Как мы придумали Google для тех, кто выбирает обувь — история сервиса Shoegle

Всем привет! На связи Сергей Владимиров, CEO сервиса для подбора обуви онлайн Shoegle. Я хочу рассказать, как вместе с Александром Кимбер (COO проекта) и Денисом Волковым (CTO) мы придумали технологию, которая помогает интернет-магазинам снижать процент возвратов, а покупателям — выбирать товары со всего мира, подходящие именно им. А еще покажу запатентованный в России и США прибор, который позволяет мерить обувь с ювелирной точностью — до 0,1 мм и узнавать реальные параметры кроссовок, ботинок и туфель.

Я родился а Казани, в семье физиков — с детства любил науку. Учился в физмат-школе, выигрывал олимпиады, поступил на физфак. А на 3 или 4 курсе пошел работать в инвестиционную компанию и в 23 года неожиданно стал финансовым директором крупного по местным меркам завода.

Наша компания вложила в тот завод миллионы долларов, взятых в кредит, на закупку итальянского оборудования (не спешите смеяться над тем решением: ставки по рублевым кредитам в те далекие 90-е были около 50% в год, а про девальвацию никто на своей шкуре не знал).

Оборудование пришло на таможню именно в тот день, когда все рухнуло — 17 августа 1998 года (тогда за несколько недель курс рубля упал в три раза, так что 14 год не был первым периодом вымирания бизнеса), а я был отправлен на завод спасать неспасаемое. За два года я очень многое понял о бизнесе, о людях, о себе. О том, как искать мотивацию, когда всё плохо и шансов не видно. Как поддерживать людей вдвое старше тебя, очередь из которых стоит в твой кабинет с утра до вечера и для которых вся жизнь была связана с этим заводом. Мы продержались 6 лет.

Четыре года спустя я переехал в Москву, и какое-то время работал в компании, которая занималась дистрибуцией брендовой канцелярии. Был там всем и сразу: финансовым директором, директором по закупкам и по управлению запасами. В общем, познакомился с самыми разными аспектами бизнеса.

С Александром Кимбер мы встретились, когда я перешел на работу в крупную обувную компанию: это было в 2011 году. Я отвечал за создание новых коллекций, размещение заказов в Китае и контроль производства, а Саша — за создание собственной розницы. Он тоже прошел долгий путь: начинал когда-то продавцом в магазине, где узнал о продажах все.

Во время кризиса 2014 года нам пришлось очень непросто, как и многим импортерам. Мы с Сашей предложили перенести производство обуви в Россию, но акционеры нас не поддержали.

Так появился наш собственный бизнес — мы начали изготавливать обувь в России и продавать на Wildberries. И именно тогда на себе ощутили, что такое возвраты в онлайне. Здесь начинается история Shoegle.

Статистика показывает: если ваш покупатель в магазине примерил три пары и не нашел удобной, он не станет выбирать дальше — просто уйдет и, скорее всего, никогда не вернется.

Но еще большей проблемой выбор размера становится в онлайне. Когда мы стали продавать на Wildberries, столкнулись с тем, что возврат доходит до 70%, а его главной причиной оказывается неподходящий размер.

Одна пара 3-4 раза «путешествовала» на примерку перед тем, как ее наконец-то покупали. Компания теряла деньги. Мы проанализировали опыт других продавцов и поняли, что здесь есть общие боли:

• Возвраты — это дорого. Обувь путешествует впустую, и платит за это, так или иначе, продавец. «Пустой прокат» до клиента и обратно только по основным онлайн-магазинам России составляет около 5 млрд рублей в год и растет пропорционально росту оборота онлайн-продаж;
• Обрабатывать возврат на складе — сложно. Все возвраты приходится проверять вручную: бывает, например, что вместо новой пары покупатель кладет в коробку старую обувь — и возвращает ее;
• Даже если фрода нет, пара уже не новая. Странствуя, товар портится: повреждается упаковка, появляются дефекты или загрязнения;
• Компания теряет время. Если мы отправляем товар с московского склада на примерку московскому покупателю, это еще ничего. Но, если пара едет в Калининград, ее путь занимает очень много времени, и продать ее заново, пока она не вернулась, нельзя. При этом для спроса на обувь характерна сезонность — так что задержки могут быть серьезной проблемой;
• Обувь предпочитают выбирать офлайн. Негативный опыт накапливается: несколько раз сделав неудачный выбор, человек обретает уверенность, что выбрать удобную обувь онлайн невозможно. И никакие маркетинговые кампании его не переубедят. Решение может быть только одно — работать с таким человеком напрямую, предлагая ему понятное решение проблемы сразу же, как только он открыл витрину.

На самом деле, проблема с выбором размера — очевидная боль интернет-магазинов одежды и обуви: примерка и возврат заложены в саму основу бизнес-модели fashion e-commerce, и мы не первые стартаперы, которые обратили на это внимание.

В основном это технологии виртуальной примерки. Они могут быть визуальными: на изображение стопы накладывается изображение кроссовка (на Lamoda пробовали запустить такой проект). Это прикольно, но не очень решает проблему с размером.

Бывает еще статистический подход c технологией на базе компании FitAnalytics, которой, например, пользуется Asos.com. Такая рекомендательная система действительно увеличивает процент выкупа у тех, кто ей воспользовался. Но только на 2%. Лично мне, как покупателю, он с завидным постоянством выдает рекомендации, что с вероятностью 46% мне подойдет 42 размер, а с вероятностью 54% — 43-й. После таких рекомендаций ничего, кроме раздражения о потраченном времени на заполнение 5 форм, я не испытал.

Мы, как обувщики, решили зайти с другой стороны — создать собственную базу, в которой будет хранится информация о реальных параметрах обувных моделей. Но как это сделать? Как померять, например, миллион пар обуви быстро, точно и недорого. Вот это был вызов.

Однажды на РБК я увидел материал про компанию, которая собрала робота для примерки одежды. Покупатели могли указать свои данные: рост, обхват груди и тд. Благодаря подвижным пластинам робот повторял пропорции тела, и покупатель мог посмотреть, как на его фигуре будет сидеть одежда. В итоге технологию приобрел японский маркетплейс за $90 млн. Я подумал, что нечто похожее мы можем сделать для обуви. Нарисовал прибор — модель человеческой стопы, подумал, как именно мы можем его использовать, составил требования:

1. Простой (за 30 мин любой человек сможет с ним работать без ошибок);

2. Точный (<1 мм);

3. Быстрый (не больше 60 сек на весь обмер);

4. Портативный (легкий, 8 часов без подзарядки);

5. Комфортный в работе (его должно быть приятно брать в руки).

Так рождался SizeDevice — прибор, которым мы теперь можем измерять обувь по нескольким ключевым параметрам (длина, полнота, эластичность материала и т.д.) А составленную таким образом базу размеров использовать для верных рекомендаций. Потом было 3 года проектирования, ошибок, тестов, снова ошибок, смен технологий и на 8 раз — заработало.

Здесь возникает закономерный вопрос — почему просто не использовать размерные таблицы производителя? Или не возникает, т.к. все знают, что одинаковые размеры у всех разные. И пока не померяешь — не узнаешь. Так, шаг UK полуразмера по длине составляет всего 4 мм, измерять модели с такой высокой точностью не умел ни один современный сканер.

Единственный способ сделать точное измерение — моделировать настоящую стопу внутри обуви. Причем очень точно. Именно это и научился SizeDevice. Только это и больше ничего. Технология показала хорошие результаты, и в дальнейшем мы запатентовали ее в России и в США.

Сам процесс измерения устроен очень просто. Наша команда обмерщиков приезжает на склад (иногда в магазин) с несколькими приборами и снимает необходимые измерения. Количество сотрудников и приборов зависит от масштаба заказа и практически не ограничено.

Данные с прибора через Bluetooth подгружаются в специальное приложение на смартфоне — формировать базу вручную не требуется. Приложение передает информацию на сервер, а сервер ее верифицирует: сравнивает данные по размерам одного артикула, проверяет, нет ли каких-то ошибок. Если находится статистически неверная ситуация (например, шаг в одном размере отличается от остальных), сервер передает сообщение работнику, и тот делает повторные измерения.

Интересно, что в 70% случаев после повторных измерений данные не меняются, что означает, что ошибка была допущена на производстве, а не во время замеров. Мы сталкивались с тем, что у брендов в одной коллекции попадаются парные размеры: то есть отсутствует разница между размерами 40 и 41. В таком случае один размер продается хорошо, а второй остается на складах в большом количестве — обувь возвращают, потому что она оказывается слишком большой или маленькой. Без измерений понять, в чем проблема, было бы невозможно. А вот собрав данные, можно легко продать остатки: просто указать на сайте, что размер 41 подойдет для стандартного 40. Также можно использовать разные типоразмеры: Евро, UK, US.

Мы презентовали SizeDevice в 2019 году на московской выставке ECOM Expo — хотели получить обратную связь и понять, насколько наша история важна для рынка. Часто на старте проекта предприниматели не готовы признать, что что-то идет не так — из-за того, что в дело уже вложено много сил и ресурсов, всегда кажется, что оно вот-вот взлетит, уже разгоняется по взлетной полосе. На этом этапе мы часто ошибаемся, закрывая глаза на реалии рынка и пытаясь продать клиентам то, что им на самом деле не нужно — вместо того, чтобы свернуть работу или поменяться. Но это страшно. Даже думать об этом не хочется. Именно поэтому мы вышли на выставку с прототипом работающего прибора.

Честно говоря, большого интереса не ожидали, сделали красивую 3D-анимацию на экран, взяли единственный работающий образец SizeDevice и встали «за прилавок». Но, отвечая на сотый вопрос: «сколько это стоит, и когда вы готовы начать?», мы поняли, что нужно срочно «пилить софт». Где и как пилят софт мы знали очень примерно. После нескольких месяцев общения с разными IT подрядчиками, попыток (чаще неудачных) написать внятное ТЗ, мы встретились с Денисом Волковым, ему наша идея понравилась и работа закипела. Кипела она долго и мучительно.

В итоге прибор для измерений и базу знаний дополнили виджетом для сайтов. С помощью виджета клиент может получить рекомендацию за 4 клика (нужно указать, какой размер вы покупаете обычно, выбрать, широкая или узкая у вас стопа и, если хотите, скорректировать стандартные параметры, которые система подгружает по вашему описанию — указать актуальные полноту и длину стопы).

Для каждой последующей просматриваемой модели персональная рекомендация размера генерируется автоматически (спасибо cookie). Т.е. на базовом уровне мы по каждому размеру каждой модели сообщаем большемерит или маломерит данный размер относительно стандарта.

Что важно — мы не собираем персональные данные покупателей. Нигде и никак. Фиксируется только IP адрес в обращении к виджету.

Здесь должна быть истории, как мы взлетели с этим виджетом, но, через неделю после завершения первого пилота, в России начался локдаун. Большая часть переговоров о дальнейшем сотрудничестве была приостановлена. Многие магазины, заинтересованные в нашей технологии, сосредоточились на выживании — в общем, масштабирование пришлось отложить. Но мы не отказывались от проекта: предполагали, что на фоне пандемии вырастут онлайн-продажи. А пока этого не произошло, занимались доработками.

Ожидания оправдались: вскоре мы начали сотрудничать с Converse. Сегодня рекомендательный сервис работает в онлайн-магазинах ru.converse.com, amersport.ru и rendez-vous.ru, а всего в работе 14 лидов.

В глобальном смысле наша идея заключается в том, чтобы сделать Google для обуви. Расширяя базу и используя элементы AI, в итоге мы получим сервис, который сможет выдавать пользователю после 4 кликов тысячи предложений со всего мира — и каждая пара будет той самой, подходящей именно ему. Кроме того, система сможет рассказать все о том, как сделать заказ и сколько придется ждать доставку, сориентирует в скидках, учтет, кроме размера, уникальные предпочтения и историю покупок. Сложность в том, что для этого мы должны знать размер всей обуви в мире.

Похоже на утопию — но на самом деле это проще, чем кажется. Я могу измерить коллекцию Adidas на складе в Казани — и данные, которые я получу, будут актуальны для этого артикула во всех магазинов в мире, продающих эту модель Adidas.

Ну а если отойти от глобальных задач и подсветить операционку, то тут сложность была с тем, чтобы люди на самом деле измеряли свои стопы перед оформлением заказа. Наша форма выдаст рекомендацию и по базовым параметрам, но, чтобы она была точнее, лучше произвести замеры. Казалось, никто не будет этим заниматься — и сперва так и было. 70% пользователей ничего не меряли, просто забивали свой привычный размер.

Но постепенно соотношение перевернулось: сейчас больше половины данных в клиентской базе — это измененные параметры (то есть, все эти люди произвели замеры и поменяли настройки, которые система выдает по умолчанию). Мы дали пользователям возможность — и со временем, наблюдая, как она приносит кому-то результаты, они стали ее использовать.

Мы запустили проект на собственные деньги. Вложили порядка $500 000. Больше половины ушло на разработку и производство первой серии приборов SizeDevice, остальное — на софт, оплату патентов и маркетинговые кампании.

Доступ к сервису мы предоставляем по подписке: берем с магазинов ежемесячные платежи, размер которых зависит от количества уникальных пользователей сервиса. Шкала плоская: грубо говоря, изменение количества пользователей в месяц в 5 раз ведет к увеличению стоимости на 50%.

Важно: система оплаты для B2B всегда должна быть простой. Необходимость собирать отчеты и что-то дополнительно рассчитывать пугает клиентов! Поэтому мы старались быть проще. Все обмеры, например, мы делаем самостоятельно и бесплатно. От B2B-клиента на этом этапе нам нужно только разрешение приехать на склад и список артикулов со штрихкодами и описаниями модели.

Также мы сейчас рассматриваем возможность давать продавцам обуви на маркетплейсах удобную информацию для продажи. Мы делаем обмер всего размерного ряда модели и выдаем в табличной форме, какой размер на какую ногу подойдет для размещения на маркетплейсе.

• Мы запустили Shoegle в январе 2021 года. За 10 месяцев он выдал больше 1 млн рекомендаций для покупателей на сайтах наших клиентов
• Мы собрали в базе 300 000 блоков данных об ассортименте Converse, Dr.Martens, New Balance, Vans, Adidas, Puma, Saucony, UGG и других марок.
• Shoegle помог уменьшить количество возвратов: выручка наших клиентов с того же объема заказов уже выросла на 4%.
• 89% из более 100 тысяч уникальных пользователей сервиса остались довольны рекомендацией размера
• Нашим виджетом пользуются жители 1000 городов из 15 стран
• Мы выходим на рынок Польши и Швеции
• Технология Shoegle была признана уникальной в США и России. Мы получили патенты SizeDevice — 2686201 (Рус) и 10470526 (USA).
• Мы получили грант от Ozon на конкурсе Ozon RoboFactory на внедрение нашей технологии в маркетплейс.

В начале следующего года мы планируем запустить в России 5-6 новых пилотов с международными марками, а в следующем году выйти на рынки США и СНГ и начать привлекать инвестиции. Количество уникальных пользователей, по нашим прогнозам, в 2022 году увеличится еще на 150-170 тысяч.

В течение трех лет мы планируем стать крупной международной компанией, которая предлагает уникальное SaaS-решение для B2B — настоящей Google в мире обуви. Мы сформируем базу стоп покупателей и размеров моделей со всего мира, в которой каждый человек может найти для себя идеальную пару обуви, не выезжая из дома.

В дальнейшем данные базы могут быть использованы для обучения нейросетей, которые помогут работать с клиентским опытом.

А еще мы хотим выйти на рынок одежды :) Но это уже совсем другая история!