Delivery Club с помощью Amplitude оптимизировали поисковую выдачу и на 18% увеличили конверсию в клик по ресторану
Поиск — один из основных инструментов, который влияет на конверсию в заказ в сервисах доставки еды. Если пользователь ищет блюдо или конкретный ресторан в продукте, но не находит, то он, скорее всего, уйдет.
Чтобы конвертировать больше пользователей в покупку, продакт-менеджерам e-commerce сервисов важно работать над оптимизацией поисковой выдачи. В этом кейсе рассказываем, как в Delivery Club:
- Проанализировали работу поисковой выдачи и нашли в ней узкое место.
- Выдвинули гипотезы по оптимизации поиска.
- Запустили рекомендательную систему в поиске и добились результатов:
Как Delivery Club ищут точки роста
Одним из инструментов поиска точек роста в Delivery Club является Amplitude. В компании используют инструмент с двух сторон:
- Как инструмент Self Service аналитики — все команды в Delivery Club могут работать с продуктовыми данными и генерировать гипотезы.
- Как источник продуктовых данных для Deep Analytics — аналитики Delivery Club глубоко анализируют поведение пользователей в продукте с помощью SQL, Python и машинного обучения.
В этом кейсе рассказываем, как продуктовая команда Delivery Club изучила работу поиска и вырастила ключевые метрики бизнеса.
Кейс Delivery Club по оптимизации поисковой выдачи
Поиск — одна из основных фичей продукта Delivery Club. Когда продуктовая команда начала анализировать его работу, выяснилось, что чаще всего при запросе поиск выдает пользователю нулевой результат. Работа по поиску проблемного места и превращения его в точку роста велась в 3 шага:
- Предпроектная аналитика: анализ поиска и неожиданное узкое место
- Оценка масштабности
- Эксперимент и отслеживание результатов.
Шаг 1 — анализ поиска и неожиданное узкое место
Delivery Club построили воронки по результатам поисковой выдачи и увидели, что в поиск переходит около 20% всех пользователей сервиса.
Аудитория Delivery Club, использующая поиск при выборе ресторана в Delivery Club
Просегментировали результаты поисковой выдачи по количеству ресторанов и обнаружили, что самый большой сегмент — с пустой выдачей.
Сегментация поисковых ответов Delivery Club
Шаг 2 — оценка масштабности
Delivery Club проанализировали самые популярные запросы с пустой выдачей и отсортировали их по частоте. В топе оказались вполне адекватные запросы: «кфс», «шоколадница» и так далее.
Первые 10 запросов генерировали около 50% всех запросов поиска. Стало понятно, что если научиться обрабатывать даже 10 самых популярных запросов, то получится поднять конверсию в заказ.
Сравнение конверсий в заказ относительно результатов поисковой выдачи
Исходя из полученных данных предположили:
1. Люди могут делать опечатки, и с этим можно работать.
2. Возможно, люди ищут рестораны, которые есть на платформе, но они не доставляют по конкретному адресу или в конкретное время.
С помощью формулы GMV (Gross merchandise volume) в Delivery Club рассчитали, что возможный эффект от улучшения поисковой выдачи принесет бизнесу от 40 млн рублей прибыли, поэтому решили запускать рекомендательную систему.
Формула, по которой Delivery Club рассчитали возможный эффект от запуска рекомендательной системы
Шаг 3 — эксперимент и отслеживание результатов
Delivery Club запустили рекомендательную систему. Она работает так, что если пользователь ищет KFC, а они не доставляют по определенному адресу, можно предложить доставку McDonald’s и Burger King. Это не будет на 100% релевантным результатом, но предложенная альтернатива повысит конверсию в клик по ресторану и последующий заказ.
В ходе эксперимента удалось:
- сократить долю пустых результатов в поисковой выдаче Delivery Club
Доля пустых результатов в поисковой выдаче Delivery Club снизилась после подключения рекомендательной системы
- повысить конверсию в клик по ресторану
Delivery Club в конце августа увеличили конверсию в клик по ресторану с помощью запуска рекомендательной системы
Нам было важно смотреть на конверсию в клик по ресторанам, и для этого я использовала сегментацию воронки в Amplitude. Я посмотрела, сколько из тех людей, которые перешли в поиск, кликнули по ресторану, и увидела прирост. У нас была конкурирующая метрика, которая показывала, что мы не просто снизили пустые выдачи, а на самом деле сделали прирост. То есть конверсия не упала, значит мы в целом сделали бизнесу хорошо
- увеличить среднее количество ресторанов, которое видит пользователь на запрос
Вывод — лучше выдавать менее релевантные запросу пользователя ответы на запрос, чем совсем не выдавать результаты.
Суммарные результаты
Поработав над синонимами и пустыми результатами выдачи, в Delivery Club сделали так, что в среднем увеличилось количество ресторанов, которые получает пользователь на свой запрос. И в совокупности это повлияло на конверсию в клик по ресторану из поиска и на конверсию в заказ из поиска:
Результаты оптимизации поисковой выдачи в Delivery Club
Мы проанализировали все поисковые запросы, но это был достаточно верхнеуровневый подход. Сейчас используем Amplitude, как аналитики, и работаем с API Amplitude, выгружаем себе сырые данные и применяем их для внутреннего исследования: строим свои графики и инструменты.
Мы сейчас взяли в работу анализ всех поисковых запросов и теперь не просто их агрегируем и чистим вручную, а уже применяем какие-то сложные механизмы: NLP, look-alike. Максимально сегментируем и максимально глубоко анализируем пользовательское поведение. Смотрим, после каких запросов и что пользователи покупают, после каких запросов пользователи не покупают или покупают не то, что искали, а то, что мы им даем. И все это мы делаем в Amplitude
Данный кейс показывает потенциал работы с поиском. Анализ работы поисковой выдачи поможет найти точки роста и увеличить потенциальную прибыль. Для e-commerce продуктов важно отслеживать, какие запросы делают пользователи, какие результаты получают и как это влияет на конверсию в заказ.
Amplitude очень толковый инструмент
Спасибо за подробный рассказ, очень интересно!
Нет