機械学習、ビッグデータ、ウェブサイトのパーソナライズ：eコマースがテクノロジーで売り上げを伸ばす方法

こんにちは、Habr！私の名前はDynamicYieldのAndreyTyschenkoです。私たちの仕事の分野は、パートナー企業の売り上げを増やし、ユーザーエクスペリエンスを向上させるためのウェブサイトのパーソナライズです。そのため、本日は、eコマースでのサイトのパーソナライズ、パーソナライズツール、およびこれらのテクノロジーがもたらす結果についてお話ししたいと思います。



eコマース、小売、金融セクター、旅行、IT企業など、ほぼすべての企業がパーソナライズツールを使用しています。素晴らしい結果は、同じAmazon、eBay、Netflix、および他の多くの企業によって長い間実装されてきた個々の提案と推奨事項によって提供されます。カットの下で-パーソナライズツールといくつかのケースについての興味深い詳細。

ハイテクとパーソナライズ

主要なeコマースプレーヤーは、パーソナライズの目的で機械学習、AI、ニューラルネットワークなどを使用していると言っていますが、実際には、これが常に当てはまるとは限りません。データを操作するための比較的単純なアルゴリズムがよく使用されますが、これはニューラルネットワークでも機械学習でもありません。同時に、これらのテクノロジーを実際に使用すれば、売上/トラフィックを大幅に増やすことができます。ただし、どこでどのツールを使用できるかをよく理解する必要があります。



もう1つの興味深い点は、米国とロシアでは、企業はパーソナライズに高度なテクノロジーを使用するという点で同等です。最も人気のあるテクノロジーの例としては、ディープラーニングおよび予測ターゲティングエンジンがあります。



なぜ人気があるのですか？マーケターやプロダクトマネージャーがサイトのUI / UX、マーケティングキャンペーン、またはプロモーションに関する仮説を立てたときに、パーソナライズの最初の段階で発生するアイデアをすばやくテストできるためです。



パーソナライズを構築するためのアプローチの本質は、傾向を特定し、仮説を構築し、それをすばやくテストしてから、この仮説を実装するためのさらに多くのオプションを「ただ」すばやくテストし、その結果、1つのセグメントで最適なコミュニケーション戦略を作成することです。または別の（または「1つのセグメント」、つまり、1：1モードでの通信戦略-個々のユーザーとの独自の方法でさえ）。 Amazon、Netflix、Spotifyなど、この分野で最高のプレーヤーのパーソナライズ戦略では、製品のクリック、カートへの追加、購入（または映画の視聴/音楽の視聴）などの明示的なユーザーアクションだけでなく、トラック）など.p。だけでなく、商品の特性（映画、トラックなど）、サイトでのユーザーの行動パターン、サイト上のすべてのユーザーの比較、すべてのユーザーとすべての製品との相互作用、および最も可能性の高い次のユーザーアクションの予測。ユーザーがサイトを十分に長い時間（たとえば、数分）操作した後、コンテンツは自動的にユーザーの好みに適応し始めます。クライアントの次回の訪問時に、ホームページを含むサイトのすべてのページがパーソナライズされます。







Webサイトだけでなく、モバイルアプリケーションもパーソナライズできます。例はSimpleWineです。彼女はそれをやりました：

• モバイルアプリケーションの包括的なパーソナライズを実現します。推奨事項だけでなく、アプリケーションのスクリーンショット全体がユーザー向けに再構築され、外観が異なります。
• ユーザーが簡単に選択できるようにします。このアプリは、有能なワインショップコンサルタントのように、ヒント、ナビゲーション、推奨事項を備えたワインを選択するのに役立ちます。
• アプリケーションの変更がリアルタイムで開始されることを確認します。つまり、新しいリリースのビルドを待ってアプリケーションカタログにアップロードする必要はありません。

さらなる計画には、正式な兆候ではなく、このユーザーを他のすべてのユーザーと比較し、他のどのワインがこのユーザーに最も興味を持ってくれるかを予測することに基づいて、ユーザーの好みや興味を予測するエンジンのディープラーニングの導入が含まれます。 NetflixやSpotifyのように、同じような好みと行動パターンを持つ他のユーザーがあなたに代わって映画や音楽をピックアップします。

さて、パーソナライズ技術についてもっと具体的に教えていただけますか？

それらのかなりの数がありますが、それらのすべてが効果的であるわけではありません。パーソナライズテクノロジは、ユーザーとの作業時間に応じて、条件付きで2つのグループに分けることができます。



サイト上のユーザーとのやり取り。ここでは、購入者の興味や好みを考慮に入れて、購入者が適切に購入できるようにすることが重要です。パーソナライズにより、ユーザーの行動に応じて、サイトの外観と機能をユーザーのニーズに合わせてリアルタイムでカスタマイズできます。たとえば、製品の問題は自動的に変更され、その形成は、さまざまな製品、カテゴリ、ブランド、価格帯などに対するユーザーの関心に影響されます。分析システムは、特定の購入者に関連する膨大な数の要因を考慮に入れることができるようになりました。



オンラインストアのウェブサイトを閉じた後のユーザーとのコミュニケーション。ここで、ニュースレター、トリガーレター、SMS、プッシュ通知、インスタントメッセンジャーなどが登場します。もちろん、重要な条件は、目立たないこと、関連性、コミュニケーションの適時性です。



テクノロジー自体に関しては、ほとんどの場合、次のようなツールを使用します。



予測ターゲティング機械学習に基づいて、通信オプションまたはコンテンツと、そのような通信が最適に機能するセグメントの最適な組み合わせを予測し、この通信オプションまたはその通信オプションに最適なターゲティングを使用することを提案します。したがって、エンジンは、マーケターまたは製品マネージャーに、どの通信オプションをどのセグメントに表示するのが最適かをリアルタイムで通知します。この場合、手動分析は必要ありません。すべてが完全自動モードで機能します。 「試作」ターゲティングが完了すると、エンジンはマーケティング担当者または「製品」に通知し、最適な設定をすばやく展開できるようにします。



最初の（原則として、かなり単純な）仮説、アイデア、タスク、およびすべての可能なセグメントのコンテキストでデータに「フォールスルー」するマシンを持っている人のそのような組み合わせが判明します。人の論理と、よりスマートな、複雑できめ細かいパーソナライズを構築します。







ソートエンジン（ランキングエンジン）。洗練されたディープラーニングモデルを使用して、商品リストページでの商品の並べ替えを自動的に最適化するのに役立ちます。同時に、商品のリストは、ユーザーごとに個別にリアルタイムで作成されます。形成の過程で、潜在的なクライアントの興味に関するデータが使用され、他のユーザーの行動との比較に基づいてアクションの予測が実行されます。さらに、このプロセスでは、商品の残高、マージン、プロモーションなどのデータも使用されます。



サーバーAPI。APIのセットを使用すると、製品マネージャー、開発者はサーバー側で任意のデバイスを試して、製品の推奨事項を開発し、顧客の関心に基づいて新しい機能を導入できます。そして、これはすべて、個々の購入者ごとに調整されます。



オムニチャネル..。ここでは、その後の分析のために多くのデータ収集チャネルがあるという事実について話します。これには、コールセンター、キャッシュレジスター、オフラインストアの端末やその他のデバイス、セールスアシスタントのモバイルデバイス（いわゆるClientelling）、レストランの電子メニュー、スマートTVまたはApple TVのアプリケーション、スマートウォッチ、スマートスピーカーなどがあります。スマートグラス。その他多数。ちなみに、パーソナライズするときは、ユーザーが店頭や商品で特定のアクションを実行するデバイスを考慮することが非常に重要です。

ケースが必要ですか？そしてここに彼らはいます

パーソナライズの有効性を示し、テクノロジーがどのように機能するかの例を示すために、いくつかのケースを示します。



カザフスタン最大の市場Kaspi.kz



これは、カザフスタンで最大の革新的な企業の1つであり、そのアプリケーションは非常に人気があります。これにより、ユーザーは支払いと送金を行い、個人の財政を管理し、配達でオンラインで買い物をすることができます。今日、Kaspi.kzはカザフスタンで最大のeコマースプラットフォームであり、2020年の9か月間の売上高は約6億ドルで、昨年と比較して+ 129％増加しています。



パーソナライズ技術の助けを借りて、同社はわずか3か月で紹介による売上の19.4％を達成しました。そして、これらの事実を考慮すると、これは膨大な量です。

• 450 000 .
• 8 500 000 .

ペレクレストクストア



オンラインスーパーマーケットは2017年に立ち上げられました。それ以来、会社は途方もなく成長しました。その収入は20.9億ルーブルに増加し、注文数は59万ルーブルを超え、平均小切手は4026ルーブルに達しました。



同社は自社のWebサイトにパーソナライズ技術を実装することを決定し、それは正しかった。製品カードに同様の製品がある製品推奨戦略のみが、コントロールグループと比較して+ 10.9％のコンバージョンの増加を示し、デスクトップの収益は+ 12.0％増加しました。







さらに、Perekrestokはアイテムカードにプロモーションアイテムを含むウィジェットを追加しました。これにより、デスクトップでの収益が2.5％増加し、モバイルバージョンでの収益が1％増加しました。オーディエンスの細分化により、新規顧客の収益はさらに10％増加し、現在の顧客の収益は5％増加しました。



検索に失敗した場合にパーソナライズされた製品の推奨事項を提供する「EmptySearch」ウィジェットは、ユーザーあたりの収益を3.1％増加させました。空の検索ウィジェットからの最大収益成長率は6.2％でした。



これらすべてのケースの背後には、ディープラーニングアルゴリズムを含む機械学習に基づくシステムがあります。ディープラーニングアルゴリズムは、ユーザーの行動や関心、および商品のプロパティに関するデータに基づいて、ユーザーごとに最も関連性の高い商品を選択します。サイトでの作業のあらゆる瞬間に彼に。機械学習は、ユーザーが属する顧客のセグメントを分析し、最も興味深いオファーを提供し、パーソナライズされた推奨事項を使用するための個別の戦略を選択するのに役立ちます。



結論として、今後数年間のパーソナライズは、小売セクターの大企業、銀行、中小企業を含むすべてのビジネスセクターに浸透すると言わなければなりません。機械学習、データ処理により、パーソナライズを可能な限り効果的にすることができます。しかし、忘れてはならないもう1つの重要なニュアンスがあります。これは、ユーザーデータの保護です。収集されるデータは安全である必要があります。これがないと、パーソナライズを使用できません。