Персонализация при работе с клиентами уже стала общепринятой практикой даже в офлайн-ретейле. Следующим шагом становится гиперперсонализация, когда компании переходят от групп клиентов к конкретным людям, обращая внимание на их индивидуальные потребности и привычки. «Утконос Онлайн» с ее помощью помогает покупателям не утонуть в океане товаров, а также серьезно повышает эффективность маркетинговых активностей. О роли гиперперсонального подхода к клиентам в бизнесе компании рассказывает Дмитрий Бодунов, директор управления данными «Утконос Онлайн».
— Какова идея создания интеллектуальных решений в вашей компании?
Наша цель – создавать автоматизированные системы, которые позволяют принимать правильные решения и зарабатывать деньги компании. Мы делим такие системы на несколько групп: первая группа систем принимает бизнес решения полностью самостоятельно, без участия человека, – например, какие товары отправить клиенту в рассылке. Вторая группа рекомендует решение, которое может быть принято или скорректировано ответственным менеджером – например, прогноз заказов на следующий день или список KVI-товаров. (Товары группы key value indicator влияют на восприятие покупателем уровня цен в магазине. Они являются важной частью ценовой стратегии, помогая привлекать чувствительных к ценам покупателей. – Прим. ред.). Наконец, третья группа сигнализирует о нестандартном поведении и должна предупредить ответственного менеджера о необходимости принять экспертное решение – например, в случае падения скорости сборки на складе.
— «Утконос Онлайн» осуществляет переход от обычной персонализации к гиперперсонализации. Что к этому привело?
В начале 2021 года мы решили, что одно из наших ключевых преимуществ — это сверхширокий ассортимент, и поставили себе цель — 150 тыс. наименований товаров. Однако при неправильно выстроенной работе рекомендаций и поиска сверхширокий ассортимент может стать не преимуществом компании, а головной болью клиента. Тогда стало понятно, что нужно помогать покупателям ориентироваться в этом «океане» товаров, — и мы начали уходить от обычной персонализации к гиперперсонализации, то есть персонализации на уровне отдельных клиентов, которая учитывает максимальное количество информации о каждом клиенте.
— Как была поставлена задача?
В каталоге и поиске необходимо было учитывать индивидуальные предпочтения, чтобы люди среди огромного количества товаров получали то, что им нужно и интересно. Сейчас у нас 90 тыс. наименований. Развивать персонализацию выдачи каталога, и поиска, и CRM нужно было сразу, так что задачи велись параллельно.
— За какое время и какими силами был реализован проект?
Мы начали этот проект в 2021 году. И это направление продолжает свое развитие — мы постоянно идем по пути улучшения. Нет точки, в которой мы бы решили, что больше не будем развивать нашу персонализацию.
В команде персонализации дата-офиса 5 человек — это дата-сайентисты и ML-инженеры. Есть еще владельцы продуктов поиска, сайта и CRM, а также разработчики, которые помогают встраивать сервисы внутрь сайта.
— В чем заключалась самая большая проблема?
Основная сложность — следить за очень большим количеством параметров. Это связано с выводом больших сложных проектов, относящихся к машинному обучению, в промышленную эксплуатацию. Это сложный многошаговый процесс, и небольшие трудности случаются на каждом этапе.
— Чем из последних разработок можно гордиться?
Наши CRM-рассылки — это уже поставленный на поток процесс. Несколько раз в неделю мы с бизнесом прорабатываем, кому и какие предложения требуется отправлять.
Раньше рассылку составлял эксперт, и отправлял, например, самые популярные товары, а теперь система сама индивидуально подбирает товары – эффект фантастический, втрое лучше, чем при работе эксперта. Отдельно следует сказать про персонализацию промо-рассылок. Раньше для промо, например, к 8 Марта, бизнес делил пользователей самостоятельно условно на две категории – мужчины и женщины, и каждая категория получала собственное предложение. Теперь же система делит сама, и не на пару сегментов, а каждому человеку предлагает индивидуально подобранные товары.
Персонализация CRM в 2,5 раза увеличила конверсии по новым товарам, также мы вдвое увеличили конверсии промо-предложений. Не менее важно, что за полгода нам удалось вернуть из оттока 20 тыс. клиентов. Это достигнуто именно за счет персонализации предложений на уровне каждого отдельного пользователя.
Еще один повод для гордости – онлайн-витрины. Во-первых, персонализация выдачи поиска и каталога. Мы сделали ранжирование списка товаров, которое подстраивается индивидуально под человека в зависимости от того, в каком сегменте он находится и какая у него история покупок. Этот сервис уже запущен и прошел A/B-тестирование, и сейчас задача – масштабировать его на всех пользователей. Эффект персонализации по результатам A/B-тестов составил 4% средней выручки на одного пользователя, это объективно много.
Кроме того, реализован функционал «Похожие товары», «Сопутствующие товары», а также определение ключевых слов и поисковые подсказки.
Наконец, в области ценообразования оптимизирован выбор KVI-товаров. Мы определяем их по своей методике: они не могут быть персонализированными, потому что цена едина для всех. Однако мы используем информацию о наших покупателях: смотрим периодичность покупок, как часто продукты встречаются в чеке, как часто этот товар используется среди людей — и на основании этого определяем список KVI-товаров.
— В каких направлениях планируется дальнейшее развитие?
Мы планируем использовать разные методы машинного обучения для улучшения персонализации. Важно построить «хранилище фич» (feature store), чтобы дата-сайентисты могли быстрее проверять гипотезы, выйти в «реальное время» взаимодействий на сайте.
Мы продолжаем заниматься и текущими задачами: улучшаем существующую модель поиска, а в CRM начинаем работать не только с теми, кто уходит в отток, и активными клиентами, но и с новичками — информацию о них приходится искать вовне. Согласно нашей стратегии, в 2022 планируем дальнейшее развитие онлайн-витрин, работу с оптимизацией ассортимента и массовым промо, построение цифровых двойников складов.
