Ինչպես է Lamoda-ն աշխատում ալգորիթմների վրա, որոնք հասկանում են գնորդի ցանկությունները

Շուտով առցանց գնումները կլինեն սոցիալական մեդիայի, առաջարկությունների հարթակների և զգեստապահարանների պարկուճային առաքումների խառնուրդ: Ընկերության հետազոտության և զարգացման բաժնի ղեկավար Օլեգ Խոմյուկը պատմել է, թե ինչպես է Lamoda-ն աշխատում սրա վրա

Ով և ինչպես է Lamoda-ում աշխատում հարթակի ալգորիթմների վրա

Lamoda-ում R&D-ը պատասխանատու է տվյալների վրա հիմնված նոր նախագծերի մեծ մասի իրականացման և դրանց դրամայնացման համար: Թիմը բաղկացած է վերլուծաբաններից, մշակողներից, տվյալների գիտնականներից (մեքենայական ուսուցման ինժեներներ) և արտադրանքի մենեջերներից: Թիմի բազմաֆունկցիոնալ ձևաչափն ընտրվել է մի պատճառով.

Ավանդաբար, խոշոր ընկերություններում այս մասնագետներն աշխատում են տարբեր բաժիններում՝ վերլուծական, ՏՏ, արտադրանքի բաժիններում: Այս մոտեցմամբ ընդհանուր նախագծերի իրականացման արագությունը սովորաբար բավականին ցածր է՝ համատեղ պլանավորման դժվարությունների պատճառով: Աշխատանքն ինքնին կառուցված է հետևյալ կերպ. նախ մի բաժինը զբաղվում է վերլուծությամբ, ապա մյուսը՝ մշակմամբ: Նրանցից յուրաքանչյուրն ունի իր առաջադրանքները և դրանց լուծման ժամկետները:

Մեր բազմաֆունկցիոնալ թիմը կիրառում է ճկուն մոտեցումներ, և զուգահեռաբար իրականացվում է տարբեր մասնագետների գործունեությունը։ Դրա շնորհիվ Time-To-Market ցուցանիշը (նախագծի վրա աշխատանքի մեկնարկից մինչև շուկա մուտք գործելու ժամանակը: — Միտումները) ցածր է շուկայական միջինից: Խաչաձև ֆունկցիոնալ ձևաչափի մեկ այլ առավելություն թիմի բոլոր անդամների բիզնեսի համատեքստում և միմյանց աշխատանքի մեջ ընկղմումն է:

Ծրագրի պորտֆոլիո

Մեր բաժնի նախագծային պորտֆոլիոն բազմազան է, թեև ակնհայտ պատճառներով այն կողմնակալ է թվային արտադրանքի նկատմամբ: Ոլորտներ, որտեղ մենք ակտիվ ենք.

• կատալոգ և որոնում;
• առաջարկող համակարգեր;
• անհատականացում;
• ներքին գործընթացների օպտիմալացում.

Կատալոգը, որոնման և առաջարկող համակարգերը տեսողական առևտրային գործիքներ են, հաճախորդի կողմից ապրանքն ընտրելու հիմնական միջոցը: Այս ֆունկցիոնալության օգտագործման ցանկացած էական բարելավում էական ազդեցություն ունի բիզնեսի կատարողականի վրա: Օրինակ, կատալոգների տեսակավորման մեջ հաճախորդների համար հանրաճանաչ և գրավիչ ապրանքների առաջնահերթությունը հանգեցնում է վաճառքի աճի, քանի որ օգտագործողի համար դժվար է դիտել ամբողջ տեսականին, և նրա ուշադրությունը սովորաբար սահմանափակվում է մի քանի հարյուր դիտված ապրանքներով: Միևնույն ժամանակ, ապրանքի քարտի վերաբերյալ նմանատիպ ապրանքների վերաբերյալ առաջարկությունները կարող են օգնել նրանց, ում ինչ-ինչ պատճառներով դուր չի եկել ապրանքի դիտումը, կատարել իրենց ընտրությունը:

Ամենահաջող դեպքերից մեկը, որ ունեցել ենք, նոր որոնման ներդրումն էր։ Դրա հիմնական տարբերությունը նախորդ տարբերակից խնդրանքը հասկանալու լեզվական ալգորիթմների մեջ է, որը մեր օգտատերերը դրական են ընկալել։ Սա զգալի ազդեցություն ունեցավ վաճառքի ցուցանիշների վրա:

Բոլոր գաղափարները փորձարկված են

Մինչ նոր գործառույթը հասանելի կդառնա Lamoda-ի օգտատերերին, մենք իրականացնում ենք A/B թեստավորում: Այն կառուցված է դասական սխեմայով և ավանդական բաղադրիչների օգտագործմամբ։

• Առաջին փուլը – մենք սկսում ենք փորձը՝ նշելով դրա ամսաթվերը և օգտատերերի տոկոսը, ովքեր պետք է միացնեն այս կամ այն ​​գործառույթը:
• Երկրորդ փուլը — մենք հավաքում ենք փորձին մասնակցող օգտատերերի նույնացուցիչները, ինչպես նաև տվյալներ կայքում նրանց պահվածքի և գնումների մասին:
• Երրորդ փուլ – ամփոփել՝ օգտագործելով նպատակային արտադրանքի և բիզնեսի չափումները:

Բիզնեսի տեսանկյունից որքան լավ մեր ալգորիթմները հասկանան օգտատերերի հարցումները, այդ թվում՝ սխալներ թույլ տվողները, այնքան դա ավելի լավ կազդի մեր տնտեսության վրա: Տառասխալներով հարցումները չեն հանգեցնի դատարկ էջի կամ ոչ ճշգրիտ որոնման, թույլ տրված սխալները պարզ կդառնան մեր ալգորիթմների համար, և օգտվողը կտեսնի իր փնտրած ապրանքները որոնման արդյունքներում: Արդյունքում նա կարող է գնումներ կատարել և առանց որևէ բանի չի լքի կայքը։

Նոր մոդելի որակը կարելի է չափել սխալների ուղղման որակի չափանիշներով: Օրինակ՝ կարող եք օգտագործել հետևյալը՝ «ճիշտ շտկված հարցումների տոկոսը» և «ճիշտ չուղղված հարցումների տոկոսը»: Բայց սա ուղղակիորեն չի խոսում բիզնեսի համար նման նորարարության օգտակարության մասին։ Ամեն դեպքում, դուք պետք է հետևեք, թե ինչպես են փոխվում թիրախային որոնման չափանիշները մարտական ​​պայմաններում: Դա անելու համար մենք կատարում ենք փորձեր, մասնավորապես A/B թեստեր: Դրանից հետո մենք դիտարկում ենք չափումները, օրինակ՝ դատարկ որոնման արդյունքների մասնաբաժինը և որոշ դիրքերի «կտտացման տոկոսադրույքը» վերևից թեստային և վերահսկիչ խմբերում: Եթե ​​փոփոխությունը բավականաչափ մեծ է, այն կարտացոլվի գլոբալ ցուցանիշներում, ինչպիսիք են միջին ստուգումը, եկամուտը և գնման փոխարկումը: Սա ցույց է տալիս, որ տառասխալները շտկելու ալգորիթմն արդյունավետ է։ Օգտատերը գնում է կատարում, նույնիսկ եթե որոնման հարցումը սխալ է թույլ տվել:

Ուշադրություն յուրաքանչյուր օգտագործողի համար

Մենք ինչ-որ բան գիտենք Lamoda-ի յուրաքանչյուր օգտագործողի մասին: Նույնիսկ եթե մարդն առաջին անգամ է այցելում մեր կայք կամ հավելված, մենք տեսնում ենք այն հարթակը, որը նա օգտագործում է: Երբեմն աշխարհագրական դիրքը և երթևեկության աղբյուրը հասանելի են մեզ: Օգտատիրոջ նախասիրությունները տարբեր հարթակներում և տարածաշրջաններում տարբերվում են: Հետևաբար, մենք անմիջապես հասկանում ենք, թե ինչ կարող է դուր գալ նոր պոտենցիալ հաճախորդին:

Մենք գիտենք, թե ինչպես աշխատել օգտվողի պատմության հետ, որը հավաքագրվել է մեկ կամ երկու տարվա ընթացքում: Այժմ մենք կարող ենք պատմություն հավաքել շատ ավելի արագ՝ բառացիորեն մի քանի րոպեում: Առաջին նիստի առաջին րոպեներից հետո արդեն կարելի է որոշակի եզրակացություններ անել կոնկրետ մարդու կարիքների ու ճաշակի մասին։ Օրինակ, եթե օգտատերը սպորտային կոշիկներ փնտրելիս մի քանի անգամ ընտրել է սպիտակ կոշիկներ, ապա դա հենց այն է, որ պետք է առաջարկվի: Մենք տեսնում ենք նման ֆունկցիոնալության հեռանկարները և նախատեսում ենք այն իրականացնել:

Այժմ, անհատականացման տարբերակները բարելավելու համար, մենք ավելի շատ կենտրոնանում ենք այն ապրանքների բնութագրերի վրա, որոնց հետ մեր այցելուները որոշակի փոխազդեցություն են ունեցել: Այս տվյալների հիման վրա մենք ձևավորում ենք օգտատիրոջ որոշակի «վարքային պատկեր», որն այնուհետև օգտագործում ենք մեր ալգորիթմներում:

Ինչպես փոխել առցանց գնորդների վարքագիծը

Ցանկացած ապրանքի զարգացման կարևոր մասն է հանդիսանում հաճախորդների զարգացումը (ապագա արտադրանքի գաղափարի կամ նախատիպի փորձարկումը պոտենցիալ սպառողների վրա) և խորը հարցազրույցները: Մեր թիմն ունի արտադրանքի մենեջերներ, ովքեր զբաղվում են սպառողների հետ հաղորդակցությամբ: Նրանք խորը հարցազրույցներ են անցկացնում՝ հասկանալու օգտատերերի չբավարարված կարիքները և այդ գիտելիքները ապրանքի գաղափարների վերածելու համար:

Այն միտումներից, որոնք մենք այժմ տեսնում ենք, կարելի է առանձնացնել հետևյալը.

• Բջջային սարքերից որոնումների տեսակարար կշիռն անընդհատ աճում է։ Բջջային հարթակների տարածվածությունը փոխում է օգտատերերի փոխազդեցությունը մեզ հետ: Օրինակ, Lamoda-ի երթևեկությունը ժամանակի ընթացքում ավելի ու ավելի շատ է հոսում կատալոգից դեպի որոնում: Սա բացատրվում է բավականին պարզ. երբեմն ավելի հեշտ է տեքստային հարցում դնել, քան օգտագործել կատալոգում նավարկությունը:
• Մեկ այլ միտում, որը մենք պետք է հաշվի առնենք կարճ հարցումներ տալու օգտատերերի ցանկությունը. Ուստի անհրաժեշտ է օգնել նրանց ավելի բովանդակալից և մանրամասն հարցումներ ձևավորել։ Օրինակ, մենք կարող ենք դա անել որոնման առաջարկներով:

Ինչ է հաջորդը

Այսօր առցանց գնումներում ապրանքի օգտին քվեարկելու միայն երկու եղանակ կա՝ գնում կատարել կամ ապրանքն ավելացնել ընտրյալների մեջ: Բայց օգտատերը, որպես կանոն, տարբերակներ չունի ցույց տալու, որ ապրանքը դուր չի գալիս։ Այս խնդրի լուծումն ապագայի առաջնահերթություններից է։

Առանձին-առանձին, մեր թիմը քրտնաջան աշխատում է համակարգչային տեսողության տեխնոլոգիաների, լոգիստիկայի օպտիմալացման ալգորիթմների և առաջարկությունների անհատականացված հոսքի ներդրման վրա: Մենք ձգտում ենք կառուցել էլեկտրոնային առևտրի ապագան տվյալների վերլուծության և նոր տեխնոլոգիաների կիրառման հիման վրա՝ մեր հաճախորդների համար ավելի լավ ծառայություն ստեղծելու համար:

Բաժանորդագրվեք նաև Trends Telegram ալիքին և տեղեկացեք ընթացիկ միտումներին և կանխատեսումներին տեխնոլոգիայի, տնտեսագիտության, կրթության և նորարարության ապագայի վերաբերյալ: