Внедрение умного поиска для роста продаж: кейс Desport

Хотите улучшить свой поиск и превзойти показатели текущего решения? Свяжитесь с нашей командой, чтобы обсудить, как anyQuery может помочь вашему бизнесу.

Летом 2023 года французская сеть магазинов спортивных товаров Decathlon была куплена российской компанией «АРМ», а спустя пару месяцев компания уже объявила об открытии новой сети магазинов — Desport. Всего за год став одной из крупнейших сетей спортивных магазинов в России, ребята открыли уже более 30 магазинов в Москве, Санкт-Петербурге, Новосибирске, Екатеринбурге, Казани, Самаре, Уфе, Ростове-на-Дону, Перми, Краснодаре, Тольятти и Твери, при этом не отставая в росте и онлайн — их интернет-площадка принимает и доставляет заказы по всей России, а их большой ассортимент удивит даже самых искушенных покупателей:)

Можно смело сказать, что команда Desport сейчас — эксперты по тому, как быстро и эффективно развернуть крупные обороты в офлайн и онлайн за очень невеликие сроки. Какие инструменты подключать в первую очередь? Как быстро выйти на трафик и выручку, учитывая высокий конкурентный рынок спортивных товаров? Как выстроить с нуля IT?

Когда мы впервые познакомились с командой Desport, интернет-магазин был еще в разработке, и не нес ни выручки, ни заказов, ни даже «витринную» ценность. Сейчас же — это полностью функционирующий онлайн ритейлер, с настроенной логистикой, оплатами и трендами среди ecom-сервисов — и классным мобильным приложением на платформе IMSHOP. Что же мы сделали с командой Desport, для того, чтобы прийти к этому результату всего за один месяц?

Новый магазин, новый каталог, новые покупатели — что же им нужно? Что они хотят купить? На что обращают внимание? Самый быстрый ответ на эти вопросы дает анализ поисковых интентов пользователей внутри вашего сайта. Такую процедуру команда лингвистов проводит на начальном этапе интеграции сервиса поиска — не только для того, чтобы понять поведение пользователей, но и чтобы заложить ключевые точки роста проекта еще на старте.

Зачем же пришли покупатели на сайт desport.ru?

Большинство пользователей ищут стандартные типы товаров — как, например, «брюки» или «кроссовки», также часто обращаются более расширенному, обхватывающему поиску по категориям типа «одежда» или «обувь». Интересное начинается дальше — наглядно видно, что особенности или характеристики товаров — ключевое, что интересует пользователя — например, я пришел с четкой целью найти себе «мужские штаны на осень» или «полотенце из микрофибры». Такие пользователи, с достаточно конкретно сформированным интентом, и являются целевыми для компании — они уже знают, что хотят купить, им нужно только увидеть вашу цену и ассортимент, что релевантного вы можете им предложить.

Исходя из пользовательских интентов, команда инженеров-лингвистов быстро выделила ключевые точки роста проекта:

1. Релевантное ранжирование по общим запросам категорий или типов товаров
2. Наполненность каталога характеристиками или атрибутами для товаров
3. Релевантные фильтры или фасеты в выдаче для максимального уточнения запроса
4. Диалоговые автоподсказки, которые помогут привести пользователя к выдаче

Самый быстрый и эффективный способ запуска anyQuery — это запуск через виджет подсказок и выдачи. Почему? Потому что от команды партнера нужны только:
1. Каталог в формате xml или yml
2. Установка JS-сниппета anyQuery на сайт.
That’s all!

Всю остальную работу берет на себя наша команда интеграторов — дизайн, верстка, настройка поиска, QA и выкатка в продакшен. Пока команда Desport занималась своим беклогом, мы верстали виджет их поиска.

В итоге получился адаптированный под новый дизайн бренда виджет, включающий в себя лучшие наработки anyQuery по UX/UI, например:

1. Автоподсказки в мобильной версии сайта включают уточнения, установленные на самый верх, замены цвета истории запросов на фиолетовый цвет, отсутствие заголовок подсказок и большой вывод на одном экране
2. Фильтры в мобильной версии сайта расположены вверху экрана, что снижает вероятность покупателя «мискликнуть» на них + вывод активного состояния сортировки над поисковой выдачей, что на +4% растит частоту использования умного ранжирования и фильтров цены. А суммарно такие фильтры приносят до +30−50% роста конверсии в заказ из выдачи.
3. Кнопки в корзину на карточках товарах в выдаче дают хороший буст в конверсии, особенно для тех товаров, частота покупки которых высока — например, носки, мячи и прочие быстро ломающиеся / рвущиеся атрибуты спортсменов:)
4. Вывели множество полезных фасетных фильтров для выдачи — размеры, сезон, цвет, пол — а также блок «активных фильтров» для быстрого сброса настроек при необходимости.

Мы разобрались с типом интеграции — и на этом этапе начинается колдовство над настройками поиска.

Первым делом разбираемся, а куда нам расти в настройках — возможно, у партнера уже все метрики качества на высоте, а релевантность 100% по каждому запросу и наша помощь не нужна.

Ну, оказалось — нужна:)

Дефолтный алгоритм, работающий на проекте, сильно проиграл в оценке качества движку anyQuery, смотрите сами:

1. Проверили качество поиска с помощью асессорской оценки, оценили выдачу по 75 рандомным пользовательским запросам. Оцениваем мы выдачу всегда от 0 до 3 — оценка «0» ставится выдаче нулевой (ничего не найдено) или ну абсолютно нерелевантной выдаче, а оценка «3» соответственно — самой максимально релевантной для обывателя — товары соответствуют запросу и отсортированы по их популярности. В итоге в этом соревновании поиск anyQuery вышел со средней оценкой 2.76 из 3, поиск desport
же набрал в среднем 1.11 из 3. Есть над чем поработать нам, коллеги! Хорошей оценкой мы обычно считаем среднее от 2.5 минимум… В итоге — моделька AnyQuery отрабатывает запросы лучше поиска desport на 148%

2. Сняли автоматические метрики релевантности поиска. Что это за абракадабра — читайте в нашем материале — а для знатоков раскроем карты: автоматический прирост качества составил в среднем 33% по отношению к поиску desport. По сути, выдача anyQuery на 33% ближе к выбору и предпочтениям покупателей, чем дефолтный алгоритм поиска проекта. Неплохо:)

Когда мы поняли, что нужно улучшать на проекте, инженеры-лингвисты провели ряд исследований и улучшений в поиске:

• Провели сравнение нескольких стратегий поиска от anyQuery, чтобы подобрать максимально релевантную для запросов и каталога desport (подробнее про то, что такое стратегии поиска и зачем они нужны)
• Включили в отбор товаров по запросу все информационно наполненные атрибуты из каталога desport — а еще создали даже свои собственные, для того, чтобы минимизировать затраты со стороны команды партнера. Как пример — запрос «рюкзак мужской» не мог отработаться корректно, так как все рюкзаки на проекте шли в каталоге с тегом «пол» — «унисекс». Команда лингвистов создала кастомные характеристики для товаров с указанием полов — чтобы запросы отрабатывались релевантно. Держим еще в голове, что «узкие» запросы с характеристиками — это основной интент покупателей магазина.
• Тщательно проработали язык покупателей — по сути, тот самый «исковерканный» русский язык, которым в реальной жизни никто не общается (даже Gen Z), но привыкли общаться с поисковиками. На спортивном сегменте самый большой челлендж для алгоритмов — это поиск по транслитерациям, когда вместо «nike» простой пользователь введет привычное «найк» и ожидает товары бренда в выдаче. Команда лингвистов проработала весь каталог магазина — и теперь даже те, кто в школе немецкий учил, смогут найти нужные товары в desport.

✅ Прирост доли поисковых сессий на 162%. Пользователи стали активнее использовать поиск, что свидетельствует о повышении его удобства и эффективности.
✅ Увеличение доли заказов с поиска на 125%. Благодаря более релевантной выдаче, значительно большее число пользователей завершали свои сессии покупкой.
✅ Рост доли выручки с поиска на 39%. Увеличение конверсии и числа заказов напрямую повлияло на рост выручки, связанной с поисковыми сессиями.
✅ Конверсия с поиском повысилась на 84%. Оптимизация поиска привела к тому, что пользователи стали чаще находить нужные товары и делать заказы.

✅ 14% поисковых сессий используют фильтры. Это говорит о том, что пользователи активно фильтруют результаты поиска, чтобы быстрее находить то, что им нужно.
✅ 12% поисковых сессий используют уточнения. Пользователи уточняют свои запросы, что свидетельствует о гибкости и удобстве настроек поиска.
✅ 26% сессий используют автоподсказки. Быстрые и точные автоподсказки помогают пользователям быстрее ориентироваться и находить нужные товары, что повышает общую эффективность поиска.