«Лаборатория поисковой аналитики»: превращаем советы в деньги. Часть 1

Михаил Сливинский: Здравствуйте, дорогие зрители SeoPult.TV! В эфире «Лаборатория поисковой аналитики» и я, ее ведущий, Михаил Сливинский. Сегодня мы поговорим о новом для Рунета и, в общем-то, уникальном явлении — о стартапе RetailRocket. Сегодня у нас в гостях Николай Хлебинский, руководитель проекта. Коля, привет!
Николай Хлебинский: Привет, Михаил!
М. С.: Расскажи, пожалуйста, в чем суть проекта и в чем ваши отличия от конкурентов, если они есть, в чем ваша сила и что вы, собственно, предлагаете клиенту?
Н. Х.: Во-первых, спасибо за приглашение! Действительно, я руковожу проектом RetailRocket. Это облачный сервис, который повышает доход интернет-магазинов с помощью товарных рекомендаций. Мы используем сложные big data модели для формирования наших товарных рекомендаций, и работает это следующим образом: наш сервис анализирует ключевые события, которые отражают интерес пользователей интернет-магазина к его товарам, и саму товарную матрицу. Вот как раз с помощью этого анализа формируются товарные рекомендации, которые потом демонстрируются пользователям интернет-магазина посредством нашего виджета или через API, которое мы предоставляем.
М. С.: Коля, а что является «событием»? Это ведь, наверное, не только заказ, но и просмотр модели и какие-то другие действия, может быть?
Н. Х.: Событий может быть очень много. Самые простые, естественно, это просмотр товара, добавление товара в «Корзину», его покупка. Может быть очень много событий, похожих на них. У многих магазинов есть функционал «Отложить», можно написать к товару комментарий, как-то его лайкнуть, поставить ему рейтинг и т. д., до бесконечности.
М. С.: И ваша система позволяет все эти действия учесть, взвесить так, как владелец сайта считает нужным, да?
Н. Х.: В данный момент мы предоставляем несколько основных событий, самых распространенных, и их аналоги можно использовать как раз для второстепенных событий, которые помогают дополнительно обучать систему.

Сервис повышает экономическую эффективность интернет-магазинов по нескольким ключевым направлениям. Во-первых, это конверсия: размещая товарные рекомендации на сайте магазина в тех или иных местах, мы предоставляем пользователям альтернативный способ навигации по сайту и предлагаем им товары, которые, по сути, с очень большой вероятностью именно сейчас нужны этим конкретным пользователям.

М. С.: Коля, мне просто сейчас шальная мысль в голову пришла: помимо конверсии (ну, — это очевидный профит для такого проекта, он логичный), может быть, есть какие-то не очень очевидные вещи? Например, если вы увеличиваете конверсию, вы увеличиваете количество активных действий пользователя на сайте? Может быть, это еще на SEO положительно влияет, с твоей точки зрения?
Н. Х.: Да, на SEO влияние, несомненно, есть. Так мы и говорим, что, по сути, мы приводим дополнительный трафик из поисковых систем.
М. С.: А, даже так!
Н. Х.: Да. Складывается это из нескольких факторов. Рекомендации отлично перелинковывают товары и увеличивают внутренние ссылочные факторы.

Наши тесты показали также, что товарные рекомендации во всех случаях, на всех магазинах, на которых мы тестировались, увеличивают среднее время на сайте, среднюю глубину просмотра, что, безусловно, положительно складывается на поведенческих факторах, и все это вместе очень сильно влияет на ранжирование в поисковых системах.

По сути, мы помогаем приводить трафик из поиска дополнительно.
М. С.: Боже мой, просто бальзам на сердце! Сеошники, вы слышите, да? Нормальный, «белый» механизм товарных рекомендаций: «по-белому» вы помогаете пользователю, и параллельно помогаете поисковой машине, и себе обеспечиваете трафик. Ну, классно, ни добавить ни убавить! Ваша система рекомендаций фактически является хорошей, позитивной альтернативой перелинковкам, которые устраивают сеошники на своих сайтах?
Н. Х.: Именно так.
М. С.: Круто!
Н. Х.: Ну, кроме того, мы применяем upsale- и crosssale-механики, которые позволяют увеличивать средний чек, и все эти факторы вместе положительно влияют на сам доход, который получает интернет-магазин. Существует несколько механик отображения рекомендаций. Здесь, на скриншотах, приведены две самые традиционные, которые мы используем: это рекомендация в карточке товара и рекомендация при добавлении товара в «Корзину». Есть еще масса способов показать рекомендации пользователям: это могут быть аксессуары, это могут быть модули рекомендаций в «Корзину». Также мы уже предоставляем возможность поставить рекомендации на страницах товарных категорий, мы отражаем там самые востребованные товары как раз исходя из поведенческого анализа, из контентного анализа на страницах самих категорий. И наверное, очень интересный еще момент относительно главной страницы магазина. У многих интернет-магазинов всегда стоит большой вопрос: а что же поставить на главную страницу? Мы ответ на этот вопрос тоже нашли.
М. С.: Вы в состоянии дать рекомендацию даже в том случае, когда интерес пользователя не выражен в явном виде, в переходе на конкретный товар?
Н. Х.: Да.
М. С.: То есть вы совсем мало о нем знаете, вы агрегируете ваши данные до уровня, достаточного для построения рекомендации?
Н. Х.: Да, совершенно верно.
М. С.: Это классно! Я как раз недавно думал о том, что мы, например, в Wikimart ранжируем листинги для увеличения профита, и на самом деле это ведь тоже рекомендация, просто на входе данные другие, потребность немножко другая, но в тоже рекомендация.
Н. Х.: Совершенно верно. Что здесь можно еще добавить? Рекомендации могут использоваться не только на своем сайте: мы предоставляем API, которое может использоваться и в других источниках или рекламных каналах, например в e-mail-маркетинге, сейчас он набирает большие обороты. Система для отправки рассылок может обращаться к нашему сервису, например, если человек добавил что-то в «Корзину», но покупку не завершил. Классический такой сценарий, e-mail-маркетинг брошенной «Корзины». Можно отправить ему альтернативы или отправить после заказа, спустя какое-то время, товары, которые могли бы также человек заинтересовать.
М. С.: Вы занимаетесь именно товарными рекомендациями? По большому счету, крупные контентные проекты тоже заинтересованы в подобного рода системах, но там рекомендация контентного рода, да? Этого вы не делаете?
Н. Х.: Прямо сейчас не делаем, но на самом деле разница не очень большая. Мы уже подключаем несколько «около e-commerce» проектов: это купонные сервисы, это прайс-агрегаторы, где, по сути, тоже есть некие контентные сущности, мы сейчас их называем товарами просто потому, что нам это удобнее, но на самом деле эти сущности могут быть какими угодно. И события, которые отражают интерес пользователей к этим сущностям, в принципе, очень похожи: это какие-то действия, которым мы присваиваем некие условные веса. Разница небольшая.
М. С.: Ну очень интересно! То, что я слышу, просто фантастически выглядит. А есть ли какой-то порог входа в эту систему, нужно ли мне иметь 100 тыс. трафика в сутки, чтобы к вам подключиться, или 100 тыс. товаров? Какие-то минимальные лимиты?
Н. Х.: Лимитов никаких нет, подключиться к нам может кто угодно, и это довольно просто.

Сложность подключения не превышает сложности подключения к «Яндекс.Метрике». По сути, можно поставить на сайт JavaScript-код и отдать нам XML-файл с выгрузкой товаров. Это занимает не больше 15-20 минут даже у младшего IT-специалиста.

М. С.: И лимитов нет? Даже маленький интернет-магазин может к вам подключиться?
Н. Х.: Совершенно верно. Есть, скажем так, некий смысловой барьер, поскольку если это ну совсем маленький интернет-магазин, где 200-300 товаров, эти товары можно «пересечь» вручную…
М. С.: Ну да.
Н. Х.: И естественно, никакая машина до человека не дойдет, это будет просто лучше. Но здесь возникают уже барьеры, связанные с IT: нужно разработать некую систему перелинковки, ее нужно поддерживать, возникают нюансы вроде специальных цен для скидок или отсутствия товара в наличии, что тоже надо учитывать. Это полноценный продукт, который надо поддерживать, поэтому маленьким магазинам в том числе это будет удобно.
М. С.: Да, я услышал. А скажи, пожалуйста, ведь вы, наверное, через свой JavaScript-счетчик получаете достаточно много персональной, конфиденциальной информации и о стоимости товара, и о конверсиях, и еще о многих делах, да? По крайней мере, крупные проекты точно заинтересует вопрос: а вы обеспечиваете какую-то безопасность, сохранность этих данных?
Н. Х.: Безусловно. Для нас это, прежде всего, репутационный риск. Мы ни при каких обстоятельствах не разглашаем никакой информации и прикладываем все усилия к ее сохранности: шифруем, закрываем и т. д. Ну, здесь очень многие, с кем мы уже общаемся, естественно, спрашивают об этом, это волнует очень многих. На мой взгляд, это волнение чрезмерно, и в некоторых местах, в каких-то крайностях даже не до конца обоснованно. Я как аналитик со стажем знаю очень немногих людей, которые могут из своих статистических данных извлечь какую-то пользу и выгоду. Что уж говорить о чужих данных! Я могу какие-то свои цифры показать сейчас, и хотел бы я посмотреть на человека, который попробует извлечь из этого пользу. В этом плане, конечно, переоценены какие-то риски и издержки, но тем не менее мы относимся к этому очень внимательно, потому что понимаем, как это важно для тех, кто с нами работает.
М. С.: Ну да, наверно переоценены действительно. Помнишь, AOL когда-то выложил логи пользователей, в 2006 году, что ли, и там случился «бумс» какой-то, кто-то что-то там нашел. Случай, в общем, чуть не исключительный, однако последовало много всяких разных действий, не очень приятных для разработчиков, в том смысле, что стало сложнее находить такого рода данные просто для обучения алгоритмов и т. д. Ну, о’кей, то есть страхи эти существуют, и вы их слышите, и вы принимаете все меры, чтобы данные не ушли никуда.
Н. Х.: Да.
М. С.: Коля, спасибо большое! Было очень интересно услышать вводный рассказ о сервисе RetailRocket. Буквально в ближайшую передачу я приглашу технических специалистов из компании RetailRocket, чтобы они рассказали о том, как, собственно, можно подключить свой магазин, и какие алгоритмы там работают, и как они повышают счастье пользователя. Коля, спасибо большое, что пришел, было интересно услышать твой рассказ.
Н. Х.: Спасибо!
М. С.: Спасибо большое, уважаемые зрители! До встречи в эфире.