Кейс AnyQuery: Увеличили выручку с поиска в интернет-магазине на 28%, не нагружая IT-отдел

Онлайн-ритейл — суперконкурентный бизнес. Побеждают интернет-магазины, которыми просто и удобно пользоваться. Клиент знал, что у них была серьезная проблема с поиском — люди не могли найти на сайте товары, которые были в наличии.

Команда AnyQuery взялась улучшить показатели поиска за короткий срок с минимальным вовлечением IT-команды.

У нас в AnyQuery есть 64 механики для увеличения выручки поиска. Чтобы решить задачу этого клиента, мы отобрали 3 механики и получили быстрый эффект:со всех поисковых сессий на 12%. Рассказываем, что делали и что получилось.

123.ru — интернет-магазин электроники. Он работает на рынке одиннадцать лет, в ассортименте — более 150 тысяч товаров. Оборот в магазине стабильно растет, например, с 2016 по 2017 год выручка выросла на 22%. При этом владельцы постоянно ищут слабые места магазина, чтобы увеличить конверсию и выручку. Новый коммерческий директор обратил внимание на поиск. Он провел исследование и оказалось, что конверсия по поиску выше, чем в среднем по сайту. Показатели были такими:

Интернет-магазин искал решение, как оптимизировать поиск, и договорился с нами на бесплатный аудит. Во время аудита мы диагностируем поиск и показываем слабые места. Вот чек-лист нашего аудита:

• качественные синонимы — поиск понимает, если покупатели вводят запрос синонимами. Например, «мобильный телефон» вместо «смартфона»;
• исправление ошибок, опечаток и запросов на транслите. Например, если покупатель пишет «айфон» вместо iPhone;
• оценка UX страницы результатов поиска;
• проверка UX автоподсказок; проверка работы поиска по атрибутам;
• проверка обработки запросов с нулевыми результатами;
• уточнения запросов;
• оценка релевантности результатов поиска. Например, покупатель ищет телефоны, а получает чехлы и наушники.

По всем этим пунктам в аудите интернет-магазина были нули. Это значит, что поиск не понимал синонимы, не помогал покупателям автоподсказками, а на запросы с опечатками давал пустую страницу поисковой выдачи.

Мы подсчитали, как часто пользователи ищут товары с помощью синонимов или допускают ошибки в запросах:

• 10% — доля запросов с ошибками и опечатками;
• 3% — доля запросов с синонимами.

После аудита у интернет-магазина был выбор: внедрить AnyQuery или оптимизировать поиск своими силами. Провели оценку и оказалось, что дешевле и быстрее внедрить готовое решение.

1. «AnyQuery.AI-Редиректы». Настроили быстрые переходы из поиска на конверсионные страницы категорий и брендов → Пользователям стало легче выбирать из сотен «тостеров».

2. «AnyQuery.AI-Ранжирование товаров в поиске». Заменили текстовые алгоритмы поиска на AI-алгоритмы:

• Сократили количество пустых запросов с 25% до 3% — научили поиск понимать, что «джойстик» и «геймпад» — это одно и то же → Пользователи стали чаще находить товары и перестали уходить с сайта;
• Улучшили релевантность ранжирования — Пылесосы, которые с большей вероятностью понравятся, пользователь теперь видит на первой странице выдачи.

«AnyQuery.AI-редиректы» увеличили конверсию поиска для категорийных запросов на 20,35%.

Вот как работал поиск клиента до запуска AnyQuery:

При вводе запроса «холодильник» сервис автоматически переводит клиента на нужную страницу категорий. На такой странице есть всё необходимое:

• уже настроенные фильтры по характеристикам,
• популярные подборки товаров,
• советы как выбрать нужный товар,
• продвижение товаров нужных вендоров.

«Редиректы» позволяют с высочайшей точностью подобрать правильные страницы. Модель мгновенно анализирует миллион запросов и понимает, по какому запросу мы должны сделать редирект, а по какому — показать пользователю стандартный поиск.

Сравнив конверсию с обычного поиска и поиск с редиректами на одном и том же наборе запросов, мы увидели, что редиректы поднимают конверсию на 20%.

Механика «AnyQuery.AI-Ранжирование товаров» помогла сократить пустую выдачу с 25% до 3% и поднять конверсию в заказ на 7%.

На старый поиск постоянно жаловались пользователи интернет-магазина и собственный колл-центр — товар на сайте есть, а найти его невозможно. Мы заменили текстовый движок на векторный, и это многое изменило.

• базировался на технологиях текстового совпадения,
• не учитывал поведенческие данные пользователей,
• не позволял продвигать товары под бюджеты вендоров.

Пользоваться им было неудобно. Например, если человек вбивал запрос «пароочиститель», поиск не находил ни одного «отпаривателя». Можно вбивать синонимы, но как быть, когда у вас 300 тысяч уникальных запросов от пользователей?

Слова «пароочиститель» и "отпариватель" для пользователя значат почти одно и то же, и поисковый движок должен это учитывать.

Чтобы улучшить поиск, гиганты Amazon, AliBaba, Ozon, Avito переманивают лучших специалистов и запускают поиск на основе машинного обучения. Это долго и очень дорого, но есть готовое решение от AnyQuery.

АI-алгоритм AnyQuery ищет по смыслам и в разы сокращает количество пустых выдач поиска.

Современные модели поиска Яндекса и Google работают с векторным представлением слов и учитывают смысл запроса, а не его словарную форму или синонимы. Так работает и поисковый AI-алгоритм AnyQuery. Мы разработали его специально для eCommerce, он умеет автоматически отрабатывать синонимы и находить релевантные товары с помощью векторного представления слов.

AI-алгоритм намного точнее подбирает факторы ранжирования для каждого запроса, чем это делают люди — менеджеры или разработчики. Векторный поиск позволяет искать по смыслу за пределами текстовых совпадений. Вот пример, насколько векторная модель сильнее текстовой:

АI-алгоритм ранжирует товары на основе миллионов кликов, тысяч покупок и десятков факторов о товарах и категориях.

Наш алгоритм первыми покажет товары, которые с наибольшей вероятностью купит или просмотрит пользователь исходя из его запроса. Такой подход увеличивает шансы на покупку в интернет-магазине и поднимает продажи.

Внедрение алгоритма позволило:

• Сократить до 0 ресурсы внутренних разработчиков на настройку поиска.
• Увеличить на 7% выручку с поиска за счет учета поведенческих данных и постоянного обучения алгоритма

«AnyQuery.Уточнения запросов» — это эффективная альтернатива фильтрам по характеристикам в поиске. Её часто недооценивают интернет-магазины, а мы в AnyQuery очень любим.

Мы внедрили «Уточнения» за 30 минут, и конверсия выросла на 7%.

Посмотрим на примере запроса «гриль», как работают уточнения. В онлайн-магазине разобраться и выбрать, какой именно товар нужен, покупателю помогают фильтры. Какие именно параметры выбора предложить для каждой категории товара, решают менеджеры магазина или производители. Часто их логика не совпадает с логикой покупателя.

Например, для гриля менеджеры подобрали такие фильтры:

• цена,
• производитель,
• есть или нет в наличии

Это не помогает человеку выбрать электрический или газовый гриль. А может, нужен не сам гриль, а решетки или насадки. Пользователи хотят еще уточнить свой запрос, но не могут.

Благодаря нашей технологии, мы знаем, что на самом деле они ищут со словом «гриль»:

• электрический,
• сковорода,
• решетка,
• Tefal.

С уточнениями не нужно мучительно формулировать запрос или листать бесконечную ленту выдачи. Можно за пару кликов добраться до того товара, который нужен.

Мы добавили уточнения на страницу поиска, и их стали использовать в 2 раза чаще фильтров.

Суммарный ROI внедрения с учетом стоимости услуг AnyQuery — 900%, это в 4 раза эффективнее вложений в рекламу.

С помощью механик AnyQuery мы увеличили долю выручки с поиска на сайте с 21% до 27%. Вот эффект по каждой механике: