يترك الموقع بدون أي شيء.

يمكن قياس جودة النموذج الجديد بمقاييس جودة تصحيح الأخطاء. على سبيل المثال ، يمكنك استخدام ما يلي: "النسبة المئوية للطلبات المصححة بشكل صحيح" و "النسبة المئوية للطلبات غير المصححة بشكل صحيح". لكن هذا لا يتحدث بشكل مباشر عن فائدة مثل هذا الابتكار للأعمال. في أي حال ، تحتاج إلى مشاهدة كيف تتغير مقاييس البحث المستهدفة في ظروف القتال. للقيام بذلك ، نجري تجارب ، وهي اختبارات A / B. بعد ذلك ، ننظر إلى المقاييس ، على سبيل المثال ، حصة نتائج البحث الفارغة و "نسبة النقر إلى الظهور" لبعض المواضع من الأعلى في مجموعات الاختبار والتحكم. إذا كان التغيير كبيرًا بما يكفي ، فسوف ينعكس في المقاييس العالمية مثل متوسط ​​الشيك والإيرادات والتحويل إلى الشراء. يشير هذا إلى أن خوارزمية تصحيح الأخطاء المطبعية فعالة. يقوم المستخدم بعملية شراء حتى لو أخطأ في طلب البحث.

الاهتمام بكل مستخدم

نحن نعرف شيئًا عن كل مستخدم لامودا. حتى إذا قام شخص ما بزيارة موقعنا أو تطبيقنا لأول مرة ، فإننا نرى النظام الأساسي الذي يستخدمه. في بعض الأحيان يكون تحديد الموقع الجغرافي ومصدر المرور متاحين لنا. تختلف تفضيلات المستخدم عبر الأنظمة الأساسية والمناطق. لذلك ، نفهم على الفور ما قد يحبه العميل المحتمل الجديد.

نحن نعرف كيفية العمل مع سجل المستخدم الذي تم جمعه على مدار عام أو عامين. الآن يمكننا جمع التاريخ بشكل أسرع - حرفيا في بضع دقائق. بعد الدقائق الأولى من الجلسة الأولى ، من الممكن بالفعل استخلاص بعض الاستنتاجات حول احتياجات وأذواق شخص معين. على سبيل المثال ، إذا اختار المستخدم أحذية بيضاء عدة مرات عند البحث عن أحذية رياضية ، فهذا هو الذي يجب تقديمه. نرى آفاق هذه الوظيفة ونخطط لتنفيذها.

الآن ، لتحسين خيارات التخصيص ، نركز أكثر على خصائص المنتجات التي كان لزوارنا نوع من التفاعل معها. بناءً على هذه البيانات ، نشكل "صورة سلوكية" معينة للمستخدم ، والتي نستخدمها بعد ذلك في خوارزمياتنا.

كيفية تغيير اتباع سلوك المتسوقين عبر الإنترنت

يعد تطوير العميل جزءًا مهمًا من تطوير أي منتج (اختبار فكرة أو نموذج أولي لمنتج مستقبلي على المستهلكين المحتملين) وإجراء مقابلات متعمقة. فريقنا لديه مديري المنتجات الذين يتعاملون مع التواصل مع المستهلكين. يجرون مقابلات متعمقة لفهم احتياجات المستخدم غير الملباة وتحويل تلك المعرفة إلى أفكار للمنتج.

من الاتجاهات التي نشهدها الآن يمكن تمييز ما يلي:

• تتزايد باستمرار نسبة عمليات البحث من الأجهزة المحمولة. يؤدي انتشار منصات الأجهزة المحمولة إلى تغيير طريقة تفاعل المستخدمين معنا. على سبيل المثال ، تتدفق حركة المرور على Lamoda بمرور الوقت أكثر فأكثر من الكتالوج إلى البحث. يتم شرح ذلك بكل بساطة: في بعض الأحيان يكون من الأسهل تعيين استعلام نصي بدلاً من استخدام التنقل في الكتالوج.
• الاتجاه الآخر الذي يجب أن نفكر فيه هو رغبة المستخدمين في طرح استفسارات قصيرة. لذلك ، من الضروري مساعدتهم على تكوين طلبات أكثر وضوحا وتفصيلا. على سبيل المثال ، يمكننا القيام بذلك من خلال اقتراحات البحث.

ماذا بعد

اليوم ، في التسوق عبر الإنترنت ، هناك طريقتان فقط للتصويت لمنتج ما: إجراء عملية شراء أو إضافة المنتج إلى المفضلة. لكن المستخدم ، كقاعدة عامة ، ليس لديه خيارات لإظهار أن المنتج غير محبوب. حل هذه المشكلة هو أحد أولويات المستقبل.

بشكل منفصل ، يعمل فريقنا بجد على إدخال تقنيات رؤية الكمبيوتر وخوارزميات تحسين الخدمات اللوجستية وموجزًا ​​مخصصًا للتوصيات. نسعى جاهدين لبناء مستقبل التجارة الإلكترونية على أساس تحليل البيانات وتطبيق التقنيات الجديدة لخلق خدمة أفضل لعملائنا.

اشترك أيضًا في قناة Trends Telegram وابق على اطلاع دائم بالاتجاهات والتوقعات الحالية حول مستقبل التكنولوجيا والاقتصاد والتعليم والابتكار.