Кейс - персонализация интернет-магазина глазами аналитика

Реструктуризация бизнес-процессов, преобразование характеристик продуктов, стимулирование потребительской аудитории, новации в маркетинговых подходах... каждый аспект бизнеса трансформируется самостоятельно. Пробовать создавать что-то новое или клонировать успешные практики?

Когда цифровой трансформации подвергается интернет-магазин, хочется учесть все бизнес потребности, интересы ответственных сторон на каждом этапе, но в этом случае мало кто задумывается о том, что потребности и интересы потребителей меняются быстрее ваших нововведений.

Не будем углубляться в теоретическую сторону, рассмотрим факты, которые мы фиксируем на рынке. У каждого разные ассоциации с явлением персонализации. Как только мы выступаем потребителем товаров и услуг, ты не задумываясь для себя решаем, как вам оказали услугу и чего не хватает для собирательного образа "идеальной картины мира". В данном случае мы все выступаем критиками. Как только появляется возможность создать сервис, который будет идеален, то мы почему-то забываем о том, как много мнений по ту сторону кассы.

Все мы много раз слышали о том, что персонализация это шаг к успеху. Эпоха массовых сервисов под копирку уже прошла. Даже если компания поглощает успешного игрока на рынке, бизнес которого оцифрован и приносит в данный момент достойный доход, то рано или поздно необходимо и эту цифровую модель менять, сохраняя единорога в оптимальной форме.

Не во всех компаниях есть штатный аналитик, еще меньше тех, у кого анализ ведется не формате изучения результата труда, на каждом этапе цифровой трансформации.

Этот кейс о том, как изменение сервиса персонализации интернет-магазина велась с нулевого этапа и до финала под контролем системного аналитика, знания которого выходили за границы анализа данных. Приходилось вникать в структуру баз данных, в результаты маркетинговых экспериментов, изучать характеристики товарного ассортимента, изучать критерии, которые могут отрицательно влиять на нагрузку серверной группы и самое сладкое - изучать сырые данные, для получения знаний о потребностях потенциальных покупателей.

Что такое персонализация для участников проекта внедряющих новацию в классическом e-com:

• для управленца - это инструмент влияния на ROI, корректировки издержек и т.д.
• для разработчика - это сложный продукт, который должен отвечать требованиям, которые будут актуальны завтра
• для маркетолога - инструмент работы с аудиторией
• для технического администратора и службы поддержки - это новый вызов, множество проблем
• для аналитика, персонализация - это прежде всего "колода карт", где за столом играть будут все, в том числе постоянные покупатели, внешняя среда, карточный блеф конкурентов и туз в рукаве у его величества "Рынка"

Если вы и ваш бизнес имеете амбициозные планы, но ваш продукт или услуга не имеют серебряную пулю, ваша старания будут иметь малую вероятность к успеху - "еще один аптечный ларек на улице". Если вы знаете своего покупателя, то у вас есть шанс. Он станет выше, если знания о потенциальном покупателе вы сможете масштабировать, а скорость принятия решений будет запредельной.

Software as a service на рынке персонализации еще мало развит. Модель всячески пиарят на профильных площадках, но увы нет готового решения, которое могло бы на старте внедрения закрыть хоть 50% потребностей данной услугой.

Что не так и почему пока все "сырое"? Для интернет-магазина локальная персонализация, это как костюм, пошитый на заказ. Все упирается в персональные особенности бизнеса, его процессов, характеристики товаров и много всего, что "под капотом".

Входные данные:

• группа сайтов в рамках одного холдинга + собственный интернет-магазин
• аудитории сайтов частично пересекаются так как работают в одной нише. Суммарная аудитория - десятки миллионов посетителей за год. Показатели DAU по каждому сайту исчисляется десятками тысяч, с долей новых посетителей ~65%
• аудитория постоянных покупателей около полумиллиона
• еженедельно, на полках магазина появляется несколько сотен новых товаров, которые не имеют метаданных о спросе, интересах и потенциальной аудитории

Цель - максимизация прибыли

Цель проекта - создать оптимальную систему персонализации для проекта с высокой нагрузкой

Задачи:

• иметь лучшее представление о каждом покупателе продукции. Да именно о каждом, так как создается не "массовый продукт", а именно персональный
• система должна учитывать характеристики продукции, иметь актуальные знания об остатках товара на складе
• система должна "видеть" всё, что делает посетитель на сайте и по каждому событию принимать решения
• минимальное участие человека в сервисе "как организме", в алгоритмах машинного обучения должны быть заложены все особенности - обучить AI видеть процесс выбора товара потенциальным покупателем и корректировать его там, где это уместно
• скорость анализа полученных данных с дальнейшим принятием решения - не более 150ms
• система должна фиксировать источники трафика, иметь представление о текущих маркетинговых активностях в каждом канале. Это необходимо для дальнейшей корректировки витрин, "со вкусом рекламного посыла"

Прототип, который получили в качестве пилотного решения:

• разработана система кластеризации покупателей. Каждый кластер имеет свою особенность и связь с группами товаров. В качестве критериев выступали: частота покупки покупателей в кластере, цена товаров в заказах, средний чек для сегмента, детальные характеристики ЦА, разница в результатах RFM анализа, знания о том, как влияют акции и распродажи на принятие решения каждого покупателя в сегменте. Число кластеров было оптимально. В данном случае, это граница между полнотой кластера и числом кластеров, которые мы бы смогли обработать за единицу времени.
• обновление данных для получения новых знаний - ежедневно для кластеров; моментально - для профиля каждого покупателя. Эти сроки были выбраны по результатам анализа. Как правило, если покупатель был автоматически отнесен в сегмент X, то после изучения его поведения за сутки, практически данный покупатель переносился в сегмент Y, и т.д. по мере активности каждого.
• скорость принятия решения - учитывая механику работы, сервису необходимо было: налету "узнать любого пользователя" даже если он не авторизован, но был ранее; получить из коллекции данные о том, кто это, собрать контент страницы учитывая характеристики кластера, исключить товары, которые ранее были куплены, активировать персональные скидки, учесть остатки на складе; на основе знаний о том, откуда пришел посетитель, сформировать витрину "со вкусом" рекламы; исключить товары, цена которых не в рамках возможности покупателей в сегменте. После ряда технологических решений вся механика укладывалась в 25ms по времени на анализ и принятие решения.
• учитываем моду - как правило, постоянные покупатели имели не только долгоиграющие предпочтения и зачастую посещали сторонние разделы. Покупки для детей, выбор товара для праздника и т.п. - все это фиксировал модуль мониторинга и анализа кликстрима. В ранее сформированный контент (на предыдущем шаге) система подмешивала те товары, мода на которые была временной. Это было оптимальное решение, позволяющее иметь динамическую витрину, которая менялась по мере "серфинга" в пределах группы сайтов. Напомню, в задаче сайтов несколько и модуль мониторинга системы фиксирует и обрабатывает все данные, которые передает web сервер по каждому клиенту, по каждой сессии.

Коллеги маркетологи получили возможность воплощать активности локально и персонально. Точечный инструмент для работы с каждым сегментом.

Руководство получило ощутимый прирост по ключевым показателям. Конверсия с ростом в три раза, число заказов и нагрузка на склад теперь дает повод задуматься о дополнительной корректировке логистической части всего процесса.

Аналитики получили новый инструмент, позволяющий из сырых данных получать нужную информацию, из агрегированной информации - знания.

Вернемся к основному вопросу, а что такое "персонализация"? Это не только возможность создать свой интернет-магазин для каждого покупателя, но и прикладное инновационное решение для дальнейшей трансформации всего бизнеса.

p.s. спустя время, настройки прототипа передали из ручного управления в руки AI. Магазин цифровой, в котором принятие решения о персонализации передано искусственному интеллекту. Но это уже другая история...