Опыт персонализации контента в Le Boutique: как интуиция побеждает machine learning

2000.ua

Маркетинг-директор Le Boutique Юлия Шилова и Олег Лесов из Softcube на конференции eCommerce рассказали о том, как в шопинг-клубе происходит персонализация клиентов, какие факторы на это влияют и какова роль человеческого фактора в этой работе

Le Boutique — один из лидеров рынка украинского fashion eCommerce. В 2013-м компания впервые задумалась о том, что за персонализацией будущее. Возможностей для персонализации у Le Boutique немало — компания владеет информацией о поведении пользователей на сайте, их предпочтениях в покупках и даже знает об изменении размеров и пополнении в семье. Но как использовать эту информацию в режиме реального времени на высоко нагруженном сайте — большой вопрос.

С помощью партнера, Softcube, в компании разработали стратегию и начали работу с товарными рекомендациями в карточке товара.

Эта элементарная функция есть в любом интернет-магазине, но у Le Boutique своя специфика, связанная с моделью бизнеса. Дело в том, что это шопинг-клуб и постоянного ассортимента на сайте нет. «Каждый день мы загружаем на сайт от 10 000 новых SKU, которые будут доступны на сайте всего 24–48 часов. Причем часто товары загружают за несколько минут до момента старта акции. Средняя глубина остатков составляет от 2 до 3 единиц на 1 артикул, а лучшие предложения раскупают в первый час. Поэтому любые алгоритмы, которые используют предварительные расчеты, нам не подходили», — рассказывает Шилова.

По словам Олега Лесова, есть несколько стандартных подходов к подбору наилучшего предложения для каждого клиента. Математики называют это коллаборативной и контентной фильтрацией.

Пример: первая клиентка зашла на Le Boutique, посмотрела розовую юбку и розовую кофту, потом заходит вторая и смотрит только розовую юбку, а ей предлагается розовая кофта. «Когда таких клиенток много, мы точно знаем, что им порекомендовать. Этот алгоритм придуман еще лет 15 назад, на Amazon такие блоки называются customers, who viewed this product also viewed».

Контентная фильтрация — это алгоритмы, которые применяют поисковые системы «Яндекс». В Softcub анализируют название товара, его текстовое описание. Если в одном товаре написано, что это пальто из кашемира, и во втором тоже, то эти товары похожи.

Многие товары на Le Boutique есть только в размере XS и XL. «Если мы знаем, что у клиентки размер М, не нужно рекомендовать ей товар, который отсутствует в нужном размере: это сильно снижает конверсию и расстраивает ее», — рассказывает Лесов.

 

 

 

 

После внедрения на сайт рекомендаций в карточке товара в компании взялись за персонализацию каталога. По словам Юлии Шиловой, лишь 15% посетителей пользуются фильтрами, а остальные пролистывают акции. При том объеме товаров, который предлагает Le Boutique, легко не заметить или попросту не долистать до именно того платья или куртки. Поэтому критично было показать пользователю блок с товарами, подобранными именно для него, в первом экране.

«В Le Boutique товар живет на сайте всего 4 дня. У нас очень мало времени, для того чтобы собрать информацию и подготовить персонализированное предложение. Мы доработали алгоритм рекомендаций для работы в режиме реального времени. Четыреста миллисекунд, чтобы сохранить данные, и еще 200 миллисекунд, чтобы рассчитать персональное предложение для каждого клиента», — рассказывает Лесов.

По словам Шиловой, в результате первого теста оказалось, что конверсия у пользователей, которым показывали рекомендации, ниже, чем у контрольной группы. После изменений и доработок в Le Boutique вышли на прирост конверсии 3,89%.

В шопинг-клубе занимаются тестированием персонализации в email-рассылках. Каждый месяц подписчикам отправляется до 100 млн писем. При этом первые 5 баннеров генерируют до 50% переходов на сайт. «Мы подумали, что очень важно сделать так, чтобы каждый пользователь видел наиболее интересные для него баннеры — так мы сможем сгенерировать больше переходов на сайт, а значит, увеличить объем продаж», — говорит Шилова.

По словам Лесова, запустить персонализацию email не так просто. Для Le Boutique Softсube сделал персонализированную рассылку, но для некоторых сегментов пользователей она давала увеличение на 50% конверсии продаж, а для других всего 15%.  

«Мы не могли понять, почему. Мы собрались с Юлей, она показала, как она ежедневно вручную расставляет акции для email-рассылки и для главной страницы. И мы поняли, что это не только математика, — рассказывает Лесов. — Юля — эксперт и использует большое количество информации о брендах и тенденциях рынка, так что машина здесь проигрывает человеку».

Сейчас в Softcube разрабатывают специальные алгоритмы для того, чтобы включить уникальные знания Юлии, как эксперта, в математическую модель. «Если до этого мы математически рассчитывали лучшее предложение для клиента, то сейчас совмещаем интуицию Юлии и machine learning. Это сложно, но в следующем году мы поделимся с вами результатами этой работы», — обещает Лесов.

Автор: Дарья Златьева