Бути Amazon: як штучний інтелект впливає на пошук в інтернет-магазині | Бізнес Майстерня

Бути Amazon: як штучний інтелект впливає на пошук в інтернет-магазині

Бути Amazon: як штучний інтелект впливає на пошук в інтернет-магазині

монітори

Поговоримо про те, як насправді покупці шукають товари в інтернеті, що допомагає збільшити середній чек і яке майбутнє чекає «розумний» пошук.

Як змінилася поведінка користувачів інтернет-магазинів за останні 10 років

Інтернет перенасичений інформацією, і пошук - єдина можливість знайти релевантний контент, тому інтернетом управляє Google. В інтернет-магазині схожа ситуація, тільки в мініатюрі. Кількість магазинів з 350К-500К товарів безперервно росте, маркетплейси типу Amazon, Ebay, Alibaba з мільйонами найменувань в асортименті набирають популярність.

10 років тому ми гортали 5 сторінок пошукової системи в надії відшукати релевантний контент. Інтернет-магазини були набагато меншими, їх користувачі - сміливі і наполегливі люди, які надавали перевагу покупкам онлайн через унікальність товару або вигідну ціну.

Зараз користувачі дивляться тільки першу сторінку, не витрачаючи більше 30 секунд на пошук потрібного контенту. Пошук в інтернет-магазині трансформувався з елемента дизайну інтерфейсу в робочий інструмент для роботи з конверсією і підвищенням продажів.

За звичайним пошуковим рядком стоїть потужний двигун, який формує шлях користувача до шуканого товару. За даними Econsultancy, 6% відвідувачів використовують пошук по сайту і приносять компаніям 13,8% від загального прибутку. 42% компаній не приділяють уваги пошуковій оптимізації.

оптимізація

Що говорить статистика:

  • 70% користувачів залишають сайт, не знайшовши потрібного товару протягом 1 хвилини (Shopify);
  • 72% інтернет-магазинів не виправдовують очікувань користувачів, які шукають там товар (Bigcommerce);
  • 43% відвідувачів сайту йдуть відразу ж до пошукового рядка (Forrester Research);
  • Покупці, які використовують пошук, витрачають в інтернет-магазині більше в 2,6 рази (Salesforce Demandware);
  • 12% користувачів йдуть до конкурентів після невдалого пошуку (KISSMetrics).

Як покупці шукають товари? Один відкриває пошуковий рядок і вбиває назву. Інший використовує навігацію і за допомогою фільтрів вибирає потрібний товар. Третій серфить по сторінках і переглядає блоки з товарними пропозиціями.

Сучасні дослідження ділять користувачів інтернет-магазинів на дві групи.

  • Серфери - люди в середині воронки продажів. Вони вже чули про товар або мають туманне уявлення про те, що хочуть купити. Їм потрібен провідник, персональні рекомендації, предзаповнений пошуковий рядок, розширені фільтри.
  • «Ті, що визначилися» - люди в кінці воронки, ласий шматок для будь-якого інтернет-магазину. Шукають конкретний товар, в пошуковому рядку вбивають назву, категорію, бренд, колір, розмір або навіть код продукту.

Як з'явився «розумний» пошук

З 2005 року розвивалась платформа для створення інтернет-магазинів CS-Cart. До 2011 року на ній вже працювало близько 30 000 магазинів.

Фічреквести від клієнтів

Серед клієнтів CS-Cart була велика кількість запитів на якісний пошук. Вбудований пошук був нерелевантним, виводилося дуже мало товарів, запити з помилками супроводжувалися фразою: «Вибачте, нічого не знайдено». Так визріла думка зробити безкоштовний хмарний пошук, який би йшов в постачанні з CS-Cart і додавав цінності платформі. Перша версія «розумного» пошуку з'явилася в середині 2011 року.

Підключення інших платформ

Magento, X-Cart, OpenCart, Shopify.

Після того як з'явилися перші користувачі, їх позитивні відгуки навели на думку, що інші платформи теж зацікавляться якісними пошуком. Так у 2012 році з'явилася ідея Searchanise: «розумний» пошук, доступний кожному інтернет-магазину, незалежно від розміру або платформи, на якій він працює.

Першою вибрали платформу Magento, так як в той момент вона становила одну третину світового ecommerce. Кількість установок відразу злетіла. Потім додали інтеграції з X-Cart і OpenCart.

У той час почали використовувати модель «фріміум»: сервіс був безкоштовним для будь-яких магазинів розміром до 100 000 товарів. Обмеження носило технічний характер: магазини з великою кількістю найменувань заважали іншим швидко індексуватися, для них потрібен був окремий сервер. У платній версії можна було використовувати власний HTML-контент в випадаючому віджеті, налаштовувати редіректи за ключовими словами, синоніми і багато іншого.

Через три роки стало помітно, що ця модель не виправдовує себе: незважаючи на велику кількість безкоштовних установок, платних було все ще мало, зростання було повільним, конверсія становила всього 1%. Стало зрозуміло, що «фріміум» не працює. Тоді ввели тарифні плани, які залежали від кількості товарів. Вартість починалася з 9$ в місяць.

Після переходу на платний тариф кількість нових установок скоротилося вдвічи, зате платні підписки виросли вдвічи. Дохід теж збільшився дворазово і став рости на 10-15% щомісяця.

Четвертою платформою став Shopify. Платформа дуже швидко розвивалася, разом з нею ріс і Searchanise, наздогнавши і перегнавши продукт на Magento.

Досвід співпраці з OpenCart показав, що у платформ є абсолютно чітке розмежування аудиторії і не всяка аудиторія монетизується. Користувачі OpenCart дуже активно встановлювали додаток, але категорично не хотіли платити за сервіс, тому довелося відмовитися від реалізації на цій платформі, як і на X-Cart.

Графік зростання
Графік зростання установок і платних підписок

Плани на майбутнє

Зараз є співпраця з шістьма платформами для інтернет-магазинів (Shopify, Magento 1 і 2, CS-Cart, Bigcommerce, Woocommerce). Мета - максимально охопити ринок CMS. У планах - стати таким же пошуком для інтернет-магазинів як Wordpress для блогів.

Для цього було досягнуто колосального скорочення собівартості продукту. Це know-how, завдяки якому можна підтримувати до мільйона продуктів в інтернет-магазині при низьких витратах на серверні ресурси.

Пошукові системи розвивають досить багато компаній. Їх використовують для кастомізації пошуку всередині інтернет-магазину, блогу, баз даних і так далі. Але це тривала розробка, що вимагає серйозних вкладень і часу на програмування, підтримку, сильних фахівців.

Як розвивалася функціональність

Ядро сервісу - це пошуковий движок, який вгадує запит за першими введеними символами, виправляючи помилки і пропонуючи найбільш актуальні підказки. Пошук супроводжується віджетом, де відображаються продукти з зображеннями, ціною, залишком на складі, рейтингом, а також релевантні пошуковому запиту тематичні сторінки, категорії і підказки.

Нові опції з'являлися по мірі співпраці з платформами. Коли відбувався перехід на нову платформу, то було розуміння, якої функціональності не вистачає. Так з'явилася сторінка результатів пошуку, фільтри, рекомендаційні блоки, мерчендайзинг, промо інструменти, аналітика. Пізніше прийшло розуміння, що потрібно поглиблювати пошук і рухатися в бік AI. Першою з'явилася персоналізація, заснована на штучному інтелекті. Зараз йде праця над впровадженням машинного навчання, щоб на його основі зробити пошук ще більш якісним.

Переваги для інтернет-магазину

Поліпшення UX, підвищення конверсії, повернення клієнта, мерчендайзинг, аналітика.

У 2013 році Searchanise був мало не єдиним пошуковим сервісом на Shopify, зараз кожного місяця з'являється 3-4 нових гравці. Згідно зі звітом, до 2021 року продажі в ecommerce виростуть до $4,5 трлн, що в три рази більше виручки у 2014 році. Така популярність обумовлена ​​тим, що більшість користувачів хочуть в будь-який час максимально швидко дістатися до бажаної мети. «Розумний» пошук покращує користувацький досвід, формує довгострокові відносини з клієнтами і прогнозує наміри споживачів.

Мета клієнта - дістатися до бажаного товару якомога швидше, і завдання інтернет-магазину - показати це користувачеву в максимально короткі терміни. «Розумний» пошук і системи машинного навчання прогнозують бажання споживача ще до того, як він сформулював запит. Це призводить до поліпшення користувацького досвіду, що в кінцевому підсумку призведе до підвищення конверсії і згодом прибули бізнесу.

Системи штучного інтелекту, вбудовані в інтернет-магазин, постійно навчаються на поведінці користувачів. Все що людина вводить в пошуковий рядок, дає уявлення про моделі покупки, його наміри і бажання. Наприклад, пошук із зазначенням точної моделі вказує на більш високий намір, ніж загальні слова. Знаючи бажання і наміри покупців, поведінка споживачів і шаблони пошуку, можна зосередити маркетингові зусилля на клієнтах, які з найбільшою ймовірністю куплять щось у конкурентів.

За допомогою інструментів мерчандайзингу продавець може виставити товари в пошуковій видачі і в каталозі в потрібному порядку, винести вперед товари, які продаються гірше або краще. Можна помітити окремі товари лейблами «Знижка», «Новинка» або будь-яким іншим.

Рекомендаційні блоки також активно беруть участь в шляху користувача по інтернет-магазину, допомагають зорієнтувати або зробити допродаж. Вони можуть збільшити середній чек на 30%.

Завдяки аналітиці просунутого пошуку власник розуміє, що шукають в його магазині, що знаходять, а що ні, які товари купують через пошук і яка в нього конверсія. Такі дані допомагають покращувати конверсію окремих товарів або запускати рекламні кампанії.

Інтегруючи розумний пошук, клієнти збільшують конверсію на 45%, подвоюють прибуток і заробляють мільйони доларів.

зміна показників
Кількісна зміна показників з «розумним» пошуком

Переваги для користувача

Пошук по вмісту, виправлення помилок, персоналізація.

Повнотекстовий пошук шукає не за точною відповідністю фрази в назві сторінки або продукту, а по всьому вмісту. Він виправляє помилки, пропонує підказки за першими введеними символами. Якщо користувач ввів «червоні туфлі на вузьку ногу», пошук проаналізує назви товарів, їх описи, відгуки і видасть найбільш релевантні результати.

«Немає результатів» - найнебезпечніша фраза. Щоб цього не сталося, розумний пошук використовує словник синонімів, функцію «Ви мали на увазі» і редіректи за ключовими словами. Персоналізована видача заснована на демографічних показниках (стать, вік, географія користувачів), інтересах (попередніх переглядах сторінок і пошукових запитах), попередні покупки. При виведенні варіантів товарів використовується випадаючий віджет, де можна вивести попередній вигляд товарів, опис, ціни, відгуки, рейтинг, наявність на складі - все, що допоможе швидко зорієнтуватися в товарах і прискорить прийняття рішення.

Пошук підтримує актуальність даних в реальному часі, і якщо якийсь товар закінчується, пошук дізнається про це першим і прибирає товар з видачі.

Майбутнє «розумного» пошуку

Персоналізація, голосовий і візуальний пошук.

55% мілленіалів використовують голосовий пошук один раз на день, голосові помічники Google Home і Amazon Echo не модна фіча, а необхідність. За даними Microsoft, голосові запити містять довші фрази, і для їх обробки необхідна оптимізація: контент повинен розглядатися через призму тексту і голосу.

голосові запити

Google, Amazon, Microsoft і Apple працюють над оптимізацією свого штучного інтелекту і тренують голосових помічників ставити питання користувачам. Завдання для брендів на найближчі 3-5 років - ефективно використовувати їх контент в нових умовах.

Amazon поступово впроваджує пошук за зображеннями: додаток Amazon Firefly використовує камери смартфонів для ідентифікації товару, а потім шукає його в інтернет-магазині. Візуальний пошук стане основним інструментом роздрібної торгівлі в найближчі кілька років. Щоб повноцінно використовувати ці технології, бренди повинні поліпшити свій «візуальний словник» і «поділитися» їм з пошуковими системами.

Персоналізація - це більше, ніж продаж необхідних товарів або послуг. Завдяки технологіям машинного навчання і Big Data клієнт може отримати відповідь на свій запит ще до того, як вбив його в пошуковий рядок. У доступному для огляду майбутньому сайти будуть пропонувати товари і послуги на основі відомої про користувача інформації.

Так, якщо користувач збирається відновити свій автомобіль останньої моделі, системи машинного навчання підберуть і відповідні товари, і додаткові послуги по відновленню.

Фото: flickr.com
Обробка: Vinci
назад
далі