Como a Lamoda está trabalhando em algoritmos que entendem os desejos do comprador

Em breve, as compras online serão uma mistura de mídias sociais, plataformas de recomendação e remessas de guarda-roupas cápsula. Oleg Khomyuk, chefe do departamento de pesquisa e desenvolvimento da empresa, contou como a Lamoda trabalha neste

Quem e como em Lamoda trabalha em algoritmos de plataforma

Na Lamoda, P&D é responsável pela implementação da maioria dos novos projetos orientados a dados e pela monetização deles. A equipe é formada por analistas, desenvolvedores, cientistas de dados (engenheiros de aprendizado de máquina) e gerentes de produto. O formato de equipe multifuncional foi escolhido por um motivo.

Tradicionalmente, em grandes empresas, esses especialistas trabalham em diferentes departamentos – analytics, TI, departamentos de produto. A velocidade de implementação de projetos comuns com essa abordagem costuma ser bastante baixa devido às dificuldades de planejamento conjunto. O trabalho em si é estruturado da seguinte forma: primeiro, um departamento está envolvido em análises, depois outro - desenvolvimento. Cada um deles tem suas próprias tarefas e prazos para sua solução.

Nossa equipe multifuncional usa abordagens flexíveis e as atividades de diferentes especialistas são realizadas em paralelo. Graças a isso, o indicador Time-To-Market (o tempo desde o início do trabalho no projeto até a entrada no mercado. — Tendências) é inferior à média do mercado. Outra vantagem do formato multifuncional é a imersão de todos os membros da equipe no contexto do negócio e no trabalho uns dos outros.

Portfólio de Projetos

O portefólio de projetos do nosso departamento é diversificado, embora por razões óbvias seja enviesado para um produto digital. Áreas em que atuamos:

• catalogar e pesquisar;
• sistemas de recomendação;
• personalização;
• otimização de processos internos.

Catálogos, sistemas de busca e recomendação são ferramentas de visual merchandising, a principal forma de o cliente escolher um produto. Qualquer aprimoramento significativo na usabilidade dessa funcionalidade tem um impacto significativo no desempenho dos negócios. Por exemplo, priorizar produtos populares e atraentes para os clientes na classificação do catálogo leva a um aumento nas vendas, pois é difícil para o usuário visualizar toda a linha e sua atenção geralmente se limita a várias centenas de produtos visualizados. Ao mesmo tempo, as recomendações de produtos similares na ficha do produto podem ajudar quem, por algum motivo, não gostou do produto visualizado, a fazer sua escolha.

Um dos casos de maior sucesso que tivemos foi a introdução de uma nova busca. Sua principal diferença em relação à versão anterior está nos algoritmos linguísticos para entender a solicitação, que nossos usuários perceberam positivamente. Isso teve um impacto significativo nos números de vendas.

Todas as ideias são testadas

Antes que novas funcionalidades sejam disponibilizadas aos usuários da Lamoda, realizamos testes A/B. É construído de acordo com o esquema clássico e usando componentes tradicionais.

• O primeiro estágio – iniciamos o experimento, indicando suas datas e a porcentagem de usuários que precisam habilitar esta ou aquela funcionalidade.
• O segundo estágio — coletamos identificadores de usuários que participam do experimento, bem como dados sobre seu comportamento no site e compras.
• O terceiro estágio – resumir usando produtos direcionados e métricas de negócios.

Do ponto de vista comercial, quanto melhor nossos algoritmos entenderem as consultas dos usuários, incluindo aquelas que cometem erros, melhor isso afetará nossa economia. Solicitações com erros de digitação não levarão a uma página em branco ou a uma pesquisa imprecisa, os erros cometidos ficarão claros para nossos algoritmos e o usuário verá os produtos que procurava nos resultados da pesquisa. Com isso, ele pode fazer uma compra e não sairá do site sem nada.

A qualidade do novo modelo pode ser medida pelas métricas de qualidade de correção de errata. Por exemplo, você pode usar o seguinte: “porcentagem de solicitações corretamente corrigidas” e “porcentagem de solicitações corretamente não corrigidas”. Mas isso não fala diretamente sobre a utilidade de tal inovação para os negócios. Em qualquer caso, você precisa observar como as métricas de pesquisa de alvo mudam nas condições de combate. Para isso, realizamos experimentos, ou seja, testes A/B. Depois disso, analisamos as métricas, por exemplo, a parcela de resultados de pesquisa vazios e a “taxa de cliques” de algumas posições do topo nos grupos de teste e controle. Se a alteração for grande o suficiente, ela será refletida nas métricas globais, como verificação média, receita e conversão em compra. Isso indica que o algoritmo para corrigir erros de digitação é eficaz. O usuário faz uma compra mesmo que tenha cometido um erro de digitação na consulta de pesquisa.

Atenção a cada usuário

Sabemos algo sobre cada usuário Lamoda. Mesmo que uma pessoa visite nosso site ou aplicativo pela primeira vez, vemos a plataforma que ela usa. Às vezes, geolocalização e fonte de tráfego estão disponíveis para nós. As preferências do usuário variam entre plataformas e regiões. Portanto, entendemos imediatamente o que um novo cliente em potencial pode gostar.

Sabemos como trabalhar com o histórico de um usuário coletado ao longo de um ou dois anos. Agora podemos coletar o histórico muito mais rápido – literalmente em alguns minutos. Passados ​​os primeiros minutos da primeira sessão já é possível tirar algumas conclusões sobre as necessidades e gostos de determinada pessoa. Por exemplo, se um usuário selecionou sapatos brancos várias vezes ao pesquisar tênis, esse é o que deve ser oferecido. Vemos as perspectivas de tal funcionalidade e planejamos implementá-la.

Agora, para melhorar as opções de personalização, estamos focando mais nas características dos produtos com os quais nossos visitantes tiveram algum tipo de interação. Com base nesses dados, formamos uma certa “imagem comportamental” do usuário, que usamos em nossos algoritmos.

Como mudar seguindo o comportamento dos compradores online

Uma parte importante do desenvolvimento de qualquer produto é o desenvolvimento do cliente (teste de uma ideia ou protótipo de um produto futuro em consumidores potenciais) e entrevistas em profundidade. Nossa equipe conta com gerentes de produto que lidam com a comunicação com os consumidores. Eles conduzem entrevistas detalhadas para entender as necessidades não atendidas do usuário e transformam esse conhecimento em ideias de produtos.

Das tendências que estamos vendo agora, podemos distinguir as seguintes:

• A parcela de pesquisas de dispositivos móveis está crescendo constantemente. A prevalência de plataformas móveis está mudando a forma como os usuários interagem conosco. Por exemplo, o tráfego na Lamoda ao longo do tempo flui cada vez mais do catálogo para a pesquisa. Isso é explicado de forma bastante simples: às vezes é mais fácil definir uma consulta de texto do que usar a navegação no catálogo.
• Outra tendência que devemos considerar é o desejo dos usuários de fazer perguntas curtas. Portanto, é necessário ajudá-los a formular solicitações mais significativas e detalhadas. Por exemplo, podemos fazer isso com sugestões de pesquisa.

Qual é o próximo

Hoje, nas compras online, só existem duas formas de votar num produto: fazer uma compra ou adicionar o produto aos favoritos. Mas o usuário, via de regra, não tem opções para mostrar que o produto não é do seu agrado. Resolver este problema é uma das prioridades para o futuro.

Separadamente, nossa equipe está trabalhando duro na introdução de tecnologias de visão computacional, algoritmos de otimização logística e um feed personalizado de recomendações. Nós nos esforçamos para construir o futuro do comércio eletrônico com base na análise de dados e na aplicação de novas tecnologias para criar um serviço melhor para nossos clientes.

Assine também o canal Trends Telegram e fique por dentro das tendências atuais e previsões sobre o futuro da tecnologia, economia, educação e inovação.