Бросок в корзину: как AI помогает онлайн-ретейлерам наращивать продажи
По совету друзей
Ученые из Tinkoff Research создали алгоритм, который корректнее других аналогов предсказывает, какие товары клиенту потребуются в ближайшем будущем с учетом точного момента покупки, рассказали Forbes в «Тинькофф». Он получил название Time-Aware Item-based Weighting (TAIW), а результаты исследования были представлены на международной конференции по рекомендательным системам ACM RecSys (Association for Computing Machinery Conference on Recommender Systems), состоявшейся в сентябре 2023 года в Сингапуре.
Новый метод анализирует не только предыдущие покупки клиентов и схожие предпочтения других пользователей, но и временные интервалы между покупками, индивидуальные для разных пользователей, сообщили в Tinkoff Research. «Человек может покупать какой-то товар с уникальной частотой: например, устраивать себе читмил с определенным продуктом в субботу каждой третьей недели месяца. В остальное время рекомендации этого продукта или схожих товаров не актуальны для пользователя, несмотря на то, что он неоднократно покупал их раньше. Ранее эти данные редко учитывались рекомендательными системами», — поясняет руководитель Tinkoff Research Сергей Колесников.
Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW стал самым эффективным методом среди аналогов в задаче next basket recommendation (NBR), которую решают все онлайн-магазины, за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Согласно результатам экспериментов, алгоритм повышает точность рекомендательной системы до 8%. «Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на контроль домашних запасов и выбор новых товаров, — размышляет Колесников. — TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент».
Патентовать изобретение в Tinkoff Research не планируют, называя это «вкладом в научную opensource-культуру»: «Научные статьи Tinkoff Research публикуются в свободном доступе и презентуются на научных конференциях, где собираются специалисты по ИИ со всего мира. Информация о новом алгоритме доступна для всего сообщества и всех компаний, что содействует общеотраслевому развитию».
На вопрос о том, будет ли «Тинькофф» монетизировать алгоритм и предлагать его рынку, директор по продукту лайфстайл «Тинькофф» Илья Воробьев ответил, что компания планирует применять TAIW в «Тинькофф Городе» — сервисе ежедневных покупок в приложении «Тинькофф». Кроме того, им смогут пользоваться партнеры «Тинькофф Города».
Рецензии коллег
RecSys — действительно топ-конференция в области рекомендательных систем, которая собирает лучших исследователей в области, сообщил Forbes исследователь в области рекомендательных систем из Университета Глазго Александр Петров, который принимал участие в недавней ACM RecSys. «Публикация результата там — большое достижение. Для принятия на конференцию статья проходит рецензирование учеными из ведущих университетов и компаний, и в целом результату можно верить», — говорит он.
Александр Петров в то же время указывает на необходимость учитывать, что это результаты офлайн-экспериментов, и как они сконвертируются в количество покупок — неизвестно: «Надо проводить настоящий эксперимент на живых пользователях и смотреть на воспроизведение результатов другими исследователями и применение в других работах».
8% увеличения метрики точности — достаточно много для научной публикации, обычно эта цифра бывает ниже, обращает внимание Дмитрий Киселев, кандидат физико-математических наук, научный сотрудник Института искусственного интеллекта AIRI. По его словам, на этой же конференции RecSys был представлен ряд моделей, которые могут быть адаптированы для предсказания корзины. «У каждой из них свои слабые и сильные стороны. Команда Tinkoff Research приблизилась к решению части важных технических «болячек» подобных систем, добавив к алгоритму учет времени и персональные веса для каждого отдельного товара. Это помогло лучше понимать частоту покупок для разных товаров, особенно для тех, что приобретают относительно редко. Это полезное свойство для рекомендательных систем в e-commerce. Я часто забываю добавить в корзину продукты, которые покупаю редко, например поваренную соль или бытовую химию. Если за меня это сделает рекомендательная система — буду рад», — говорит Киселев.
Инновации в области рекомендательных систем, особенно те, которые учитывают временные аспекты и периодичность покупок, могут быть очень значимыми для e-commerce, полагает сооснователь Just AI Кирилл Петров. Традиционные рекомендательные системы, по его словам, часто сосредоточены на предпочтениях пользователей, основанных на их прошлом поведении, без учета временных рамок. «Алгоритм, который учитывает временные шаблоны, может предсказывать не только то, что пользователь захочет купить, но и когда он собирается это сделать, что повышает вероятность совершения покупки, — продолжает он. — Это улучшает персонализацию предложений, а маркетологи могут использовать эту информацию для запуска рекламных кампаний и специальных предложений в моменты наибольшей вероятности покупки, что повышает ROI маркетинговых усилий». Однако эффективность такого алгоритма в реальных условиях должна быть доказана экспериментально, обращает внимание Кирилл Петров.
Помогите выбрать
Мировой рынок онлайн-торговли растет ускоренными темпами с начала пандемии COVID-19. По оценкам eMarketer, в 2023 году объем глобального e-commerce приблизится к $6 трлн, а в 2027 году превысит $8 трлн. Это одно из самых динамично развивающихся направлений экономики, где разворачивается серьезная конкуренция как между технологическими гигантами, которые выступают площадками, так и между отдельными небольшими продавцами (например, по данным на 2022 год, более 60% продаж на Amazon делают независимые селлеры). Также растет и ассортимент: к примеру, на маркетплейсах могут быть представлены миллионы или даже миллиарды товаров.
В России рост интернет-торговли также продолжается стремительными темпами. Так, по прогнозу Data Insight, в 2023 году объем продаж на рынке e-сommerce в России достигнет 7,4 трлн рублей, рост составит 30%. Причем еще несколько лет назад, по итогам 2018 года, объем рынка едва превысил 1 трлн рублей, и это был большой рубеж, который отмечали все игроки и эксперты. Но в 2022 году доля онлайна составила уже 15% от всего рынка ретейла и 30% от рынка непродовольственного ретейла. То есть почти каждый третий товар, без учета продуктов питания, покупается онлайн.
Во многом такому росту способствовал не только COVID-19, хотя его роль в приобщении новой аудитории к интернет-магазинам трудно отрицать, но и технологии. В частности, рекомендательные алгоритмы. «Растет число похожих вариантов для покупки, а процесс выбора становится все более затруднительным, — говорят в Tinkoff Research. — Для продавцов также все сложнее становится привлекать и удерживать внимание покупателей. Когда пользователи сталкиваются с огромным выбором товаров, алгоритмы рекомендаций становятся персональными помощниками, предлагая подходящие варианты и сокращая временные затраты на поиск».
Сегодня на современных маркетплейсах представлены миллионы товаров, и если не знать, что конкретно хочешь приобрести, на поиск подходящего можно потратить очень много времени и сил. «Большинство игроков рынка старается сделать все внутри своего продукта максимально персонализированным: лента товаров на главной странице, поисковая выдача, фильтрация поиска и т. д., — рассуждает Дмитрий Киселев. — Классический пример рекомендательной категории под названием «С этим товаром часто покупают» помогает увеличить средний размер корзины пользователя и положительно влияет на выручку. Кроме того, важно, чтобы рекомендации были действительно релевантными для конкретного человека, иначе пользователь начнет их игнорировать. Все мы хоть раз сталкивались с ситуацией, когда одна попытка найти в сети удобрения для моркови в саду родителей минимум на неделю заполняла «предложку» товарами из категории «я люблю отдых на даче». В таком случае маркетплейс теряет или важный механизм продвижения продуктовых линеек, или пользователей, которые устали от лишнего «шума».
Российские участники рынка e-commerce все активнее используют такие алгоритмы. «В частности, машинное обучение — для персонализации опыта покупателя. Большая часть пользователей маркетплейса ежедневно просматривает разделы с персональными рекомендациями», — сообщили Forbes в Ozon. Там также рассказали, что в этом году компания активнее инвестировала в это направление, и уже виден «позитивный результат»: «Благодаря усилению персонализации мы увеличиваем долю оборота, которая приходится на нашу рекомендательную систему. За последний год она выросла почти на 60% — с 7% до 11% от всего оборота». Впрочем, по мнению партнера Data Insight Федора Вирина, рекомендательные механизмы существуют уже много лет, они имеют «некоторую нефантастическую эффективность и давно у всех внедрены».
Рекомендательные системы в e-commerce, помимо персонализации пользовательского опыта и увеличения среднего чека, помогают компаниям оптимизировать управление запасами, рассуждает Кирилл Петров. «Рекомендательные системы значительно улучшают не только экономические показатели бизнеса, но и удовлетворенность клиентов. Это создает более эффективную и целевую модель продаж, которая позволяет компаниям быть более конкурентоспособными и снизить необходимость в традиционных форматах маркетинга», — считает он.
Помимо самих рекомендаций, важная задача, над которой сейчас работает большинство исследователей, — автоматически объяснять, почему тот или иной товар был показан пользователю, говорит Киселев из AIRI. «Представьте, что вы хотите купить дрель, но почти в них не разбираетесь. На маркетплейсах представлено огромное количество разных инструментов. Если рексистема не просто подберет для вас какую-то дрель, но еще и подскажет, почему именно эта дрель подходит вам, то тратить лишнее время на изучение продуктовых характеристик и сравнение разных вариантов не придется. Решение этой научно-технологической задачи станет серьезным двигателем на рынке e-commerce», — заключает он.