За кулисами рекомендательных систем. Как все начиналось

Всем привет, меня зовут Шеризат, я работаю в Jmart , это развивающийся в Казахстане маркетплейс и часть экосистемы Jusan. Я Head направлений: поиск, система рекомендаций и ранжирование товаров. В текущей статье я хочу рассказать о том, как все начиналось и к чему мы с командой пришли.

На дворе июль 2022 года, ранжирование товаров в листинге определяли категорийные менеджера, каждый формировал эксельчку и отправлял файл контент менеджеру который заливал данные на сайт. Тут я выделил 3 ключевые боли:

Было понимание, что так продолжаться не может. Я сделал презентацию с описанием стратегии ранжирования и назначил встречу с директором Data Science. Тут есть нюанс, у нас в компании нет отдела Data Science, но в холдинге такое направление есть. И так к самой встрече, показал презентацию, попросил выделить одного data scientist-а под данный проект, сказав, что бизнес готов перестроиться и работа не будет проведена зря, этого оказалось достаточно, директор Data Science выделил одного сотрудника на part-time

Получив одобрение Data Science назначил встречу с бизнесом, точно также показал презентацию сказал, что департамент Data Science очень заинтересован в проекте, но для этого бизнесу необходимо перестроиться и довериться алгоритму взамен собственным расчетам. Сказать, что скепсиса и отрицание было много это ничего не сказать, но все же мне удалось добиться своего и проект был запущен. На старте реализация была максимально простой - составил список параметров которые должны влиять на ранжирование (продажи, % конверсии, цены конкурентов и тд), и каждый товар получал либо не получал баллы за каждый параметр, чем больше баллов тем выше товар в листинге. Спустя месяц накатили, и результат был виден уже первый день.

Рост GMV + 24%

Рост клиентов с ивентом открытие карточки товара + 30%

После того как закрыл боль с листингом, важно было что то делать с поиском, на тот момент под капотом поисковой строки была какая то собственная разработка, качество которой оставляла желать лучшего. Обсудили боль с СРО и пришли к тому, что нужно выходить на рынок и искать готовое решение, в перспективе двух лет это точно самое оптимальное решение, так как на тот момент не было ни экспертизы ни ресурсов для собственной разработки поисковой системы. Выбор пал на компанию Algolia, причины две - простая интеграция и приемлемое качество поисковой выдачи. Месяц ушел на тесты и настройку поисковой системы, в январе накатили, результат полностью отбивал затраты на внешнего партнера. На старте продукта сам настраивал поисковые атрибуты, стратегию поиска, синонимы, правила и тд, далее, взял в команду аналитика с контент отдела и всю операционку передал ей, сам же занимаюсь большими эпиками и общим развитием поисковой системы.

Рост GMV + 30%

Оптимизация ранжирования товаров в листинге и поисковой системы привела к тому, что превалирующая часть трафика успешно открывали карточки товара, в связи с чем следующим логичным шагом было начать создавать рекомендательную систему. Маневр с стартом проекта был таким же как и с проектом ранжирования. Сделал презентацию , показал ее директору Data Science, попросил человека под проект, в данном случае скепсиса практически не было, так как у меня уже была определённая репутация которая позволяла закрыть вопрос на уровне презентации. С этой же презентацией пошел продуктовой команде и защитил место под блок рекомендаций в карточке товара. В первой итерации реализация была максимально простой и выполнение ограничилось тремя шагами:

На выходе получилось, что в карточке товара мы показали клиентам схожий по типу товар, примерно в таком же ценовом диапазоне. Первую итерацию накатили ни на весь ассортимент маркетплейса однако результат все равно всех устроил.

+ 4% событий с открытием карточки товара

По итогу приведенной статьи хотел бы поделиться выводами:

В текущей статье описал лишь первые итерации и старт продуктов , в последующих статьях опишу актуальное состояние продуктов где уже используются А/Б тесты, ML модели, ETL процессы и AI технологии.

Спасибо за внимание.