Будущее поиска по товарам

Товарный поиск — один из основных инструментов цифровых продаж. По данным Shopify, использование клиентом поиска увеличивает вероятность конверсии в 1,8 раза, а продажи найденных товаров составляют 13,8% от выручки.

Prefixbox пишет уже о доле в 40−80% — особенно высокие показатели приходится на аптеки и книжные магазины. Объясняется просто: лекарства выписывают врачи, а книги советуют друзья и блогеры. Ещё до попадания в интернет-магазин клиенты точно знают, что им нужно, — и ищут. Здесь товарный поиск становится главным средством навигации.

Интересна и негативная статистика: от 10% до 25% запросов клиентов не дают результата, что обычно приводит к закрытию страницы магазина.

В других сегментах, допустим, fashion, важнее прочие инструменты: фильтры, актуальные подборки образов, сезонные распродажи. Однако и здесь немало покупателей ищут знакомые бренды, определенные категории или модные новинки.

Развивая пример с интернет-магазином одежды, вспомним, что в строку поиска редко попадают точное наименование позиции или артикул. В основном же, запрос исходит из потребности: куртка на осень, штаны для занятий в зале, солнцезащитные очки, рубашка официальная или обувь для танцев. Хорошо, если указан предпочитаемый цвет. Отлично, когда известен хотя бы один дополнительный параметр, будь то бренд, материал или фасон. Но даже так подходят десятки вариантов (про маркетплейсы и вспоминать не стоит), а уделять часы подбору «того самого» пуховика готовы далеко не все.

Если покупатель еще не определился, то поиск должен ему помочь. В пространстве интернет-ритейла именно этот сервис занимает место консультанта из каменного магазина, помогая найти лучшее предложение среди огромного числа забитых стендов и стеллажей.

Поэтому поиск — интерфейс коммуникации покупателя и ритейлера.

«Умные» инструменты в товарном поиске появились в середине 10-х вместе с совершенствованием ИИ и методов анализа больших данных: поиск по картинкам, голосовой ввод, фасетная фильтрация, персонализация, автоматический мерчендайзинг и много чего еще. Сегодня эти фичи являются стандартом рынка и есть во всех уважающих себя решениях.

Крупный российский ритейл (за исключением Яндекса) не занимается разработкой собственных поисковых систем, ведь это не выгодно: ресурсы на развитие ИТ ограничены и преимущественно расходуются на уникальные решения, заточенные под индивидуальные потребности.

Рынок поисковиков для екома представлен всего тремя-четырьмя сервисами, выделить конкурентные преимущества между которыми почти невозможно. Они предлагают схожую функциональность, элементы настроек, варианты размещения и в целом все, что касается технических возможностей. Разнится лишь реализация: где-то запросы быстрее передаются, у кого-то сортировка поточнее работает.

Основная же конкуренция заключается в поиске (иронично) баланса условий для бизнеса:

И дело не в том, что продукты — плохие. Наоборот, их команды вобрали лучшее из технологий и занимаются огранкой: оптимизацией алгоритмов, повышением отказоустойчивости, масштабированием инфраструктуры и другими задачами категории would be nice.

Would be nice — группа характеристик продукта, без которых пользователь готов прожить, но появление чего ожидает в ближайшее время.

Для наглядности рассмотрим процесс формирования поисковой выдачи с трех ключевых сторон:

Первое, с чем необходимо разобраться поиску — правильно определить задачу клиента. На этом этапе главная сложность для сервиса: переработать человекопонятный запрос в набор сущностей, которыми оперирует ИТ-решение. Здесь сервис проходит два уровня анализа:

Языковой — разные социальные группы по-разному употребляют одинаковые слова и фразы. Кроме того, русский язык славится многообразием падежей, сложносоставными конструкциями, обилием переносного смысла и великим множеством замудренноинтерпретируемых характеристик (наглядно).

Логический — человекопонятные запросы довольно абстрактны: например, «мангал для похода». Нам легко додумать, что мангал должен быть легкий, маленький, возможно складной. Этого же клиент ждет и от поиска, которому нужно корректно адаптировать выдачу, применив необходимые фильтры и сортировку.

Выделим основные инструменты, применяемые на этом этапе.

Интерпретация натурального языка и непрямых пользовательских формулировок в запросе.

Анализ паттернов поведения покупателей для постоянного роста конверсии в долгосрочной перспективе.

Базовый элеме… (нт хорошего поиска).

Поиск по словам в других родах, падежах, числах, склонениях и частях речи.

Лонгслив, свитшот, толстовка, кофта, майка, фуфайка — люди по-разному называют одни и те же вещи, хоть это не всегда правильно.

Понимание неправильной раскладки клавиатуры

Например, «Vs ;t ujdjhbkb».

Даже самые грамотные пользователи иногда ошибаются.

Большие данные — неотъемлемая часть екома. Сегодня конкурентные преимущества получает не тот, кто занимается анализом бигдаты (то есть, все значимые игроки), а тот, кто в ходе анализа извлекает наибольшую бизнес-ценность. И задача эта крайне нетривиальна — наиболее важные аспекты отражены в концепции 3V:

Соответственно, передовые поисковые системы:

C первыми двумя пунктами все очевидно, а вот на третьем задержимся.

Запрос, передаваемый в поиск, обычно состоит из фразы или картинки, а результат выдачи зависит от единственного фактора — совпадению атрибутов товаров из фида с конкретными метатегами, которые смог интерпретировать поиск. Этой информации обычно недостаточно, и в итоге клиент получает:

• Сто страниц по сто товаров на каждой;
• Ноль страниц и ноль товаров.

Оба варианта сложно назвать хорошими — покупателю придется уточнить или изменить запрос, вручную выбрать категории и фильтры, разочароваться и закрыть страницу магазина.

В процессе онлайн-покупок клиент одновременно учитывает множество факторов:

Список можно продолжать, но важно другое: покупатель выбирает тот или иной товар, опираясь на желания, потребности и возможности — только поиск о них ничего не знает. В отличии от ритейлера, который десятками метрик отслеживает каждый шаг посетителей виртуальной витрины.

Обезличенные цифровые следы (ОЦС) — информация о действиях пользователей в интернете. К ним относятся история просмотров, проведенное на страницах время, переходы по ссылкам, передаваемые запросы, нажатия на кнопки и буквально все поведение человека вплоть до движений курсора мыши.

Эти данные можно передавать поиску вместе с запросом, таким образом формируя уникальную систему правил подбора товаров.

Автономным поисковым решениям в екоме сложно работать с потребностями клиентов без доступа к ОЦС. Добавление инструментов обработки клиентских данных откроет новые точки роста ключевых показателей торговли.

Как уже замечено выше, качество результата поисковой выдачи зависит от объема данных, полученных при запросе. Анализируя ОЦС большого числа покупателей, сервис поиска может научиться выявлять паттерны поведения похожих групп клиентов.

Еще более продвинутый вариант использования паттернов — предсказание потребностей в долгосрочной перспективе. Тот же сервис спустя полгода покупок детского питания может предлагать одежду большего размера, книжки, тренажеры.

Описанный выше случай отражает взаимодействие двух систем: поиска и рекомендаций. Эта связка способна не только учитывать потребности клиента, но и дополнять их.

Конкурентные аналоги и напоминания об интересах.

Автоматические подборки похожих товаров.

Часто покупаемые товары из той же или похожих категорий.

Аксессуары и комплектующие.

Для товаров с известным циклом покупки.

Реклама товаров с быстрорастущей популярностью.

Что касается задач по улучшению CX, то они легко изолируются от остальных процессов компании, поэтому рынок и наполнен узко специализированными коробочными решениями. Но кажется, этого недостаточно. В концепции эволюционного развития больше неэффективно рассматривать сервисы только с точки зрения возможностей конкретного продукта.

Каждый еком проводит покупателей через множество интерфейсов: поиск, фильтры и категории, маркетинговые предложения, систему рекомендаций, статьи с обзорами товаров, систему отзывов, корзину, выбор платежного сервиса и оператора доставки. Обычно эти технические решения между собой почти не связаны: часть — самописные, другие поддерживаются сторонними вендорами, третьи и вовсе остались заброшенными легаси.

Недостаток связи между сервисами — серьезная преграда на пути улучшения покупательского опыта, ведь каждый из этих сервисов оперирует данными, представляющими бизнес-ценность, но они остаются замкнутыми внутри локальных решений.

Например, если представленные на витрине товары не учитывают географию складов, сборка и доставка заказа могут занять критически много времени. Или возникают случаи, когда персональные акции отражаются только на странице программы лояльности, а узнать о них из каталога — невозможно. Таких сценариев невероятное множество, и все они мешают клиенту приобрести товар.

Мы увидели новые возможности развития екома в налаживании связности между сервисами. Ensi Cloud — первая экосистема данных для электронной торговли, объединяющая полнофункциональные AaaS-решения по трем принципам единства:

Сервисы экосистемы сопровождают покупателя на всем пути: от просмотра каталога до момента оплаты. Информация о действиях пользователя на одном этапе оказывается полезной и на других. Тот же поиск может предлагать варианты товаров с наименьшим временем доставки или анализировать статистику рекомендаций, добавляя в выдачу релевантные персонализированные предложения. Синергия сервисов существенно повышает конверсию, средний чек и вероятность новой покупки.

Сейчас развиваются три первых сервиса:

В то же время сервисы являются самодостаточными полнофункциональными решениями и доступны к автономному внедрению. Это оптимальный вариант при необходимости использования отдельных систем, который откроет возможность быстрой установки новых продуктов экосистемы в будущем.

Ensi Cloud Search и Adviser относятся к категории облачных AaaS-сервисов, то есть предоставляют ответы с высокой бизнес-значимостью (Answers-as-a-Service).

Принцип поиска прост:

Adviser же сопровождает клиента не только при поиске, но и в других сценариях: на главной странице, в карточках товаров, в тематических разделах и так далее.

Сервисы Ensi Cloud доступны интернет-магазинам и маркетплейсам с любым уровнем зрелости — для интеграции будет достаточно знаний штатного разработчика сайтов.

В панели администратора можно управлять не только параметрами Search и Adviser, но и другими продуктами Ensi Cloud. Также для работы всем сервисам достаточно одного трекера и потока данных: фидов, доступа к истории заказов, логистических, маркетинговых и прочих инструментов.

Отслеживать эффективность продуктов Ensi Cloud можно в разделе статистики и аналитики. В нем представлены наглядные диаграммы по основным параметрам взаимодействия с сервисами.

В панели администратора Ensi Cloud доступны no-code настройки выдачи и товарных рекомендаций. В них можно самостоятельно обновлять словарь синонимов, корректировать фиды, продвигать необходимые товары и многое другое.

Стоимость использования Ensi Cloud зависит от требований конкретного бизнеса и выбранного набора продуктов и услуг. Мы предлагаем возможность конфигурирования функциональности, чтобы обеспечить оптимальное соотношение эффективности и доступности. Для более серьезных задач предлагаем on-premise размещение, выделенный сервер и SLA 24/7.

Вариантов оплаты также два:

Ensi Cloud находится в начале жизненного пути и активно насыщается функциональностью. В бэклоге развития запланировано более 90 задач, среди которых: