Cómo trabaja Lamoda en algoritmos que entienden los deseos del comprador

Pronto, las compras en línea serán una combinación de redes sociales, plataformas de recomendación y envíos de guardarropa cápsula. Oleg Khomyuk, jefe del departamento de investigación y desarrollo de la empresa, contó cómo trabaja Lamoda en este

Quién y cómo en Lamoda trabaja en algoritmos de plataforma

En Lamoda, I+D es responsable de implementar la mayoría de los nuevos proyectos basados ​​en datos y monetizarlos. El equipo está formado por analistas, desarrolladores, científicos de datos (ingenieros de aprendizaje automático) y gerentes de producto. El formato de equipo multifuncional fue elegido por una razón.

Tradicionalmente, en las grandes empresas, estos especialistas trabajan en diferentes departamentos: análisis, TI, departamentos de productos. La velocidad de implementación de proyectos comunes con este enfoque suele ser bastante baja debido a las dificultades en la planificación conjunta. El trabajo en sí está estructurado de la siguiente manera: primero, un departamento se dedica al análisis, luego otro, al desarrollo. Cada uno de ellos tiene sus propias tareas y plazos para su solución.

Nuestro equipo multifuncional utiliza enfoques flexibles y las actividades de diferentes especialistas se llevan a cabo en paralelo. Gracias a esto, el indicador Time-To-Market (el tiempo desde el inicio de los trabajos en el proyecto hasta la entrada en el mercado. — Tendencias) es inferior a la media del mercado. Otra ventaja del formato multifuncional es la inmersión de todos los miembros del equipo en el contexto empresarial y en el trabajo de cada uno.

Proyecto portafolio

La cartera de proyectos de nuestro departamento es diversa, aunque por razones obvias está sesgada hacia un producto digital. Áreas en las que estamos activos:

• catalogar y buscar;
• sistemas de recomendación;
• personalización;
• optimización de procesos internos.

Los sistemas de catálogo, búsqueda y recomendación son herramientas de visual merchandising, la principal forma en que un cliente elige un producto. Cualquier mejora significativa en la usabilidad de esta funcionalidad tiene un impacto significativo en el rendimiento empresarial. Por ejemplo, priorizar productos que son populares y atractivos para los clientes en la clasificación del catálogo conduce a un aumento de las ventas, ya que al usuario le resulta difícil visualizar toda la gama y su atención suele limitarse a varios cientos de productos vistos. Al mismo tiempo, las recomendaciones de productos similares en la ficha del producto pueden ayudar a aquellos a quienes, por alguna razón, no les gustó el producto que se está viendo, a hacer su elección.

Uno de los casos más exitosos que tuvimos fue la introducción de una nueva búsqueda. Su principal diferencia con respecto a la versión anterior está en los algoritmos lingüísticos para la comprensión de la solicitud, que nuestros usuarios han percibido positivamente. Esto tuvo un impacto significativo en las cifras de ventas.

Todas las ideas son probadas.

Antes de que la nueva funcionalidad esté disponible para los usuarios de Lamoda, realizamos pruebas A/B. Está construido según el esquema clásico y utilizando elementos tradicionales.

• El primer escenario – iniciamos el experimento, indicando sus fechas y el porcentaje de usuarios que necesitan habilitar tal o cual funcionalidad.
• La segunda etapa — recopilamos identificadores de los usuarios que participan en el experimento, así como datos sobre su comportamiento en el sitio y sus compras.
• La tercera etapa – resuma utilizando productos específicos y métricas comerciales.

Desde un punto de vista empresarial, cuanto mejor comprendan nuestros algoritmos las consultas de los usuarios, incluidas aquellas que cometen errores, mejor afectará a nuestra economía. Las solicitudes con errores tipográficos no generarán una página en blanco o una búsqueda inexacta, los errores cometidos quedarán claros para nuestros algoritmos y el usuario verá los productos que estaba buscando en los resultados de búsqueda. Como resultado, puede realizar una compra y no abandonará el sitio sin nada.

La calidad del nuevo modelo se puede medir mediante las métricas de calidad de corrección de erratas. Por ejemplo, puede usar lo siguiente: "porcentaje de solicitudes correctamente corregidas" y "porcentaje de solicitudes correctamente no corregidas". Pero esto no habla directamente sobre la utilidad de tal innovación para los negocios. En cualquier caso, debe observar cómo cambian las métricas de búsqueda de objetivos en condiciones de combate. Para ello, realizamos experimentos, es decir, pruebas A/B. Después de eso, observamos las métricas, por ejemplo, la proporción de resultados de búsqueda vacíos y la "tasa de clics" de algunas posiciones desde la parte superior en los grupos de prueba y control. Si el cambio es lo suficientemente grande, se reflejará en métricas globales como el cheque promedio, los ingresos y la conversión a compra. Esto indica que el algoritmo para corregir errores tipográficos es efectivo. El usuario realiza una compra incluso si cometió un error tipográfico en la consulta de búsqueda.

Atención a todos los usuarios

Sabemos algo sobre cada usuario de Lamoda. Incluso si una persona visita nuestro sitio o aplicación por primera vez, vemos la plataforma que utiliza. A veces, la geolocalización y la fuente de tráfico están disponibles para nosotros. Las preferencias de los usuarios varían según las plataformas y las regiones. Por lo tanto, entendemos de inmediato lo que le puede gustar a un nuevo cliente potencial.

Sabemos cómo trabajar con el historial de un usuario recopilado durante uno o dos años. Ahora podemos recopilar el historial mucho más rápido, literalmente en unos minutos. Pasados ​​los primeros minutos de la primera sesión, ya es posible sacar algunas conclusiones sobre las necesidades y gustos de una determinada persona. Por ejemplo, si un usuario seleccionó zapatos blancos varias veces al buscar zapatillas, entonces ese es el que se debe ofrecer. Vemos las perspectivas de dicha funcionalidad y planeamos implementarla.

Ahora, para mejorar las opciones de personalización, nos estamos enfocando más en las características de los productos con los que nuestros visitantes tuvieron algún tipo de interacción. Con base en estos datos, formamos una cierta "imagen de comportamiento" del usuario, que luego usamos en nuestros algoritmos.

Cómo cambiar siguiendo el comportamiento de los compradores en línea

Una parte importante del desarrollo de cualquier producto es el desarrollo de clientes (probar una idea o prototipo de un futuro producto en consumidores potenciales) y las entrevistas en profundidad. Nuestro equipo cuenta con gerentes de producto que se ocupan de la comunicación con los consumidores. Realizan entrevistas en profundidad para comprender las necesidades no satisfechas de los usuarios y convertir ese conocimiento en ideas de productos.

De las tendencias que estamos viendo ahora, se pueden distinguir las siguientes:

• La proporción de búsquedas desde dispositivos móviles crece constantemente. El predominio de las plataformas móviles está cambiando la forma en que los usuarios interactúan con nosotros. Por ejemplo, el tráfico en Lamoda con el tiempo fluye cada vez más del catálogo a la búsqueda. Esto se explica de manera muy simple: a veces es más fácil establecer una consulta de texto que usar la navegación en el catálogo.
• Otra tendencia que debemos tener en cuenta es el deseo de los usuarios de hacer consultas cortas. Por lo tanto, es necesario ayudarlos a formular solicitudes más significativas y detalladas. Por ejemplo, podemos hacer esto con sugerencias de búsqueda.

Que sigue

Hoy en día, en las compras online, solo existen dos formas de votar por un producto: realizar una compra o añadir el producto a favoritos. Pero el usuario, por regla general, no tiene opciones para mostrar que el producto no le gusta. Resolver este problema es una de las prioridades para el futuro.

Por otra parte, nuestro equipo está trabajando arduamente en la introducción de tecnologías de visión por computadora, algoritmos de optimización logística y una fuente personalizada de recomendaciones. Nos esforzamos por construir el futuro del comercio electrónico basado en el análisis de datos y la aplicación de nuevas tecnologías para crear un mejor servicio para nuestros clientes.

Suscríbete también al canal Trends Telegram y mantente al día con las tendencias actuales y las previsiones sobre el futuro de la tecnología, la economía, la educación y la innovación.