വാങ്ങുന്നയാളുടെ ആഗ്രഹങ്ങൾ മനസ്സിലാക്കുന്ന അൽഗോരിതങ്ങളിൽ ലമോഡ എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്

താമസിയാതെ, സോഷ്യൽ മീഡിയ, ശുപാർശ പ്ലാറ്റ്‌ഫോമുകൾ, ക്യാപ്‌സ്യൂൾ വാർഡ്രോബ് ഷിപ്പ്‌മെന്റുകൾ എന്നിവയുടെ മിശ്രിതമായിരിക്കും ഓൺലൈൻ ഷോപ്പിംഗ്. ലമോഡ ഇതിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് കമ്പനിയുടെ ഗവേഷണ വികസന വിഭാഗം മേധാവി ഒലെഗ് ഖോമ്യുക്ക് പറഞ്ഞു

പ്ലാറ്റ്‌ഫോം അൽഗോരിതങ്ങളിൽ ലാമോഡയിൽ ആരാണ്, എങ്ങനെ പ്രവർത്തിക്കുന്നു

ലമോഡയിൽ, ഏറ്റവും പുതിയ ഡാറ്റാധിഷ്ഠിത പ്രോജക്ടുകൾ നടപ്പിലാക്കുന്നതിനും അവയിൽ നിന്ന് ധനസമ്പാദനം നടത്തുന്നതിനും R&D ഉത്തരവാദിത്തമുണ്ട്. വിശകലന വിദഗ്ധർ, ഡെവലപ്പർമാർ, ഡാറ്റാ സയന്റിസ്റ്റുകൾ (മെഷീൻ ലേണിംഗ് എഞ്ചിനീയർമാർ), ഉൽപ്പന്ന മാനേജർമാർ എന്നിവരടങ്ങുന്നതാണ് ടീം. ഒരു കാരണത്താൽ ക്രോസ്-ഫങ്ഷണൽ ടീം ഫോർമാറ്റ് തിരഞ്ഞെടുത്തു.

പരമ്പരാഗതമായി, വലിയ കമ്പനികളിൽ, ഈ സ്പെഷ്യലിസ്റ്റുകൾ വിവിധ വകുപ്പുകളിൽ പ്രവർത്തിക്കുന്നു - അനലിറ്റിക്സ്, ഐടി, ഉൽപ്പന്ന വകുപ്പുകൾ. സംയുക്ത ആസൂത്രണത്തിലെ ബുദ്ധിമുട്ടുകൾ കാരണം ഈ സമീപനം ഉപയോഗിച്ച് സാധാരണ പദ്ധതികൾ നടപ്പിലാക്കുന്നതിന്റെ വേഗത സാധാരണയായി വളരെ കുറവാണ്. ജോലി തന്നെ ഇനിപ്പറയുന്ന രീതിയിൽ ക്രമീകരിച്ചിരിക്കുന്നു: ആദ്യം, ഒരു വകുപ്പ് അനലിറ്റിക്സിൽ ഏർപ്പെട്ടിരിക്കുന്നു, പിന്നെ മറ്റൊന്ന് - വികസനം. അവയിൽ ഓരോന്നിനും അതിന്റേതായ ചുമതലകളും അവയുടെ പരിഹാരത്തിനുള്ള സമയപരിധിയും ഉണ്ട്.

ഞങ്ങളുടെ ക്രോസ്-ഫങ്ഷണൽ ടീം വഴക്കമുള്ള സമീപനങ്ങൾ ഉപയോഗിക്കുന്നു, കൂടാതെ വ്യത്യസ്ത സ്പെഷ്യലിസ്റ്റുകളുടെ പ്രവർത്തനങ്ങൾ സമാന്തരമായി നടപ്പിലാക്കുന്നു. ഇതിന് നന്ദി, ടൈം-ടു-മാർക്കറ്റ് സൂചകം (പ്രോജക്റ്റിന്റെ ജോലിയുടെ ആരംഭം മുതൽ വിപണിയിൽ പ്രവേശിക്കുന്നത് വരെയുള്ള സമയം. — ട്രെൻഡുകൾ) വിപണി ശരാശരിയേക്കാൾ കുറവാണ്. ക്രോസ്-ഫംഗ്ഷണൽ ഫോർമാറ്റിന്റെ മറ്റൊരു നേട്ടം, എല്ലാ ടീം അംഗങ്ങളുടെയും ബിസിനസ്സ് പശ്ചാത്തലത്തിലും പരസ്പരം ജോലിയിലും മുഴുകുക എന്നതാണ്.

പ്രോജക്റ്റ് പോർട്ട്ഫോളിയോ

ഞങ്ങളുടെ വകുപ്പിന്റെ പ്രോജക്റ്റ് പോർട്ട്‌ഫോളിയോ വൈവിധ്യപൂർണ്ണമാണ്, വ്യക്തമായ കാരണങ്ങളാൽ അത് ഒരു ഡിജിറ്റൽ ഉൽപ്പന്നത്തോട് പക്ഷപാതം കാണിക്കുന്നു. ഞങ്ങൾ സജീവമായ മേഖലകൾ:

• കാറ്റലോഗും തിരയലും;
• ശുപാർശ ചെയ്യുന്ന സംവിധാനങ്ങൾ;
• വ്യക്തിഗതമാക്കൽ;
• ആന്തരിക പ്രക്രിയകളുടെ ഒപ്റ്റിമൈസേഷൻ.

കാറ്റലോഗ്, തിരയൽ, ശുപാർശ ചെയ്യുന്ന സംവിധാനങ്ങൾ എന്നിവ വിഷ്വൽ മർച്ചൻഡൈസിംഗ് ടൂളുകളാണ്, ഒരു ഉപഭോക്താവ് ഒരു ഉൽപ്പന്നം തിരഞ്ഞെടുക്കുന്നതിനുള്ള പ്രധാന മാർഗമാണ്. ഈ പ്രവർത്തനക്ഷമതയുടെ ഉപയോഗക്ഷമതയിലേക്കുള്ള ഏതൊരു കാര്യമായ മെച്ചപ്പെടുത്തലും ബിസിനസ്സ് പ്രകടനത്തിൽ കാര്യമായ സ്വാധീനം ചെലുത്തുന്നു. ഉദാഹരണത്തിന്, കാറ്റലോഗ് സോർട്ടിംഗിൽ ഉപഭോക്താക്കൾക്ക് ജനപ്രിയവും ആകർഷകവുമായ ഉൽപ്പന്നങ്ങൾക്ക് മുൻഗണന നൽകുന്നത് വിൽപ്പനയിൽ വർദ്ധനവിന് കാരണമാകുന്നു, കാരണം ഉപയോക്താവിന് മുഴുവൻ ശ്രേണിയും കാണുന്നത് ബുദ്ധിമുട്ടാണ്, കൂടാതെ അവന്റെ ശ്രദ്ധ സാധാരണയായി നൂറുകണക്കിന് കണ്ട ഉൽപ്പന്നങ്ങളിൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. അതേ സമയം, ഉൽപ്പന്ന കാർഡിലെ സമാന ഉൽപ്പന്നങ്ങളുടെ ശുപാർശകൾ, ചില കാരണങ്ങളാൽ, ഉൽപ്പന്നം കാണുന്നത് ഇഷ്ടപ്പെടാത്തവരെ അവരുടെ തിരഞ്ഞെടുപ്പ് നടത്താൻ സഹായിക്കും.

ഞങ്ങൾക്ക് ലഭിച്ച ഏറ്റവും വിജയകരമായ കേസുകളിലൊന്ന് ഒരു പുതിയ തിരയലിന്റെ ആമുഖമായിരുന്നു. മുമ്പത്തെ പതിപ്പിൽ നിന്നുള്ള പ്രധാന വ്യത്യാസം, ഞങ്ങളുടെ ഉപയോക്താക്കൾ ക്രിയാത്മകമായി മനസ്സിലാക്കിയ അഭ്യർത്ഥന മനസ്സിലാക്കുന്നതിനുള്ള ഭാഷാ അൽഗോരിതങ്ങളിലാണ്. ഇത് വിൽപ്പന കണക്കുകളിൽ കാര്യമായ സ്വാധീനം ചെലുത്തി.

എല്ലാ ആശയങ്ങളും പരീക്ഷിക്കപ്പെടുന്നു

Lamoda ഉപയോക്താക്കൾക്ക് പുതിയ പ്രവർത്തനം ലഭ്യമാകുന്നതിന് മുമ്പ്, ഞങ്ങൾ A/B പരിശോധന നടത്തുന്നു. ക്ലാസിക്കൽ സ്കീം അനുസരിച്ചും പരമ്പരാഗത ഘടകങ്ങൾ ഉപയോഗിച്ചുമാണ് ഇത് നിർമ്മിച്ചിരിക്കുന്നത്.

• ആദ്യ ഘട്ടം - ഞങ്ങൾ പരീക്ഷണം ആരംഭിക്കുന്നു, അതിന്റെ തീയതികളും ഈ അല്ലെങ്കിൽ ആ പ്രവർത്തനം പ്രവർത്തനക്ഷമമാക്കേണ്ട ഉപയോക്താക്കളുടെ ശതമാനവും സൂചിപ്പിക്കുന്നു.
• രണ്ടാം ഘട്ടം — പരീക്ഷണത്തിൽ പങ്കെടുക്കുന്ന ഉപയോക്താക്കളുടെ ഐഡന്റിഫയറുകളും സൈറ്റിലെ അവരുടെ പെരുമാറ്റത്തെയും വാങ്ങലുകളെയും കുറിച്ചുള്ള ഡാറ്റ ഞങ്ങൾ ശേഖരിക്കുന്നു.
• മൂന്നാമത്തെ ഘട്ടം - ടാർഗെറ്റുചെയ്‌ത ഉൽപ്പന്നവും ബിസിനസ് അളവുകളും ഉപയോഗിച്ച് സംഗ്രഹിക്കുക.

ഒരു ബിസിനസ്സ് വീക്ഷണകോണിൽ നിന്ന്, തെറ്റുകൾ വരുത്തുന്നവ ഉൾപ്പെടെയുള്ള ഉപയോക്തൃ ചോദ്യങ്ങൾ ഞങ്ങളുടെ അൽഗരിതങ്ങൾ നന്നായി മനസ്സിലാക്കുന്നു, അത് നമ്മുടെ സമ്പദ്‌വ്യവസ്ഥയെ കൂടുതൽ നന്നായി ബാധിക്കും. അക്ഷരത്തെറ്റുകളുള്ള അഭ്യർത്ഥനകൾ ഒരു ശൂന്യ പേജിലേക്കോ കൃത്യമല്ലാത്ത തിരയലിലേക്കോ നയിക്കില്ല, വരുത്തിയ തെറ്റുകൾ ഞങ്ങളുടെ അൽഗോരിതങ്ങൾക്ക് വ്യക്തമാകും, കൂടാതെ തിരയൽ ഫലങ്ങളിൽ ഉപയോക്താവ് താൻ തിരയുന്ന ഉൽപ്പന്നങ്ങൾ കാണുകയും ചെയ്യും. തൽഫലമായി, അയാൾക്ക് ഒരു വാങ്ങൽ നടത്താം കൂടാതെ ഒന്നും കൂടാതെ സൈറ്റ് വിടുകയില്ല.

പുതിയ മോഡലിന്റെ ഗുണനിലവാരം തെറ്റുതിരുത്തൽ ഗുണനിലവാര മെട്രിക്‌സ് ഉപയോഗിച്ച് അളക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് ഇനിപ്പറയുന്നവ ഉപയോഗിക്കാം: "ശരിയായി തിരുത്തിയ അഭ്യർത്ഥനകളുടെ ശതമാനം", "ശരിയായി തിരുത്താത്ത അഭ്യർത്ഥനകളുടെ ശതമാനം". എന്നാൽ ഇത് ബിസിനസ്സിനായി അത്തരമൊരു നവീകരണത്തിന്റെ ഉപയോഗത്തെക്കുറിച്ച് നേരിട്ട് സംസാരിക്കുന്നില്ല. ഏത് സാഹചര്യത്തിലും, പോരാട്ട സാഹചര്യങ്ങളിൽ ടാർഗെറ്റ് തിരയൽ അളവുകൾ എങ്ങനെ മാറുന്നുവെന്ന് നിങ്ങൾ കാണേണ്ടതുണ്ട്. ഇത് ചെയ്യുന്നതിന്, ഞങ്ങൾ പരീക്ഷണങ്ങൾ നടത്തുന്നു, അതായത് എ / ബി ടെസ്റ്റുകൾ. അതിനുശേഷം, ഞങ്ങൾ മെട്രിക്കുകൾ നോക്കുന്നു, ഉദാഹരണത്തിന്, ശൂന്യമായ തിരയൽ ഫലങ്ങളുടെ വിഹിതവും ടെസ്റ്റ്, കൺട്രോൾ ഗ്രൂപ്പുകളിലെ മുകളിൽ നിന്നുള്ള ചില സ്ഥാനങ്ങളുടെ "ക്ലിക്ക്-ത്രൂ റേറ്റും". മാറ്റം വേണ്ടത്ര വലുതാണെങ്കിൽ, ശരാശരി പരിശോധന, വരുമാനം, വാങ്ങലിലേക്കുള്ള പരിവർത്തനം തുടങ്ങിയ ആഗോള അളവുകളിൽ അത് പ്രതിഫലിക്കും. അക്ഷരത്തെറ്റുകൾ തിരുത്തുന്നതിനുള്ള അൽഗോരിതം ഫലപ്രദമാണെന്ന് ഇത് സൂചിപ്പിക്കുന്നു. തിരയൽ അന്വേഷണത്തിൽ അക്ഷരത്തെറ്റ് സംഭവിച്ചാലും ഉപയോക്താവ് വാങ്ങുന്നു.

ഓരോ ഉപയോക്താവിന്റെയും ശ്രദ്ധ

ഓരോ ലമോഡ ഉപയോക്താവിനെക്കുറിച്ചും ഞങ്ങൾക്ക് എന്തെങ്കിലും അറിയാം. ഒരു വ്യക്തി ആദ്യമായി ഞങ്ങളുടെ സൈറ്റോ ആപ്ലിക്കേഷനോ സന്ദർശിക്കുകയാണെങ്കിൽ പോലും, അവൻ ഉപയോഗിക്കുന്ന പ്ലാറ്റ്ഫോം ഞങ്ങൾ കാണും. ചിലപ്പോൾ ജിയോലൊക്കേഷനും ട്രാഫിക് ഉറവിടവും ഞങ്ങൾക്ക് ലഭ്യമാണ്. പ്ലാറ്റ്‌ഫോമുകളിലും പ്രദേശങ്ങളിലും ഉപയോക്തൃ മുൻഗണനകൾ വ്യത്യാസപ്പെടുന്നു. അതിനാൽ, ഒരു പുതിയ സാധ്യതയുള്ള ക്ലയന്റ് എന്താണ് ഇഷ്ടപ്പെടുന്നതെന്ന് ഞങ്ങൾ ഉടനടി മനസ്സിലാക്കുന്നു.

ഒന്നോ രണ്ടോ വർഷത്തിലേറെയായി ശേഖരിച്ച ഒരു ഉപയോക്താവിന്റെ ചരിത്രം ഉപയോഗിച്ച് എങ്ങനെ പ്രവർത്തിക്കണമെന്ന് ഞങ്ങൾക്കറിയാം. ഇപ്പോൾ നമുക്ക് ചരിത്രം വളരെ വേഗത്തിൽ ശേഖരിക്കാനാകും - അക്ഷരാർത്ഥത്തിൽ കുറച്ച് മിനിറ്റുകൾക്കുള്ളിൽ. ആദ്യ സെഷന്റെ ആദ്യ മിനിറ്റുകൾക്ക് ശേഷം, ഒരു പ്രത്യേക വ്യക്തിയുടെ ആവശ്യങ്ങളെയും അഭിരുചികളെയും കുറിച്ച് ചില നിഗമനങ്ങളിൽ എത്തിച്ചേരാൻ ഇതിനകം സാധ്യമാണ്. ഉദാഹരണത്തിന്, സ്‌നീക്കറുകൾക്കായി തിരയുമ്പോൾ ഒരു ഉപയോക്താവ് പലതവണ വെള്ള ഷൂസ് തിരഞ്ഞെടുത്താൽ, അതാണ് ഓഫർ ചെയ്യേണ്ടത്. അത്തരം പ്രവർത്തനങ്ങളുടെ സാധ്യതകൾ ഞങ്ങൾ കാണുകയും അത് നടപ്പിലാക്കാൻ പദ്ധതിയിടുകയും ചെയ്യുന്നു.

ഇപ്പോൾ, വ്യക്തിഗതമാക്കൽ ഓപ്‌ഷനുകൾ മെച്ചപ്പെടുത്തുന്നതിന്, ഞങ്ങളുടെ സന്ദർശകർ ഏതെങ്കിലും തരത്തിലുള്ള ആശയവിനിമയം നടത്തിയ ഉൽപ്പന്നങ്ങളുടെ സവിശേഷതകളിൽ ഞങ്ങൾ കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. ഈ ഡാറ്റയെ അടിസ്ഥാനമാക്കി, ഞങ്ങൾ ഉപയോക്താവിന്റെ ഒരു നിശ്ചിത "പെരുമാറ്റ ചിത്രം" ഉണ്ടാക്കുന്നു, അത് ഞങ്ങൾ ഞങ്ങളുടെ അൽഗോരിതങ്ങളിൽ ഉപയോഗിക്കുന്നു.

ഓൺലൈൻ ഷോപ്പർമാരുടെ പെരുമാറ്റം പിന്തുടർന്ന് എങ്ങനെ മാറ്റാം

ഏതൊരു ഉൽപ്പന്നത്തിന്റെയും വികസനത്തിന്റെ ഒരു പ്രധാന ഭാഗം ഉപഭോക്തൃ വികസനം (സാധ്യതയുള്ള ഉപഭോക്താക്കളിൽ ഭാവി ഉൽപ്പന്നത്തിന്റെ ഒരു ആശയം അല്ലെങ്കിൽ പ്രോട്ടോടൈപ്പ് പരീക്ഷിക്കുക), ആഴത്തിലുള്ള അഭിമുഖങ്ങൾ എന്നിവയാണ്. ഉപഭോക്താക്കളുമായി ആശയവിനിമയം നടത്തുന്ന ഉൽപ്പന്ന മാനേജർമാർ ഞങ്ങളുടെ ടീമിലുണ്ട്. ഉപയോക്തൃ ആവശ്യങ്ങൾ മനസ്സിലാക്കാനും ആ അറിവ് ഉൽപ്പന്ന ആശയങ്ങളാക്കി മാറ്റാനും അവർ ആഴത്തിലുള്ള അഭിമുഖങ്ങൾ നടത്തുന്നു.

നമ്മൾ ഇപ്പോൾ കാണുന്ന പ്രവണതകളിൽ, ഇനിപ്പറയുന്നവ വേർതിരിച്ചറിയാൻ കഴിയും:

• മൊബൈൽ ഉപകരണങ്ങളിൽ നിന്നുള്ള തിരയലുകളുടെ പങ്ക് നിരന്തരം വളരുകയാണ്. മൊബൈൽ പ്ലാറ്റ്‌ഫോമുകളുടെ വ്യാപനം ഉപയോക്താക്കൾ ഞങ്ങളുമായി ഇടപഴകുന്ന രീതിയെ മാറ്റുകയാണ്. ഉദാഹരണത്തിന്, കാറ്റലോഗിൽ നിന്ന് തിരയലിലേക്ക് കാലക്രമേണ ലമോഡയിലെ ട്രാഫിക് കൂടുതൽ കൂടുതൽ ഒഴുകുന്നു. ഇത് വളരെ ലളിതമായി വിശദീകരിച്ചിരിക്കുന്നു: കാറ്റലോഗിലെ നാവിഗേഷൻ ഉപയോഗിക്കുന്നതിനേക്കാൾ ഒരു ടെക്സ്റ്റ് അന്വേഷണം സജ്ജീകരിക്കുന്നത് ചിലപ്പോൾ എളുപ്പമാണ്.
• നാം പരിഗണിക്കേണ്ട മറ്റൊരു പ്രവണതയാണ് ചെറിയ ചോദ്യങ്ങൾ ചോദിക്കാനുള്ള ഉപയോക്താക്കളുടെ ആഗ്രഹം. അതിനാൽ, കൂടുതൽ അർത്ഥവത്തായതും വിശദവുമായ അഭ്യർത്ഥനകൾ രൂപീകരിക്കാൻ അവരെ സഹായിക്കേണ്ടത് ആവശ്യമാണ്. ഉദാഹരണത്തിന്, തിരയൽ നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച് നമുക്ക് ഇത് ചെയ്യാൻ കഴിയും.

അടുത്തത് എന്താണ്

ഇന്ന്, ഓൺലൈൻ ഷോപ്പിംഗിൽ, ഒരു ഉൽപ്പന്നത്തിന് വോട്ടുചെയ്യാൻ രണ്ട് വഴികളേയുള്ളൂ: ഒരു വാങ്ങൽ നടത്തുക അല്ലെങ്കിൽ ഉൽപ്പന്നം പ്രിയപ്പെട്ടവയിലേക്ക് ചേർക്കുക. എന്നാൽ ഉപയോക്താവിന്, ഒരു ചട്ടം പോലെ, ഉൽപ്പന്നം ഇഷ്ടപ്പെട്ടിട്ടില്ലെന്ന് കാണിക്കാൻ ഓപ്ഷനുകൾ ഇല്ല. ഈ പ്രശ്നം പരിഹരിക്കുക എന്നത് ഭാവിയിലേക്കുള്ള മുൻഗണനകളിൽ ഒന്നാണ്.

കമ്പ്യൂട്ടർ വിഷൻ സാങ്കേതികവിദ്യകൾ, ലോജിസ്റ്റിക്‌സ് ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതങ്ങൾ, ശുപാർശകളുടെ വ്യക്തിഗതമാക്കിയ ഫീഡ് എന്നിവ അവതരിപ്പിക്കുന്നതിൽ ഞങ്ങളുടെ ടീം പ്രത്യേകം കഠിനാധ്വാനം ചെയ്യുന്നു. ഞങ്ങളുടെ ഉപഭോക്താക്കൾക്കായി ഒരു മികച്ച സേവനം സൃഷ്ടിക്കുന്നതിന് ഡാറ്റാ വിശകലനത്തെയും പുതിയ സാങ്കേതികവിദ്യകളുടെ പ്രയോഗത്തെയും അടിസ്ഥാനമാക്കി ഇ-കൊമേഴ്‌സിന്റെ ഭാവി കെട്ടിപ്പടുക്കാൻ ഞങ്ങൾ ശ്രമിക്കുന്നു.

ട്രെൻഡ്സ് ടെലിഗ്രാം ചാനലിലേക്ക് സബ്‌സ്‌ക്രൈബുചെയ്യുക, സാങ്കേതികവിദ്യ, സാമ്പത്തികശാസ്ത്രം, വിദ്യാഭ്യാസം, നവീകരണം എന്നിവയുടെ ഭാവിയെക്കുറിച്ചുള്ള നിലവിലെ ട്രെൻഡുകളും പ്രവചനങ്ങളും ഉപയോഗിച്ച് കാലികമായി തുടരുക.