Сервисы в екоме почти не развиваются — разбираем на примере поиска по товарам

О причинах снижения роста эффективности сервисов, актуальных способах развития и инновациях экосистемы данных Ensi Cloud.

Товарный поиск — один из основных инструментов цифровых продаж. По данным Shopify, использование клиентом поиска увеличивает вероятность конверсии в 1,8 раза, а продажи найденных товаров составляют 13,8% от выручки.

Prefixbox пишет уже о доле в 40-80% — особенно высокие показатели приходится на аптеки и книжные магазины. Объясняется просто: лекарства выписывают врачи, а книги советуют друзья и блогеры. Ещё до попадания в интернет-магазин клиенты точно знают, что им нужно, — и ищут. Здесь товарный поиск становится главным средством навигации.

Интересна и негативная статистика: от 10% до 25% запросов клиентов не дают результата, что обычно приводит к закрытию страницы магазина.

В других сегментах, допустим, fashion, важнее прочие инструменты: фильтры, актуальные подборки образов, сезонные распродажи. Однако, и здесь немало покупателей ищут знакомые бренды, определенные категории или модные новинки.

Развивая пример с интернет-магазином одежды, вспомним, что в строку поиска редко попадают точное наименование позиции или артикул. В основном же, запрос исходит из потребности: куртка на осень, штаны для занятий в зале, солнцезащитные очки, рубашка официальная или обувь для танцев. Хорошо, если указан предпочитаемый цвет. Отлично, когда известен хотя бы один дополнительный параметр, будь то бренд, материал или фасон. Но даже так подходят десятки вариантов (про маркетплейсы и вспоминать не стоит) , а уделять часы подбору «того самого» пуховика готовы далеко не все.

Если покупатель еще не определился, то поиск должен ему помочь. В пространстве интернет-ритейла именно этот сервис занимает место консультанта из каменного магазина, помогая найти лучшее предложение среди огромного числа забитых стендов и стеллажей.

«Умные» инструменты в товарном поиске появились в середине 10-х вместе с совершенствованием ИИ и методов анализа больших данных: поиск по картинкам, голосовой ввод, фасетная фильтрация, персонализация, автоматический мерчендайзинг и много чего еще. Сегодня эти фичи являются стандартом рынка и есть во всех уважающих себя решениях.

Рынок поисковиков для екома представлен всего тремя-четырьмя сервисами, выделить конкурентные преимущества между которыми почти невозможно. Они предлагают схожую функциональность, элементы настроек, варианты размещения и в целом все, что касается технических возможностей. Разнится лишь реализация: где-то запросы быстрее передаются, у кого-то сортировка поточнее работает.

Основная же конкуренция заключается в поиске (иронично) баланса условий для бизнеса:

• Кто предложит меньшую стоимость;
• Кто обеспечит наиболее короткие сроки внедрения;
• Кто предоставит больше дополнительных услуг.

И дело не в том, что продукты — плохие. Наоборот, их команды вобрали лучшее из технологий и занимаются огранкой: оптимизацией алгоритмов, повышением отказоустойчивости, масштабированием инфраструктуры и другими задачами категории would be nice.

Современные сервисы настолько технологичные, что им сложно предложить инновации.

Для наглядности рассмотрим процесс формирования поисковой выдачи с трех ключевых сторон:

• Интерпретация. Поиск должен правильно понять запрос;
• Данные. Поиск должен обладать достаточным объемом актуальной информации и инструментами для их обработки;
• Ответ. Поиск должен решить задачу покупателя.

Первое, с чем необходимо разобраться поиску — правильно определить задачу клиента. На этом этапе главная сложность для сервиса: переработать человекопонятный запрос в набор сущностей, которыми оперирует ИТ-решение. Здесь сервис проходит два уровня анализа:

• Языковой — разные социальные группы по-разному употребляют одинаковые слова и фразы. Кроме того, русский язык славится многообразием падежей, сложносоставными конструкциями, обилием переносного смысла и великим множеством замудренноинтерпретируемых характеристик (наглядно) .
• Логический — человекопонятные запросы довольно абстрактны: например, «мангал для похода». Нам легко додумать, что мангал должен быть легкий, маленький, возможно складной. Этого же клиент ждет и от поиска, которому нужно корректно адаптировать выдачу, применив необходимые фильтры и сортировку.

Выделим основные инструменты, применяемые на этом этапе.

Распознавание естественного языка

Интерпретация натурального языка и непрямых пользовательских формулировок в запросе

Машинное обучение и большие данные

Анализ паттернов поведения покупателей для постоянного роста конверсии в долгосрочной перспективе

Частичное вхождение и подсказки

Базовый элеме… (нт хорошего поиска)

Морфология

Поиск по словам в других родах, падежах, числах, склонениях и частях речи

Синонимы

Лонгслив, свитшот, толстовка, кофта, майка, фуфайка — люди по-разному называют одни и те же вещи, хоть это не всегда правильно

Понимание неправильной раскладки клавиатуры

Vs; t ujdjhbkb

Опечатки

Даже самые грамотные пользователи иногда ошибаются

Большие данные — неотъемлемая часть екома. Сегодня конкурентные преимущества получает не тот, кто занимается анализом бигдаты (то есть, все значимые игроки) , а тот, кто в ходе анализа извлекает наибольшую бизнес-ценность. И задача эта крайне нетривиальна — наиболее важные аспекты отражены в концепции 3V:

• Volume. Объемы информации очень велики: это товары, заказы, клиенты, платежные сведения, рейтинги, рекламные метрики и прочее.
• Velocity. Скорость генерации новых данных все возрастает, ведь рынок онлайн-ритейла постоянно расширяется, а инструменты сбора данных — совершенствуются.
• Variety. Разнообразие типов данных: числовые, текстовые, фото, видео, аудио.

Соответственно, передовые поисковые системы:

• Собирают и обрабатывают огромные объемы информации,
• Непрерывно совершенствуют инструменты и алгоритмы анализа,
• Поддерживают множество форматов.

С первыми двумя пунктами все очевидно, а вот на третьем задержимся.

Запрос, передаваемый в поиск, обычно состоит из фразы или картинки, а результат выдачи зависит от единственного фактора — совпадению атрибутов товаров из фида с конкретными метатегами, которые смог интерпретировать поиск. Этой информации обычно недостаточно, и в итоге клиент получает:

• Сто страниц по сто товаров на каждой;
• Ноль страниц и ноль товаров.

Оба варианта сложно назвать хорошими — покупателю придется уточнить или изменить запрос, вручную выбрать категории и фильтры, разочароваться и закрыть страницу магазина.

В процессе онлайн-покупок клиент одновременно учитывает множество факторов:

• стоимость товаров,
• их внешний вид,
• качество фото, видео и 3D-моделей,
• характеристики,
• описание,
• отзывы,
• обзоры,
• варианты, сроки и тарифы доставки;
• акции,
• условия программы лояльности.

Список можно продолжать, но важно другое: покупатель выбирает тот или иной товар, опираясь на желания, потребности и возможности — только поиск о них ничего не знает. В отличии от ритейлера, который десятками метрик отслеживает каждый шаг посетителей виртуальной витрины.

Эти данные можно передавать поиску вместе с запросом, таким образом формируя уникальную систему правил подбора товаров.

Как уже замечено выше, качество результата поисковой выдачи зависит от объема данных, полученных при запросе. Анализируя ОЦС большого числа покупателей, сервис поиска может научиться выявлять паттерны поведения похожих групп клиентов. Для примера:

• Клиент авторизуется в личном кабинете;
• Сервис получает информацию об истории заказов;
• Сервис находит детское питание в десяти последних заказах;
• Сервис сверяется с базой данных покупателей, имеющих похожую историю заказов;
• Сервис вычисляет закономерности в приобретении детского питания;
• Клиент нажимает на строку поиска;
• Сервис в разделе рекомендаций отображает конкретную марку и вкусы детского питания, а также дополнительные товары для детей: средства гигены, одежду, игрушки;
• Клиент быстро заказывает необходимые товары.

Еще более продвинутый вариант использования паттернов — предсказание потребностей в долгосрочной перспективе. Тот же сервис спустя полгода покупок детского питания может предлагать одежду большего размера, книжки, тренажеры.

Описанный выше случай отражает взаимодействие двух систем: поиска и рекомендаций. Эта связка способна не только учитывать потребности клиента, но и дополнять их.

Рекомендации на основе истории просмотров и заказов

Конкурентные аналоги и напоминания об интересах

С этим товаром покупают

Аксессуары и комплектующие

Популярные товары

Часто покупаемые товары из той же или похожих категорий

Похожие товары

Автоматические подборки похожих товаров

Предсказание покупок

Для товаров с известным циклом покупки

Тренды

Реклама товаров с быстрорастущей популярностью

Что касается задач по улучшению CX, то они легко изолируются от остальных процессов компании, поэтому рынок и наполнен узкоспециализированными коробочными решениями. Но кажется, этого недостаточно. В концепции эволюционного развития больше неэффективно рассматривать сервисы только с точки зрения возможностей конкретного продукта.

Каждый еком проводит покупателей через множество интерфейсов: поиск, фильтры и категории, маркетинговые предложения, систему рекомендаций, статьи с обзорами товаров, систему отзывов, корзину, выбор платежного сервиса и оператора доставки. Обычно эти технические решения между собой почти не связаны: часть — самописные, другие поддерживаются сторонними вендорами, третьи и вовсе остались заброшенными легаси.

Недостаток связи между сервисами — серьезная преграда на пути улучшения покупательского опыта, ведь каждый из этих сервисов оперирует данными, представляющими бизнес-ценность, но они остаются замкнутыми внутри локальных решений.

Например, если представленные на витрине товары не учитывают географию складов, сборка и доставка заказа могут занять критически много времени. Или возникают случаи, когда персональные акции отражаются только на странице программы лояльности, а узнать о них из каталога — невозможно. Таких сценариев невероятное множество, и все они мешают клиенту приобрести товар, а следовательно:

Мы увидели новые возможности развития екома в налаживании связности между сервисами. Ensi Cloud — первая экосистема данных для электронной торговли, объединяющая полнофункциональные AaaS-решения по трем принципам единства:

• Единые потоки данных по товарам и по событиям для всех услуг экосистемы;
• Единая точка интеграционного взаимодействия по API;
• Единый интерфейс управления.

Сервисы экосистемы сопровождает покупателя на всем пути: от просмотра каталога до момента оплаты. Информация о действиях пользователя на одном этапе оказывается полезной и на других. Тот же поиск может предлагать варианты товаров с наименьшим временем доставки или анализировать статистику рекомендаций, добавляя в выдачу релевантные персонализированные предложения. Синергия сервисов существенно повышает конверсию, средний чек и вероятность новой покупки.

Сейчас развиваются три первых сервиса:

• Search — омниканальный поиск;
• Adviser — умная система рекомендаций;
• Feed — автоматизация продаж на маркетплейсах;

Облачная модель позволяет делегировать вендору (то есть, нам) задачи и затраты, связанные с:

• интеграцией с внешними и внутренними сервисами;
• настройкой, обеспечением отказоустойчивости и безопасности инфраструктуры;
• обновлением компонентов платформы.

Для достижения наивысшей эффективности следует подключить экосистему целиком — преимущества связности сервисов раскрываются в полном наборе.

В то же время сервисы являются самодостаточными полнофункциональными решениями и доступны к автономному внедрению. Это оптимальный вариант при необходимости использования отдельных систем, который откроет возможность быстрой установки новых продуктов экосистемы в будущем.

Ensi Cloud Search и Adviser относятся к категории облачных AaaS-сервисов, то есть предоставляют ответы с высокой бизнес-значимостью (Answers-as-a-Service) .

Принцип поиска прост:

• Пользователь ищет товар на витрине;
• Витрина направляет запрос в Ensi Cloud по API;
• Ensi Cloud идентифицирует пользователя;
• Ensi Cloud анализирует запрос на основе фидов и заданных параметров поиска;
• Витрина получает ответ — пользователь видит релевантную выдачу.

Adviser же сопровождает клиента не только при поиске, но и в других сценариях: на главной странице, в карточках товаров, в тематических разделах и так далее.

Сервисы Ensi Cloud доступны интернет-магазинам и маркетплейсам с любым уровнем зрелости — для интеграции будет достаточно знаний штатного разработчика сайтов.

Краткая инструкция:

• Подключить API;
• Настроить загрузку фидов;
• Задать правила формирования товарной выдачи в личном кабинете.

В панели администратора можно управлять не только параметрами Search и Adviser, но и другими продуктами Ensi Cloud. Также для работы всем сервисам достаточно одного трекера и потока данных: фидов, доступа к истории заказов, логистических, маркетинговых и прочих инструментов

Отслеживать эффективность продуктов Ensi Cloud можно в разделе статистики и аналитики. В нем представлены наглядные диаграммы по основным параметрам взаимодействия с сервисами.

В панели администратора Ensi Cloud доступны no-code настройки выдачи и товарных рекомендаций. В них можно самостоятельно обновлять словарь синонимов, корректировать фиды, продвигать необходимые товары и многое другое.

Кроме того, мы предоставляем дополнительные услуги по тонкой настройке алгоритма поиска и рекомендаций под нужды заказчика.

Стоимость использования Ensi Cloud зависит от требований конкретного бизнеса и выбранного набора продуктов и услуг. Мы предлагаем возможность конфигурирования функциональности, чтобы обеспечить оптимальное соотношение эффективности и доступности. Для более серьезных задач предлагаем on-premise размещение, выделенный сервер и SLA 24/7.

Вариантов оплаты также два: ежемесячная подписка или единоразовая покупка.

Ensi Cloud находится в начале жизненного пути и активно насыщается функциональностью. В бэклоге развития запланировано более 90 задач, среди которых:

• Поиск по картинкам и штрихкодам;
• Определение атрибутов товара по фото;
• Голосовой ввод;
• Поддержка разных языков;
• Поиск по контенту;
• Статистика: запросы с максимальной выручкой;
• Статистика: аномальные изменения по запросам;
• Экспорт статистики и другое.

Если заинтересовались продуктами Ensi Cloud, переходите на сайт и оставляйте заявку на демо и пробный период. До встречи в новых статьях!