Поиск — один из основных инструментов, который влияет на конверсию в заказ в сервисах доставки еды. Если пользователь ищет блюдо или конкретный ресторан в продукте, но не находит, то он, скорее всего, уйдет.
Чтобы конвертировать больше пользователей в покупку, продакт-менеджерам e-commerce сервисов важно работать над оптимизацией поисковой выдачи. В этом кейсе рассказываем, как в Delivery Club:
- Проанализировали работу поисковой выдачи и нашли в ней узкое место.
- Выдвинули гипотезы по оптимизации поиска.
- Запустили рекомендательную систему в поиске и добились результатов:
Как Delivery Club ищут точки роста
Одним из инструментов поиска точек роста в Delivery Club является Amplitude. В компании используют инструмент с двух сторон:
- Как инструмент Self Service аналитики — все команды в Delivery Club могут работать с продуктовыми данными и генерировать гипотезы.
- Как источник продуктовых данных для Deep Analytics — аналитики Delivery Club глубоко анализируют поведение пользователей в продукте с помощью SQL, Python и машинного обучения.
В этом кейсе рассказываем, как продуктовая команда Delivery Club изучила работу поиска и вырастила ключевые метрики бизнеса.
Кейс Delivery Club по оптимизации поисковой выдачи
Поиск — одна из основных фичей продукта Delivery Club. Когда продуктовая команда начала анализировать его работу, выяснилось, что чаще всего при запросе поиск выдает пользователю нулевой результат. Работа по поиску проблемного места и превращения его в точку роста велась в 3 шага:
- Предпроектная аналитика: анализ поиска и неожиданное узкое место
- Оценка масштабности
- Эксперимент и отслеживание результатов.
Шаг 1 — анализ поиска и неожиданное узкое место
Delivery Club построили воронки по результатам поисковой выдачи и увидели, что в поиск переходит около 20% всех пользователей сервиса.
Просегментировали результаты поисковой выдачи по количеству ресторанов и обнаружили, что самый большой сегмент — с пустой выдачей.
Шаг 2 — оценка масштабности
Delivery Club проанализировали самые популярные запросы с пустой выдачей и отсортировали их по частоте. В топе оказались вполне адекватные запросы: «кфс», «шоколадница» и так далее.
Первые 10 запросов генерировали около 50% всех запросов поиска. Стало понятно, что если научиться обрабатывать даже 10 самых популярных запросов, то получится поднять конверсию в заказ.
Исходя из полученных данных предположили:
1. Люди могут делать опечатки, и с этим можно работать.
2. Возможно, люди ищут рестораны, которые есть на платформе, но они не доставляют по конкретному адресу или в конкретное время.
С помощью формулы GMV (Gross merchandise volume) в Delivery Club рассчитали, что возможный эффект от улучшения поисковой выдачи принесет бизнесу от 40 млн рублей прибыли, поэтому решили запускать рекомендательную систему.
Шаг 3 — эксперимент и отслеживание результатов
Delivery Club запустили рекомендательную систему. Она работает так, что если пользователь ищет KFC, а они не доставляют по определенному адресу, можно предложить доставку McDonald’s и Burger King. Это не будет на 100% релевантным результатом, но предложенная альтернатива повысит конверсию в клик по ресторану и последующий заказ.
В ходе эксперимента удалось:
- сократить долю пустых результатов в поисковой выдаче Delivery Club
- повысить конверсию в клик по ресторану
Нам было важно смотреть на конверсию в клик по ресторанам, и для этого я использовала сегментацию воронки в Amplitude. Я посмотрела, сколько из тех людей, которые перешли в поиск, кликнули по ресторану, и увидела прирост. У нас была конкурирующая метрика, которая показывала, что мы не просто снизили пустые выдачи, а на самом деле сделали прирост. То есть конверсия не упала, значит мы в целом сделали бизнесу хорошо.
Елизавета Кислицына, product-менеджер Delivery Club
- увеличить среднее количество ресторанов, которое видит пользователь на запрос
Вывод — лучше выдавать менее релевантные запросу пользователя ответы на запрос, чем совсем не выдавать результаты.
Суммарные результаты
Поработав над синонимами и пустыми результатами выдачи, в Delivery Club сделали так, что в среднем увеличилось количество ресторанов, которые получает пользователь на свой запрос. И в совокупности это повлияло на конверсию в клик по ресторану из поиска и на конверсию в заказ из поиска:
Мы проанализировали все поисковые запросы, но это был достаточно верхнеуровневый подход. Сейчас используем Amplitude, как аналитики, и работаем с API Amplitude, выгружаем себе сырые данные и применяем их для внутреннего исследования: строим свои графики и инструменты.
Мы сейчас взяли в работу анализ всех поисковых запросов и теперь не просто их агрегируем и чистим вручную, а уже применяем какие-то сложные механизмы: NLP, look-alike. Максимально сегментируем и максимально глубоко анализируем пользовательское поведение. Смотрим, после каких запросов и что пользователи покупают, после каких запросов пользователи не покупают или покупают не то, что искали, а то, что мы им даем. И все это мы делаем в Amplitude.
Владимир Абазов, руководитель отдела продуктовой аналитики Delivery Club
Данный кейс показывает потенциал работы с поиском. Анализ работы поисковой выдачи поможет найти точки роста и увеличить потенциальную прибыль. Для e-commerce продуктов важно отслеживать, какие запросы делают пользователи, какие результаты получают и как это влияет на конверсию в заказ.
