Как двухфазный поиск помогает бизнесу зарабатывать на динамических ценах

Определение

Двухфазный поиск — это стратегия, при которой процесс поиска и выдачи разделяется на:

1. Фаза отбора кандидатов (candidate retrieval)

   Система выбирает относительно большой, но ограниченный набор «кандидатов» (например, top-N товаров по релевантности или фильтрам). Основная цель — быстро отфильтровать миллионы записей до управляемого количества. Используются легкие признаки: полнотекстовый поиск, фильтры по полям, простая сортировка, базовые правила.

2. Фаза уточнения/пересортировки (re-ranking / enrichment)

   Для выбранных кандидатов подтягиваются дополнительные данные (например, персональные цены, пользовательские акции, данные на основе машинного обучения). На основе этих данных выполняется пересортировка, вычисление сложных правил, персонализация. На выходе получается финальная выдача ( первые 10–50 элементов, которые увидит пользователь с последующей пагинацией).

Преимущества двухфазного поиска

Для B2B

• Персональные остатки и цены в поиске и каталоге;
• Клиенты сразу смогут видеть именно свои условия — без звонков менеджеру и уточнений;
• Сортировка и фильтрация по индивидуальным условиям;
• Прозрачность и снижение нагрузки на продажи;
• Поддержка тендеров и сложных заказов;
• Поиск учитывает персональные квоты, остатки, валюты;
• Гибкая сегментация;
• Разные клиентские сегменты (дилеры, оптовики, корпоративные; клиенты) могут видеть релевантные предложения и промо.

Для B2C

• Персонализация поиска и выдачи;
• Индивидуальные скидки и акции (лояльность, кэшбэк, купоны) сразу учтены в поиске;
• Покупатель видит «свою» цену, а не базовую;
• Быстрая реакция на акции и промо;
• Система может учитывать временные скидки, подарочные сертификаты, персональные рекомендации;
• Рост удовлетворенности и удержания клиентов.

Общее

• Рост продаж и конверсии;
• Экономия на операционных расходах;
• Снижение потерь из-за ошибок;
• Конкурентное преимущество;
• Большинство e-com площадок показывают только «базовые» цены;
• Возможность персонализировать выдачу под B2B и B2C клиентов — точка дифференциации;
• Масштабируемость;
• Двухфазная архитектура позволяет развивать поиск дальше: подключать ML-ранжирование, рекомендации, омниканальные сценарии без перестройки всей системы.

Пример: Динамическое ценообразование

Продуктовые менеджеры традиционно имеют привычку фокусироваться на себестоимости продукта, его физических свойствах (размер, функции, характеристики и т.д.) и величине маржи. Позиционирование продукта проводится либо на фоне других продуктов компании, либо на фоне конкурентных продуктов других компании. Однако, этот фокус на продукте изнутри создает несоответствие между восприятием ценности продукта менеджером и клиентом.

Можно предположить, что отрицательная разница между восприятием ценности продукта клиентом и производителем ( а значит и установленной им ценой) приводит к падению продаж, потере доли рынка и утрате лояльности аудитории. Положительная же разница означает для производителя, что он не «добрал» денег с рынка. Упущенная выгода вполне очевидна.

Можно предположить, что методика, дающая возможность прогнозировать ценность, созданную для клиентов, а затем устанавливать конкретные цены на базе прогноза позволит не только измерить этот разрыв, но и максимизировать выручку от продукта.

Предположим, что компания имеет модель продаж при которой отслеживает поисковые запросы, релевантность выдачи и  совершение покупки либо отказ от сделки. В этом случае компания могла бы накопить следующие исторические данные:

На основе которых можно было бы построить следующую функциональную зависимость:

Здесь следует уточнить, что по оси абсцисс вполне можно было бы использовать отношение собственных цен к ценам конкурентов (при наличии информации), а кроме того можно предположить, что каждый рыночный сегмент имеет свое предоставление о ценности продукта, тогда как на графике выше приведена некоторая усредненная зависимость. С учетом сегментирования можно было бы получить следующую картину:

Относительно конкурентов:

5 типов контрагентов x 10 регионов сбыта x 4 канала сбыта х 8 типов объема заказа = 1600 сегментов для индивидуализации ценового предложения. Достаточно много для точного и быстрого ручного управления.

Для дальнейших выводов нам потребуется еще одна достаточно тривиальная зависимость, отображенная ниже:

Теперь синтезируя все выше перечисленное  и суммируя два графика мы можем получить следующее:

и получим результат:

В наших руках оказался инструмент позволяющий максимизировать доход за счет понимания разницы между ценой и ценностью. Представленный инструмент способен решать две задачи: 

• Максимизировать выручку при сохранении прибыли. В этом случае стратегия компании нацелена на захват доли рынка. Компания снижает цены на продукты, не снижая при этом прибыль;
•  Максимизировать прибыль, повышая цены на продукты, не теряя при этом доли рынка.

 Графически это может выглядеть следующим образом:

Заключение

Таким образом, в современном мире поиск разницы между ценой и ценностью уже не может являться философским вопросом, она обязана быть тщательно высчитываемой.

Уникальная особенность знания этой разницы заключается в том, что дополнительные доходы можно извлекать из существующих продуктов и, как правило, из существующих клиентов. А двухфазный поиск служит необходимым техническим пререквизитом для организации продвинутой выдачи подобного характера.