Lamoda が購入者の欲求を理解するアルゴリズムにどのように取り組んでいるか

間もなく、オンライン ショッピングは、ソーシャル メディア、レコメンデーション プラットフォーム、カプセル ワードローブの出荷が混在するようになります。 同社の研究開発部門の責任者である Oleg Khomyuk 氏は、Lamoda がこれにどのように取り組んでいるかについて語っています。

誰が、どのように Lamoda でプラットフォーム アルゴリズムに取り組んでいるか

Lamoda では、R&D がほとんどの新しいデータ駆動型プロジェクトの実装とそれらの収益化を担当しています。 このチームは、アナリスト、開発者、データ サイエンティスト (機械学習エンジニア)、およびプロダクト マネージャーで構成されています。 部門横断的なチーム形式が選択されたのには理由があります。

伝統的に、大企業では、これらのスペシャリストは分析、IT、製品部門などのさまざまな部門で働いています。 このアプローチによる一般的なプロジェクトの実施速度は、共同計画が難しいため、通常は非常に遅くなります。 作業自体は次のように構成されています。まず、ある部門が分析に従事し、次に別の部門が開発に従事しています。 それぞれに、解決のための独自のタスクと期限があります。

私たちのクロスファンクショナルチームは柔軟なアプローチを使用しており、さまざまな専門家の活動が並行して行われています。 このおかげで、Time-To-Market指標（プロジェクトの作業開始から市場に参入するまでの時間. — トレンド) は市場平均よりも低い。 クロスファンクショナル形式のもう XNUMX つの利点は、すべてのチーム メンバーがビジネス コンテキストと互いの作業に没頭できることです。

プロジェクトポートフォリオ

私たちの部門のプロジェクト ポートフォリオは多様ですが、明らかな理由からデジタル製品に偏っています。 私たちが活動している分野：

• カタログと検索;
• 推奨システム;
• パーソナライゼーション;
• 内部プロセスの最適化。

カタログ、検索、およびレコメンダー システムは、顧客が製品を選択する主な方法であるビジュアル マーチャンダイジング ツールです。 この機能の使いやすさを大幅に向上させると、ビジネス パフォーマンスに大きな影響を与えます。 たとえば、カタログのソートでは、顧客にとって人気があり魅力的な商品を優先することで、ユーザーがすべての範囲を表示することは難しく、通常は数百の表示された商品に注意が集中するため、売り上げの増加につながります。 同時に、製品カードでの類似製品の推奨は、何らかの理由で見ている製品が気に入らなかった人が選択するのに役立ちます.

最も成功したケースの XNUMX つは、新しい検索の導入でした。 以前のバージョンとの主な違いは、リクエストを理解するための言語アルゴリズムにあり、ユーザーはそれを肯定的に認識しています。 これは販売数に大きな影響を与えました。

すべてのアイデアがテストされます

Lamoda ユーザーが新しい機能を利用できるようになる前に、A/B テストを実施します。 古典的なスキームに従って、伝統的なコンポーネントを使用して構築されています。

• 第1段階 – 実験を開始し、その日付と、この機能またはその機能を有効にする必要があるユーザーの割合を示します。
• 第2段階 — 実験に参加したユーザーの識別子と、サイトでの行動や購入に関するデータを収集します。
• 第3ステージ – ターゲットを絞った製品およびビジネス指標を使用して要約します。

ビジネスの観点からは、アルゴリズムが間違いを含むユーザーのクエリをよりよく理解するほど、経済に良い影響を与えます。 リクエストに入力ミスがあっても、空白のページや不正確な検索につながることはありません。犯した間違いはアルゴリズムによって明らかになり、ユーザーは検索結果で探していた製品を確認できます。 その結果、彼は購入を行うことができ、何も持たずにサイトを離れることはありません。

新しいモデルの品質は、エラッタ修正の品質指標によって測定できます。 たとえば、「正しく修正されたリクエストの割合」と「正しく修正されていないリクエストの割合」を使用できます。 しかし、これはそのようなイノベーションのビジネスへの有用性について直接語っているわけではありません。 いずれにせよ、戦闘条件でターゲット検索メトリックがどのように変化するかを監視する必要があります。 これを行うために、実験、つまり A / B テストを実行します。 その後、空の検索結果のシェアや、テスト グループとコントロール グループの上位からいくつかの位置の「クリック率」などの指標を調べます。 変化が十分に大きい場合、平均小切手、収益、購入へのコンバージョンなどのグローバル指標に反映されます。 これは、タイプミスを修正するアルゴリズムが有効であることを示しています。 ユーザーは、検索クエリでタイプミスをしても購入します。

すべてのユーザーへの注意

私たちはすべての Lamoda ユーザーについて知っています。 初めてサイトやアプリケーションにアクセスした人でも、その人が使用しているプラ​​ットフォームが表示されます。 位置情報とトラフィック ソースが利用できる場合があります。 ユーザーの好みは、プラットフォームや地域によって異なります。 したがって、新しい潜在的なクライアントが何を好むかをすぐに理解できます。

私たちは、XNUMX 年または XNUMX 年にわたって収集されたユーザーの履歴を処理する方法を知っています。 これで、履歴をより迅速に収集できるようになりました。文字通り数分で完了します。 最初のセッションの最初の数分後、特定の人のニーズと好みについていくつかの結論を出すことがすでに可能です。 たとえば、ユーザーがスニーカーを検索する際に白い靴を数回選択した場合、それが提供されるべきものです。 私たちはそのような機能の見通しを見て、それを実装する予定です。

現在、パーソナライゼーション オプションを改善するために、訪問者がなんらかのインタラクションを行った製品の特性により重点を置いています。 このデータに基づいて、ユーザーの特定の「行動イメージ」を形成し、それをアルゴリズムで使用します。

オンラインショッパーの行動に合わせてどう変えるか

製品開発の重要な部分は、顧客開発 (潜在的な消費者に対して将来の製品のアイデアまたはプロトタイプをテストすること) と詳細なインタビューです。 私たちのチームには、消費者とのコミュニケーションを扱うプロダクト マネージャーがいます。 彼らは詳細なインタビューを実施して、満たされていないユーザーのニーズを理解し、その知識を製品のアイデアに変えます。

現在見られる傾向のうち、次のものが区別できます。

• モバイル デバイスからの検索のシェアは常に増加しています。 モバイル プラットフォームの普及により、ユーザーが私たちとやり取りする方法が変化しています。 たとえば、時間の経過とともに Lamoda のトラフィックは、カタログから検索へと流れていきます。 これは非常に簡単に説明できます。カタログでナビゲーションを使用するよりも、テキスト クエリを設定する方が簡単な場合があります。
• 考慮しなければならないもう XNUMX つの傾向は、 短い質問をしたいというユーザーの欲求。 したがって、彼らがより意味のある詳細な要求を形成するのを助ける必要があります。 たとえば、検索候補を使用してこれを行うことができます。

次は何ですか

今日、オンライン ショッピングでは、製品に投票する方法は XNUMX つしかありません。購入するか、製品をお気に入りに追加することです。 ただし、ユーザーには、原則として、製品が気に入らないことを示すオプションはありません。 この問題を解決することは、将来の優先事項の XNUMX つです。

これとは別に、私たちのチームは、コンピューター ビジョン テクノロジー、ロジスティクス最適化アルゴリズム、パーソナライズされたレコメンデーション フィードの導入に懸命に取り組んでいます。 私たちは、データ分析と新しいテクノロジーの適用に基づいて、e コマースの未来を構築し、お客様により良いサービスを提供するよう努めています。

また、Trends Telegram チャンネルに登録して、テクノロジー、経済、教育、イノベーションの未来に関する現在のトレンドと予測を最新の状態に保ちましょう。