Разработка систем электронной коммерции
Сотрудники каждого склада, которые хотят выстроить логистические процессы оптимальным образом, должны знать фактические габариты и вес товаров, которые хранятся на его площадях. Совокупность габаритов и веса товара в Ozon называют объёмно-весовыми характеристиками (ОВХ).
Мы разработали, собрали и интегрировали в операционные процессы складов Ozon устройства для измерения габаритов и веса товаров. Об этом мы писали ранее. Но к идее создания своего решения пришли не сразу.
Как продавать сложные, нестандартные товары на WB? Когда производство идет под заказ и доставка становится невыносимо долгой. Что делать, если отрицательные отзывы понизили рейтинг и карточка товара упала в выдаче? Как вернуть доверие покупателей и повысить привлекательность карточки? Как продвигать такие товары?
Компания по производству картин и зеркал начала продажи на WB, но не знала, как решить проблемы нестандартного товара. Перестали изготавливать под заказ и в 4 раза увеличили скорость доставки. Улучшили качество упаковки и стали получать положительные отзывы вместо отрицательных, рейтинг вырос с 3,7 до 4,3 баллов.
В 4 раза повысили ранжирование карточки за счет правильных ключевых фраз, графической воронки продаж и вышли в ТОП-20. Начали продавать КГТ (крупно-габаритные товары) и стали получать 20% дополнительного дохода. Нашли новые точки роста - расширили ассортимент: картины, сгенерированные нейросетью и модульные постеры. Прямая реклама не работала, поэтому увеличивали присутствие товаров на выдаче при помощи акций Wildberries.
Кейс селлера, который в 6 раз увеличил свои продажи с 345 324 р до 1 944 847 р.
Использование ML в онлайн-шоппинге не ограничивается рекомендациями товаров. Покупать одежду и обувь проще, когда у любого бренда ты знаешь нужный размер, видишь удачное сочетания товаров и легко находишь похожие внешне или по цвету вещи.
В Lamoda Tech мы создаем продукты, которые решают самые разные задачи пользователей и бизнеса. На митапе 28 марта мы рассказали, какие ML-модели работают у нас в проде и как мы строили эту работу.
Делимся с вами видео выступлений и презентациями.
Мне показалось интересным поделиться таким проектам. Может кто-то сможет применить в своем бизнесе или внедрить для своего клиента.
Мы разработали сервис дополнительной гарантии, который автоматически контролировал процессы дополнительных продаж для клиента.
«До того, как я поделился с тобой своей проблемой, я даже не представлял, как это сделать» — примерно такие слова в итоге я слышу от каждого своего клиента. И вот почему.
Я не делаю супер‑уникальные, мега‑дорогие, адски сложные проекты. Не собираю команду из 30+ человек.
Я решаю ребусы, с которыми ко мне приходят предприниматели со стороны ИТ технологий: как оптимизировать, как выжать больше из того что уже работает, соединить несоединяемое, впихнуть невпихуемое.
Разберем несколько примеров.
Всё течёт, всё изменяется. Особенно информация — она очень быстро устаревает. В e‑com неактуальные данные о товарах могут сильно подпортить клиентский опыт. Если удовлетворенность пользователей — важный фокус вашей работы, мне есть чем поделиться:)
Всем привет! Я Григорий Фрольцов, Product Lead машинного обучения в команде контента в СберМаркете. В этой статье я расскажу, какие «сюрпризы» могут происходить с данными об ассортименте, а также о том, с помощью каких продуктовых решений мы эти сложности решаем. Цель моей работы — добиваться максимально актуальной информации на витринах сервиса: с помощью ML и не только.
Расскажу про типовые и нетиповые проблемы. Опишу, какие инструменты используем, чтобы минимизировать рассинхрон в передаче знаний между оффлайн‑точкой и онлайн‑площадкой для торговли. Если вы аналитик или биздев в e‑com, продакт‑менеджер интернет‑магазина или работаете над эффективностью операций, точно найдёте для себя интересный инсайты.
Пара слов обо мне. У меня никогда не было серьезного плана делать свой продукт, открывать под это дело компанию, погружаться в custdev и вот это вот всё. Днем я работал в сеньёр девелопером, по вечерам - делал pet-проекты типа онлайн версии настольной игры или онлайн-редактора пиксель-арта, и все было хорошо.
Но в какой-то момент так совпало, что вопрос с жильем был решен, была накоплена финансовая подушка на пару лет и подвернулся интересный, как мне показалось, проект. Свою лепту также внес мой друг, который вложил в мою голову мысль, что со временем мы стареем, хуже учимся, труднее воспринимаем новую информацию, и чем дальше, тем будет хуже. Так что если я не хочу всю жизнь в найме провести - то вот подходящее время, когда и опыт уже есть, и силы еще есть.
В общем, мы разрабатываем PIM-систему catalog.app, и я оказался ответственным за весь процесс, начиная от общения с клиентами и формирования требований и заканчивая оптимизацией SQL запросов. В этой статье я расскажу, как наша система устроена внутри, и постараюсь обосновать, почему были выбраны именно такие подходы и инструменты, как у нас организован процесс разработки.
У нас нет кубернетеса, кликхауса, реакта, бессерверных вычислений, рэббит эмкью, кафки, кибаны, графаны, дженкинса, ноды, эластика, и много чего ещё нет. Зато есть дотнет последней версии, энтити фреймворк, нгинкс и шваггер. Я постараюсь рассказать, как и почему мы дошли до такой жизни, и жизнь ли это.
Вы не подумайте, все то, что перечислено выше и чего у нас нет, я считаю прекрасными инструментами (кроме ноды, нода ужасна), и со многим когда-то имел дело. Но любая сторонняя зависимость, а особенно инфраструктурная зависимость, имеет свою цену, и я искренне считаю, что на этом этапе развития проекта не все зависимости нам по карману. Возможно, в комментариях будет порция обоснованной критики по выбору технологий, мы постараемся к ней прислушаться.
Магазин китайских терморегуляторов повысил цены вместо демпинга и через 3 месяца стал зарабатывать 2,3 млн в месяц.
Многие компании уже имеют опыт продаж на маркетплейсах. Хорошо стартанули, но потом уперлись в потолок и не знают, как повысить свой доход, улучшить рентабельность. Какие ошибки мешают их масштабированию? Как за 2-3 месяца добиться кратного роста продаж и снизить долю рекламных расходов?
Селлер не мог увеличить свои продажи на Ozon и даже в сезон продавал терморегуляторы не больше чем на 500К Нацелили ассортимент на слабые стороны конкурентов и немного увеличили цены. Усилили логистику и стали держать топовые товары в наличии. Переделали карточки товаров и отстроились от конкурентов. Вошли в ТОП-2 из 1025 селлеров. Оптимизировали рекламу, и почти одной органикой повысили доход в 5 раз, а долю рекламных расходов снизили с 22% до 10%
Производитель ошейников от блох BioDoctor разработал свою рецептуру из эфирных масел, придумал дизайн и напечатал упаковку. Но все эти замечательные ошейники томились на складе, а продажи были, как кот наплакал: Ozon - 10 000 р. в месяц. Wildberries - 65 000 р. в месяц. Летний сезон был в самом разгаре, а кошки и собаки России все ещё гуляли без ошейников BioDoctor.
Рассказываем, как помогли производителю правильно позиционировать свой моно-продукт на маркетплейсах; поднять рейтинг карточки до 4,7 ⭐ и заработать 631 отзыв; выгодно управлять ценой; продвинуть товар в топ-2 по выдаче и увеличить оборот с 75 000 р до 1 500 000 р. в месяц.
В первой статье цикла мы рассказали про свойства алгоритмов качественных рекомендаций, которые необходимы для практического использования алгоритма. Во второй статье мы рассмотрели компоненты алгоритма «Сопутствующие товары». Но система рекомендаций для интернет-магазина состоит не только из алгоритма «Сопутствующие товары». Существуют и другие не менее важные алгоритмы.
В заключительной статье цикла мы рассмотрим несколько алгоритмов и разберем некоторые их компоненты, которые наиболее важны и отличаются от тех, что мы рассмотрели ранее.
В 2023 году с нуля запустили собственный проект по продаже настольных ковриков для ноутбука, клавиатуры и мыши. Нашли поставщика в Китае, доставили товары в Москву и запустили продажи на трех маркетплейсах: Ozon, Wildberries и Яндекс Маркет. Результат — более 5 млн руб. дохода за год на 12 SKU (ковриков разных цветов).
В статье расскажем о сильных и слабых сторонах каждого из маркетплейсов. На Ozon и Wildberries высокая конкуренция, не все рекламные инструменты одинаково полезны, но можно экономить на логистике и сокращать комиссию площадки. На Яндекс Маркете меньше конкуренция, низкая комиссия, встроенная нейросеть, отзывчивая техподдержка и рабочий инструментарий для буста продаж.
Делимся в кейсе лайфхаками, которые будут актуальны и в 2024 году:
• Как запустить продажи на всех маркетплейсах — алгоритм работы;
• Что делать при сезонном спаде и почему еще могут проседать продажи;
• Как экономить на логистике и сокращать комиссию площадки.
Всем привет!
Меня зовут Александр Николаев. В рознице я уже 18 лет, в основном специализировался в FMCG. Теперь работаю с такими товарами, как одежда, обувь, инвентарь и спортивное питание. Ещё есть 2 года опыта в IT тестировщиком, системным администратором и руководителем по обеспечению ПО. Участвовал в хакатонах на позициях PR, QA и UI дизайнером. После ухода многих компаний из РФ вернулся в ревизоры.
Что делает ревизор
Работа ревизора заключается в том, чтобы провести в магазине качественный пересчет, а после этого – качественное закрытие. Это нужно для того, чтобы у бизнеса была актуальная информация по наличию товарно-материальных ценностей в магазине.
В свободное время я работаю над несколькими проектами, которые, надеюсь, помогут мне и моим коллегам. Так как очень люблю программировать на Delphi и C# хочу рассказать о паре проектов, которые я пока разработал в демоверсиях. О них и будет пост.
В предыдущей статье цикла о качестве алгоритмов рекомендаций мы рассмотрели свойства, которые необходимы, чтобы рекомендации приносили пользу интернет-магазину на практике. В данной статье мы расскажем как обеспечить эти свойства на примере компонентов одного из алгоритмов.
Привет! Меня зовут Валентин Бритвич, я Unit Lead интеграций в СберМаркете. Когда СберМаркет был стартапом, мы начинали с одного Rails-монолита, но бизнес рос, и стали появляться сотни партнёров на подключение, кастомные интеграции, которые нужно поддерживать, а с ними и проблемы, с которыми сталкивается разработка в растущем бизнесе. В статье я расскажу про сложности роста Ruby-приложений, с которыми мы столкнулись, и о том, как с ними справиться.
Вы наверняка слышали термин «MACH-архитектура», которая включает в себя Микросервисы, API-First дизайн, Cloud-Native инфраструктуру и Headless фронтенд. На Хабре тема MACH архитектуры практически не поднимается ввиду как сложности полной реализации и того факта, что MACH обычно ассоциируют только с E-Commerce уровня enterprise. Настораживает, что вокруг МАСН много пиара, но очень мало кейсов внедрений. Собственно, данный обзор — об этом.
Искусственный интеллект (AI) открывает новые горизонты для персонализации, предоставляя уникальные возможности для анализа данных и прогнозирования поведения клиентов, что непосредственно способствует увеличению конверсии и укреплению лояльности. Способность AI к обработке информации о покупках и взаимодействиях позволяет создавать предложения, точно соответствующие личным предпочтениям каждого пользователя.
В данной статье мы изучим, как персонализация с использованием AI может существенно повысить конверсию, превращая процесс покупки в не только приятный, но и высокоэффективный опыт.
Всем привет, меня зовут Никита, я старший разработчик в компании Озон и работаю над iOS-приложением «Пункт Озон».
«Пункт Озон» — это мобильное приложение для работников и менеджеров пункта выдачи заказов (далее просто ПВЗ). В приложении множество различных разделов для повседневной работы. Самые популярные разделы — это «Приёмка», «Выдача» и «Инвентаризация», что в мобильной, что в web-версии. Именно они помогают выполнить главные задачи работников ПВЗ — принять заказы на баланс и позже выдать их клиентам.
Для скорости работы и защиты от ошибок работники ПВЗ производят эти действия через сканирование штрих-кодов, расположенных на самих заказах или на тарах, в которых они приезжают. Если брать web-версию, то там «все просто»: покупается нормальный/качественный отдельный сканер, подключается к ПК — и проблем, считай, нет. А вот с мобильным приложением дела обстоят немного не так. У смартфона есть только камера, и она явно не проектировалась под задачу «сканируем только штрих-коды». Но с другой стороны, камера делает фотографию, а раз у нас есть фотография, то можно там найти штрих-код. К счастью, Apple и Google предоставляют нам инструментарий для этого.
А раз я iOS-разработчик, то и рассказывать я вам буду о нашем iOS-приложении. И сегодня у нас в меню:
• с какими проблемами столкнулись пользователи при использовании мобильного сканера, и почему мы стали искать возможность его улучшения;
• сравнение инструментов, которые предлагает Apple;
• технический обзор одного из них;
• история его внедрения в наше приложение и конечные результаты.
NoCode чат-бот платформы — это конструкторы на базе искусственного интеллекта, использующие технологии обработки естественного языка для создания автоматизированных, но индивидуально настраиваемых диалоговых систем. Эти боты используют алгоритмы искусственного интеллекта, зачастую они задействуют API токен от OpenAI, который способен генерировать максимально приближенные к человеческому языку ответы.
С появлением GPT маркетплейса в январе 2023 года, кастомизация чат-ботов получила новый виток развития. Благодаря способности искусственных интеллектов работать с загруженными в них базами данных, стало возможным быстро создавать решения для различных бизнес-сценариев, сократив время разработки в десятки раз без привлечения разработчиков. Конечно, не OpenAi единым, для создания кастомизированных чат ботов использовать можно любую нейросеть — тот же Google Bard или Claude.
Тем не менее, существуют определенные ограничения. Во-первых, основой часто служит технология Chat GPT. Во-вторых, отсутствует удобная система интеграции с другими инструментами. К тому же, типичные решения предполагают работу с ограниченным количеством текстовых материалов, до 20 единиц, и взаимодействие в рамках этого контента.
Для создания действительно гибких и адаптированных под бизнес-процессы решений требуются кастомные подходы. Это включает разработку API для GPT, настройку серверов, обработку баз данных и разработку пользовательского интерфейса, что может быть затратно и сложно.
К счастью, сегодня доступны платформенные решения, упрощающие запуск чат-ботов. Для кастомизации достаточно иметь API-токен выбранной нейросети и базовое понимание работы с векторными базами данных и потенциальными сценариями использования. Эти решения обеспечивают быстрое и эффективное внедрение индивидуализированных чат-ботов, открывая новые горизонты для бизнеса. Про что в этой статье мы и расскажем!
В этой статье я продемонстрирую, как без собственного датасета сделать классификатор намерений пользователя для службы поддержки в сфере e-commerce. И более того, я расскажу, как у меня получилось сделать классификатор для русского языка без датасета на русском языке.
Меня зовут Елизавета Колмакова, я Data Scientist в компании, которая разрабатывает айти-решения для крупного ритейла.
Кейс по продвижению на маркетплейсах для собственников компаний, селлеров, руководителей по маркетингу и маркетологов.
Маркетплейсы принято делить на 2 вида: В2С и В2В. Например, Ozon, Wildberries и Яндекс Маркет считаются В2С-площадками, где физлица покупают у ИП и компаний что-то для дома, для себя. А есть такие как Alibaba или Сделки.ру, где ИП и компании покупают и продают друг другу.
Значит ли это, что В2В товары нельзя продавать на В2С маркетплейсах? Вместе с нашим клиентом —- компанией СКС, продающей кабельную продукцию —- вышли на В2С маркетплейсы. Сделали это в 2022 году, когда направление В2В там только начинало развиваться, сложно было оценить спрос и прогнозировать результаты. Проработали органику и рекламу, потом масштабировались и заняли 4,5% от рынка маркетплейса.
Если у вас уже есть бизнес и выручка с рекламы или других каналов, стоит попробовать продажи на маркетплейсах. Вы ничего не потеряете: товар имеется, бизнес-процессы налажены, — и есть возможность увеличить доход. По продвижению мы все риски берем на себя: оплата только за результат — 5-10% от роста оборота. Когда клиент приходит к нам уже со своим оборотом на маркетплейсах, то платит только % с прироста оборота.
В этом кейсе расскажем, как В2В запуститься на маркетплейсах и вырасти до 3,4 млн рублей в месяц.