구매자의 욕구를 이해하는 알고리즘에 대해 Lamoda가 작업하는 방법

곧 온라인 쇼핑은 소셜 미디어, 추천 플랫폼 및 캡슐 옷장 배송의 혼합이 될 것입니다. 회사의 연구 개발 부서장인 Oleg Khomyuk은 Lamoda가 이에 대해 어떻게 작업하는지 말했습니다.

Lamoda에서 플랫폼 알고리즘에서 작동하는 사람과 방법

Lamoda에서 R&D는 대부분의 새로운 데이터 기반 프로젝트를 구현하고 수익을 창출하는 일을 담당합니다. 팀은 분석가, 개발자, 데이터 과학자(머신 러닝 엔지니어) 및 제품 관리자로 구성됩니다. 다기능 팀 형식이 선택된 이유가 있습니다.

전통적으로 대기업에서는 이러한 전문가가 분석, IT, 제품 부서 등 다양한 부서에서 근무합니다. 이 접근 방식을 사용하는 공동 프로젝트의 구현 속도는 일반적으로 공동 계획의 어려움으로 인해 매우 느립니다. 작업 자체는 다음과 같이 구성됩니다. 첫째, 한 부서는 분석에 참여하고 다른 부서는 개발에 참여합니다. 그들 각각은 솔루션에 대한 자체 작업과 기한이 있습니다.

우리의 교차 기능 팀은 유연한 접근 방식을 사용하며 다양한 전문가의 활동이 동시에 수행됩니다. 덕분에 Time-To-Market 지표(프로젝트 작업 시작부터 시장 진입까지의 시간. — 트렌드) 시장 평균보다 낮습니다. 교차 기능 형식의 또 다른 장점은 모든 팀 구성원이 비즈니스 컨텍스트와 서로의 작업에 몰입할 수 있다는 것입니다.

프로젝트 포트폴리오

우리 부서의 프로젝트 포트폴리오는 다양하지만 명백한 이유로 디지털 제품에 편향되어 있습니다. 우리가 활동하는 분야:

• 카탈로그 및 검색;
• 추천 시스템;
• 개인화;
• 내부 프로세스의 최적화.

카탈로그, 검색 및 추천 시스템은 고객이 제품을 선택하는 주요 방법인 비주얼 머천다이징 도구입니다. 이 기능의 유용성이 크게 향상되면 비즈니스 성과에 상당한 영향을 미칩니다. 예를 들어 카탈로그 정렬에서 고객에게 인기 있고 매력적인 제품을 우선 순위로 지정하면 사용자가 전체 범위를 보기 어렵고 일반적으로 조회한 제품은 수백 개로 제한되기 때문에 판매 증가로 이어집니다. 동시에 제품 카드의 유사한 제품 추천은 어떤 이유로 제품이 마음에 들지 않는 사람들이 선택하는 데 도움이 될 수 있습니다.

가장 성공적인 사례 중 하나는 새로운 검색을 도입한 것입니다. 이전 버전과의 주요 차이점은 사용자가 긍정적으로 인식한 요청을 이해하기 위한 언어 알고리즘입니다. 이것은 판매 수치에 상당한 영향을 미쳤습니다.

모든 아이디어가 테스트되었습니다.

Lamoda 사용자에게 새로운 기능이 제공되기 전에 A/B 테스트를 수행합니다. 고전적인 계획에 따라 전통적인 구성 요소를 사용하여 제작되었습니다.

• 첫 번째 단계 – 우리는 실험을 시작하고 날짜와 특정 기능을 활성화해야 하는 사용자의 비율을 표시합니다.
• 두 번째 단계 — 실험에 참여하는 사용자의 식별자와 사이트에서의 행동 및 구매에 대한 데이터를 수집합니다.
• 세 번째 단계 – 대상 제품 및 비즈니스 지표를 사용하여 요약합니다.

비즈니스 관점에서 우리 알고리즘이 실수를 포함하여 사용자 쿼리를 더 잘 이해할수록 우리 경제에 더 좋은 영향을 미칠 것입니다. 오타가 있는 요청은 빈 페이지나 부정확한 검색으로 이어지지 않으며, 실수는 당사 알고리즘에 명확하게 표시되고 사용자는 검색 결과에서 찾고 있던 제품을 볼 수 있습니다. 결과적으로 그는 구매를 할 수 있으며 아무 것도 남기지 않고 사이트를 떠나지 않을 것입니다.

새 모델의 품질은 정오표 수정 품질 지표로 측정할 수 있습니다. 예를 들어 "정확하게 수정된 요청의 백분율" 및 "정확하게 수정되지 않은 요청의 백분율"을 사용할 수 있습니다. 그러나 이것은 비즈니스에 대한 그러한 혁신의 유용성에 대해 직접적으로 말하지 않습니다. 어쨌든 전투 상황에서 표적 검색 지표가 어떻게 변하는지 지켜봐야 합니다. 이를 위해 실험, 즉 A/B 테스트를 실행합니다. 그런 다음 빈 검색 결과의 점유율과 테스트 그룹과 통제 그룹의 상단에서 일부 위치의 "클릭률"과 같은 지표를 살펴봅니다. 변경 사항이 충분히 크면 평균 수표, 수익 및 구매 전환과 같은 글로벌 지표에 반영됩니다. 이것은 오타를 수정하는 알고리즘이 효과적이라는 것을 나타냅니다. 사용자는 검색어에 오타가 있어도 구매합니다.

모든 사용자에 대한 관심

우리는 모든 Lamoda 사용자에 대해 알고 있습니다. 사람이 우리 사이트나 애플리케이션을 처음 방문하더라도 우리는 그가 사용하는 플랫폼을 봅니다. 경우에 따라 지리 위치 및 트래픽 소스를 사용할 수 있습니다. 사용자 기본 설정은 플랫폼과 지역에 따라 다릅니다. 따라서 우리는 새로운 잠재 고객이 무엇을 좋아할지 즉시 이해합니다.

우리는 XNUMX~XNUMX년에 걸쳐 수집된 사용자 기록으로 작업하는 방법을 알고 있습니다. 이제 기록을 훨씬 더 빠르게 수집할 수 있습니다. 말 그대로 몇 분 만에 말이죠. 첫 번째 세션의 첫 번째 몇 분이 지나면 이미 특정인의 필요와 취향에 대한 결론을 도출할 수 있습니다. 예를 들어 사용자가 운동화를 검색할 때 흰색 신발을 여러 번 선택한 경우 해당 신발이 제공되어야 합니다. 우리는 그러한 기능에 대한 전망을 보고 이를 구현할 계획입니다.

이제 개인화 옵션을 개선하기 위해 방문자가 일종의 상호 작용을 한 제품의 특성에 더 집중하고 있습니다. 이 데이터를 기반으로 사용자의 특정 "행동 이미지"를 형성한 다음 알고리즘에 사용합니다.

온라인 쇼핑객의 행동에 따라 변화하는 방법

모든 제품 개발의 중요한 부분은 고객 개발(잠재적인 소비자를 대상으로 미래 제품의 아이디어 또는 프로토타입 테스트) 및 심층 인터뷰입니다. 우리 팀에는 소비자와의 커뮤니케이션을 다루는 제품 관리자가 있습니다. 그들은 충족되지 않은 사용자 요구 사항을 이해하고 그 지식을 제품 아이디어로 전환하기 위해 심층 인터뷰를 수행합니다.

현재 우리가 보고 있는 추세 중에서 다음과 같은 경향을 구분할 수 있습니다.

• 모바일 장치의 검색 점유율은 지속적으로 증가하고 있습니다. 모바일 플랫폼의 보급은 사용자가 우리와 상호 작용하는 방식을 변화시키고 있습니다. 예를 들어 시간이 지남에 따라 Lamoda의 트래픽은 카탈로그에서 검색으로 점점 더 많이 흐릅니다. 이것은 매우 간단하게 설명됩니다. 때로는 카탈로그에서 탐색을 사용하는 것보다 텍스트 쿼리를 설정하는 것이 더 쉽습니다.
• 우리가 고려해야 할 또 다른 추세는 짧은 쿼리를 묻는 사용자의 욕구. 따라서 보다 의미 있고 세부적인 요청을 할 수 있도록 도와주는 것이 필요하다. 예를 들어 추천 검색어로 이를 수행할 수 있습니다.

무엇 향후 계획

오늘날 온라인 쇼핑에서 제품에 투표하는 방법은 구매하거나 제품을 즐겨찾기에 추가하는 두 가지 방법뿐입니다. 그러나 사용자는 일반적으로 제품이 마음에 들지 않는다는 것을 보여줄 수 있는 옵션이 없습니다. 이 문제를 해결하는 것은 미래의 우선 순위 중 하나입니다.

이와는 별도로 우리 팀은 컴퓨터 비전 기술, 물류 최적화 알고리즘 및 개인화 추천 피드를 도입하기 위해 열심히 노력하고 있습니다. 우리는 고객을 위한 더 나은 서비스를 만들기 위해 데이터 분석과 새로운 기술의 적용을 기반으로 전자 상거래의 미래를 구축하기 위해 노력합니다.

Trends Telegram 채널을 구독하고 기술, 경제, 교육 및 혁신의 미래에 대한 현재 동향과 예측을 최신 상태로 유지하십시오.