ГлавнаяКейсы
Московский дом книги

Ритейл

ML Space помогла Московскому дому книги увеличить средний чек на 15%

Как рекомендательная система, доработанная и развернутая на платформе ML Space, смогла выяснить вкусы читателей и сделать им предложение, от которого невозможно отказаться.

О компании

Московский дом книги — крупнейшая и одна из старейших сетей книжных магазинов, расположенных в разных районах столицы: от центра до «спальных» окраин. В сети, кроме центрального магазина на Новом Арбате, есть специализированные, универсальные магазины и интернет-магазин. В них представлен широкий выбор литературы всех направлений, букинистических изданий, канцелярских товаров, объектов нумизматики и филателии.

Задача

Дому книги была необходима рекомендательная система, которая без участия человека могла бы проанализировать поведение и предпочтения покупателей в интернет-магазине и рекомендовать дополнительную литературу в соответствии с их интересами. Заказчик уже пользовался рекомендательной системой одной крупной компании, однако на её настройку и поддержку требовалось много времени и трудозатрат, а результат не оправдывал ожиданий.

Почему Cloud

Выбор провайдера ML-инструментов велся по критериям зрелости, доступности и широкого арсенала возможностей. Как один из лидеров рынка книготорговли Московский дом книги хотел иметь дело с аналогичным партнером. Решающим доводом в пользу Cloud стало то, что поверх самой платформы машинного обучения ML Space доступен целый ряд расширений от партнеров, одним из которых, RePlay, и воспользовались для создания новой рекомендательной системы.

Решение

За основу рекомендательного движка был взят конструктор рекомендаций RePlay, работающий на базе Spark. Его развернули внутри платформы ML Space на мощностях Cloud. Облако используется и в качестве хранилища данных, и для обработки запросов. Чем больше людей заходит на сайт Московского дома книги, тем больше данных в обезличенном виде собирает и обрабатывает ML Space, выдавая при этом товары наиболее интересные тем или иным группам покупателей.

Систему рекомендаций настроили таким образом, что сотрудники вообще не взаимодействуют с ней, а IT-отдел обслуживает её минимально. Постоянный контроль не требуется, что позволяет специалистам выполнять свои прямые обязанности без дополнительных трудозатрат.

Результат

Результаты использования системы не заставили себя долго ждать: вырос средний покупательский чек. Сначала на 7–10%, потом на 15%. Судя по метрике поведения людей на нашем сайте, они теперь находятся на портале дольше, чаще останавливают взгляд на рекомендациях и чаще проявляют к ним интерес. Однако проанализировать эффективность системы в деталях мы сможем лишь по итогам года. Иван Юмашев IT-директор по развитию Московского дома книги

Планы

Опыт использования сервисов на основе искусственного интеллекта оказался крайне воодушевляющим, поэтому книжная сеть рассматривает возможность внедрения новых ML-продуктов.

Запросите бесплатную консультацию по вашему проекту

Оставить заявкуCloud