Как внедрить умный поиск. Кейс компании Holodilnik.ru

От редакции: в основу статьи лег доклад руководителя направления интернет-маркетинга Холодильник.Ру Дениса Егорова на конференции "Электронная торговля" в 2019 году. 

Сегодня поговорим о технологии умного поиска по сайту, основанного на машинном обучении. Поиск был разработан нашим технологическим партнером, компанией AnyQuery.

Мы – омниканальный ритейлер бытовой техники и электроники, 20 лет на рынке, больше трех миллионов пользователей ежемесячно, 15 000 обращений к поиску ежедневно.

Более 200 ритейлеров уже используют такой же поисковый движок. Он обрабатывает 50 млн в поисковых запросов в месяц, что составляет около одного процента у Яндекса. Примерно столько же отрабатывает Mail.ru. Исследования Яндекса свидетельствуют, что средний российский пользователь обращается к поиску на разных сайтах от 7 до 10 раз в день.  Это говорит о том, что у него есть уже какая-то сформировавшаяся модель поведения.

Недостатки поиска у большинства интернет-магазинов

Поиск на сайте интернет-магазина – это важно

По нашим данным, от 7 до 15% пользователей использует поиск, но эта аудитория приносит от 20 до 40% выручки. Все говорит о том, что посетители сайта, которые воспользовались поиском, имеют уже сформированный запрос на покупку чего-либо. Поэтому добавляйте во всех каналах возврата посетителей, которые пользовались поиском. Можно вписывать поиск в конверсию сайта и маркетинг-листы. Используйте поиск на сайте в качестве триггерных кампаний: смс, email. В таком случае вы сможете увеличить конверсию без каких-либо значительных вложений.

За последний год на нашем сайте в 2,5 раза увеличился объем заказов с использованием поиска, и с 35 до 2% сократилось количество пустых ячеек.

Как улучшить поиск при небольшом бюджете?

Команда разработчиков поискового гиганта – это десятки тысяч человек. Команда разработки поиска Яндекс Маркет, Озона – это десятки человек. Безусловно, среднему и мелкому бизнесу содержать такое количество разработчиков очень дорого.

Чтобы грамотно инвестировать в разработку умного поиска, необходимо разобраться, как пользователи ищут на вашем сайте, и принять 5-6 ключевых решений, которые принесут 80% эффекта от 10% инвестиций.  Чтобы разобраться с тем, как ищут ваши пользователи, нужно разработать диаграмму поисковых метрик.

Популярные ошибки

Первая ошибка заключается в том, что для привлечения пользователей используются самые популярные запросы, в результате чего получаются искаженные данные. А если мы не использовали специальные запросы на сайте, мы бы подумали, что пользователь ищет либо продукт, либо бренд. Да всего остального применение мы бы не нашли.

Вторая ошибка – это использование блоков пустых вопросов для оптимизации своего поискового движка.

Мы брали случайный запрос. Собрали достаточно в большом количестве, выделили для себя 7 ключевых кемпингов, которые подрывают 95% запросов наших пользователей. Такой опыт на этих семи типах поисковых запросов, позволил сократить затраты и достичь интересных результатов без серьезных инвестиций в поиск.

4 решения упростить поиск

Чтобы упростить поиск клиента, мы внедрили 4 ключевых решения. Эти достаточно простые решения заняли у наших разработчиков всего несколько часов. А как итог – увеличение конверсии по категориям запросов на 30%.

Если по категорийным запросам мы стараемся отправить пользователя в категорию как можно быстрее, то по продуктовым нам нужно выдавать наиболее релевантные товары, которые в большей степени подтолкнут пользователя к совершению конверсии.

2 основных типа метрик качества поиска

Сегодня, чтобы анализировать качество нашего умного поиска, мы используем две метрики:

1. Онлайн-метрики. Традиционные метрики, показывающие CTR, конверсию выдачи и сессии, доли пустых выдачей и так далее.
2. Ретрометрики, основанные на ретроданных . То есть на тех данных, которые у нас уже есть и к которым мы стараемся приблизить наш поисковый алгоритм.

Но поскольку работа с онлайн-метриками достаточно дорогая и требует регулярного тестирования и привлечения аналитиков, мы используем онлайн-метрики только в случае масштабного обновления. Более мелкие изменения анализируются ретрометрикой.

Как считаются ретрометрики? Например, мы знаем, что пользователи, которые вводили определенный запрос, в 50% случаях смотрят холодильники, в 35% – стиральные машины и в 15% – морозильники. Если наша поисковая выдача соответствует этому распределению, то мы награждаем алгоритм. Если нет, то мы подгоняем ему те данные, которые должны быть в выдаче. Чтобы управлять развитием поискового алгоритма, мы используем три онлайн- и три ретро-метрики.

Мы разметили большое количество сложных модельных запросов, и уже команда поиска вручную их анализирует, чтобы выдача была правильной. Эти метрики позволяют нам автоматически выделять проблемные запросы и автоматизировать нашу выдачу под них.

Технологии для наибольшего прироста метрик

Хотел бы еще рассказать вам про две технологии, которые дали нам большой прирост метрик.

Первая технология – это автоматический подбор факторов ранжирования за счет кликов пользователей. Технология позволяет применять одни факторы ранжирования к категорийным запросов, другие – к мобильным. В зависимости от поведения пользователя и ретроданных,  которые у нас есть, мы получаем наибольшую релевантность по тому или иному запросу.

Вторая технология – это векторное представление запросов, категорий и товаров. Такой поиск рассчитывает семантическую близость между словами и выдает результаты, которые могут совпадать по смыслу.

С помощью этой технологии мы снижаем количество нулевых запросов, количество пустых выдачи, открываемся полностью, открываемся с нестандартного написания слов, опечаток,  все что угодно.

Результаты внедрения умного поиска

В результате развития умного поиска за один год проделанной нами работы, настройка автоматических алгоритмов, увеличило трафик на 20%. Внедрение алгоритмов умного поиска, основанных на машинном обучении, которые считаются аналогами на нашем сайте, внедрение пользовательских уточнений, мобильные подсказки, как примерно у Яндекса. Поведение ранжированных данных с использованием поиска, объем заказов увеличился в 2 раза, а количество пустых выдачей сократилось практически с каждой третьей до 50.