Как увеличить средний чек на 30% с помощью новой стратегии ранжирования? Кейс Gloria Jeans

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

Когда вы последний раз искали что-то в интернет-магазине и сталкивались с нерелевантной выдачей? Например, вводите в поиск «шорты», а вам показывают… трусы-шорты. Смешно, конечно, но к покупке не приближает.

Именно с этой проблемой к нам обратилась команда Gloria Jeans. Клиенты уходили, так и не находя нужного товара, несмотря на то, что он был в наличии. Прежняя стратегия ранжирования уже не справлялась с задачей: она выводила нерелевантные результаты, плохо работала с синонимами, ошибочно интерпретировала запросы. Всё это приводило к падению ключевых показателей и прибыли.

Нам нужно было не просто улучшить поисковую выдачу, а внедрить стратегию, которая будет адаптироваться к запросам покупателей, учитывать множество факторов и давать максимально точные результаты. Именно для этого мы разработали и долгое время тестировали новую стратегию ранжирования. Она не только учитывает синонимы и контекст запроса, но и умело ранжирует товары по релевантности, гарантируя, что на первых позициях окажутся именно те товары, которые больше всего соответствуют ожиданиям покупателей.

Почему это важно? Потому что правильный поиск — это не просто удобство для пользователей, это ключевой фактор роста продаж. Теперь поиск в Gloria Jeans работает по новой стратегии. С ней удалось увеличить точность ранжирования, уменьшить количество отказов и, самое главное, улучшить пользовательский опыт. Давайте разбираться, что мы поменяли и как это повлияло на показатели.

Gloria Jeans — один из крупнейших наших клиентов. Компания существует с 1988 года и управляет более чем 600 магазинами в разных уголках России, Белоруссии и Казахстана. Сейчас это крупнейший в россии модный ритейлер с собственным производством. Неудивительно, что компания входит в самые топовые рейтинги, а их деятельность не раз удостаивалась значимых для индустрии наград.

Компания постоянно совершенствует свой ассортимент, меняет подход в лучшую сторону и развивается на глазах. Не отстают они и в изменениях на онлайн-площадках: совсем недавно мы предложили им сменить стратегию ранжирования на более удобную и эффективную. Конечно, они согласились!

Стратегия ранжирования — это алгоритм, который мы выстроили для осуществления двух главных функций:

1. Поиск товаров, то есть отбор кандидатов;
2. Ранжирование, то есть порядок, в котором отобранные товары должны быть показаны на странице выдачи.

Стратегия поиска определяет, какой алгоритм будет подбирать товары, и по каким критериям будет ранжироваться выдача.

Различные стратегии ранжирования — это результат применения разных параметров для обучения нейронных сетей. Параметры могут быть разные, например:

• совпадение запроса и названия товара;
• совпадение запроса и названия бренда товара;
• совпадение запроса и значений характеристик товара.

Стратегия подбирается индивидуально для каждого сайта. Просто потому что каждый проект уникален по своему каталогу и пользовательскому поведению.

В арсенале anyQuery есть два типа основных стратегий ранжирования: векторные и полнотекстовые. Сложно, давайте разбираться.

Векторные стратегии имеют две механики для отбора товаров по запросу:

• по полному вхождению запроса в расширенное название товара (сюда входит не только само название товара, но и его категория, бренд и другие атрибуты);
• по векторной близости (модель отдает по запросу те товары, которые по смыслу ближе всего к запросу пользователя).

Полнотекстовые стратегии находят товары только по полному вхождению запроса в расширенное название товара.

Раньше мы использовали на сайте компании векторную стратегию. Она тоже хороша в отдельных случаях, но для гигантов индустрий нужно было что-то в разы мощнее.

Как она работала? Система сортировала товары по релевантности и отбрасывала те, которые казались менее подходящими, если между ними был значительный разрыв в score.

Score — это оценка, которая присваивается каждому товару при ранжировании. Она сообщает о том, насколько товар релевантен запросу: чем эта оценка выше, тем выше товар будет находиться в выдаче поиска.

1. Порядок слов не учитывался. Если вы искали «платье в цветочек», система могла показать вам «цветочные горшки». Не очень удобно, согласитесь.

2. Популярность товаров игнорировалась. Часто в топе были не самые популярные товары, и пользователи просто не видели те вещи, которые нравились большинству.

3. Двусмысленные запросы. Например, при запросе «топ» система могла показать спортивные топы, а нужен был повседневный летний наряд.

Теперь в интернет-магазине появилась новая стратегия поиска, которая взяла под контроль всю ситуацию. Ключевая фича стратегии позволяет определять релевантность товара по запросу даже тогда, когда по данному запросу у нас нет достаточного количества данных о выборе пользователей. Очень полезная фича для кейсов, когда мы имеем ряд сопутствующих товаров в каталоге. Самое главное: эта стратегия не просто улучшает поиск, она делает его умным! Вот что отличает ее от векторной:

1. Учет порядка слов. Если раньше порядок слов игнорировался, то теперь это важный фактор. Например, если кто-то ищет «красное платье», система покажет именно «красное платье», а не «платье с красным принтом».

2. Популярность товаров по конкретному запросу. В новой стратегии учитывается не только общая популярность товаров, но и популярность товаров по каждому отдельному запросу.

3. Двусмысленные запросы обрабатываются корректно. Помните проблему с «шортами»? Теперь всё в порядке: «шорты» — это шорты, а «трусы-шорты» покажутся только по соответствующему запросу.

А так ли это все важно? Давайте взглянем на показатели!

Успешность поиска мы измеряем с помощью метрики NDCG (Normalized Discounted Cumulative Gain). Это метрика, которая оценивает качество ранжирования результатов в любых поисковых системах.

NDCG — самая репрезентативная метрика для оценки качества поиска. Она напрямую отражает то, насколько хорошо мы попадаем в ожидания покупателей: просматривают ли они товары в ТОП-3 выдачи? А в ТОП-15? Или они пролистывают выдачу до 50-ого или даже 100-ого товара, и только там находят то, что искали?

Для подсчета метрики NDCG мы формируем так называемую «идеальную» выдачу для 5000 случайных запросов. В такой выдаче все товары отсортированы только по популярности: все остальные алгоритмы — не учитываются.

Затем мы сравниваем с этой выдачей ответ, который отдает наше ранжирование anyQuery. Сравнение проводим среди товаров в ТОП-3, ТОП-15 и ТОП-50 выдачи: товары в этих интервалах должны совпадать на 100%. Если такое совпадение есть, то оцениваем его на 1.00. Если совпадения в заданном интервале — нет, то оцениваем это на 0.00. И так делаем для каждого запроса из списка.

Далее считаем средний показатель у каждого запроса по каждому из интервалов. Это и есть наш результат. Отличным показателем является — 0.50 и выше. Такой показатель говорит о том, что в 50% случаев покупатель просматривает товар в ТОП-3, ТОП-15 или ТОП-50 выдачи.

Что это значит? Теперь система показывает гораздо более релевантные товары. Покупатели видят в первую очередь именно то, что им нужно, а значит — быстрее переходят в карточку товара и принимают решение об оформлении заказа.

Мы проверили, насколько товары в выдаче соответствуют категории, которую ожидает увидеть пользователь. В старой стратегии при запросе «куртка» пользователю могли показываться как зимние пуховики, так и легкие ветровки, хотя намерение запроса чаще относилось к определенной категории: например, к зимней одежде в холодное время года. Это создавало путаницу и замедляло выбор нужного товара.

С новой стратегией система лучше понимает контекст и сезонность запросов. Теперь, при запросе «куртка» в зимний период, пользователю преимущественно показываются теплые зимние куртки, что соответствует его ожиданиям и упрощает поиск нужного товара.

Для оценки мы взяли 1000 случайных запросов и посчитали, в скольки случаях категории у товаров в выдаче соответствуют ожидаемой категории. Как и в случае с NDCG, успешный результат разметили как 1.00, а неуспешный — 0.00. Среднее значение — и есть результат.

Как же изменилась релевантность выдачи с точки зрения категорий? Давайте посмотрим.

ТОП-3 товаров:

• До: 0.37
• После: 0.71
• Рост: +92%

Значительный рост говорит о том, что теперь пользователи находят товары именно тех категорий, которые они ожидают увидеть. Это — ещё один шаг к тому, чтобы сократить время от запроса в поиске до клика на карточку товара.

Для компании Gloria Jeans правильная поисковая выдача — это не просто вопрос удобства, а реальная возможность повысить конверсию и улучшить пользовательский опыт. Новая стратегия не только делает поиск быстрее и точнее: она делает его умным, улучшая взаимодействие с покупателями и помогая им найти нужный товар за минимальное время.

— Постоянное развитие. Стратегия постоянно совершенствуется, обретая новые функции.
— Работа с неполными данными. Даже если данных о товарах немного, стратегия помогает находить релевантные результаты.
— Фокус на популярности. В топе всегда популярные и востребованные товары, что повышает вероятность покупки.

✅ Доля сессий с поиском: +10.7%
✅ Время до первого клика: -16.1%
✅ Средний чек с поиском: +30.3%
✅ CTR кликов +20.4%

Переход на новую стратегию стал для Gloria Jeans значительным шагом вперед. Теперь покупатели быстрее видят то, что ищут, и получают более точные результаты.

Релевантная выдача, популярные товары в топе и правильная работа с многозначными запросами — всё это делает покупку проще и приятнее. Об этом говорят рост CTR и снижение времени до первого клика на карточку товара.

В результате компания получила улучшение ключевых метрик и, что более важно, — довольных покупателей, которые возвращаются снова и снова.