Sappiamo ormai da anni che le novità introdotte nei marketplace come eBay arrivano in Europa con mesi o anni di ritardo rispetto alla piattaforma americana. Se cerchiamo le novità rilevanti che sicuramente interesseranno anche il mercato italiano, bisogna guardare sempre ai movimenti che vengono fatti negli USA.
A partire da marzo 2022, eBay in America ha iniziato alcuni test importanti per quanto riguarda gli articoli raccomandati agli utenti. Una delle tante funzioni dell’algoritmo che migliora i consigli sugli articoli per gli acquirenti, aiutandoli a trovare più facilmente quello che stanno cercando. In particolare spiegherò di seguito come funzionano le inserzioni che compaiono agli utenti come “prodotti simili sponsorizzati” e come l’algoritmo “impara” queste abitudini degli utenti attraverso un sistema di multirilevanza. Questo processo ovviamente è valido anche per eBay Italia. Partiamo dall’inizio.
- L’utente cerca un oggetto.
- Fa clic su un risultato nella pagina dei risultati della ricerca, apre il primo prodotto di suo interesse. Questo è l’elemento di base, il “seme”.
- Scorre la pagina dell’oggetto che ha aperto per primo e vede gli elementi consigliati sponsorizzati.
- Successivamente fa clic su uno di questi articoli consigliati e arriva a una nuova pagina e svolge alcune azioni (legge la descrizione, aggiunge al carrello, lo acquista, ecc..) oppure scorre in basso fino a un altro nuovo set di articoli consigliati.
Lato algoritmo invece succede questo:
- Recupera un sottoinsieme di annunci con sponsorizzate standard (il “set di richiamo”) che sono più rilevanti per l’oggetto principale.
- Applica un sistema di apprendimento automatico per classificare le inserzioni nel set di richiamo in base alla probabilità di acquisto.
- Riordina nuovamente le inserzioni, incrociando la pertinenza dell’oggetto suggerito con quello cercato dall’utente.
- Mostra gli annunci sponsorizzati in base alla percentuale di sponsorizzazione impostata dal venditore (che gli verrà addebitata solo in caso di vendita).
Cosa è cambiato nel tempo
Il processo di scelta delle inserzioni suggerite non si riduce solo a questi passaggi schematici. Se in passato eBay utilizzava sistemi di acquisizione dei dati binari (un oggetto consigliato nei dati storici sarebbe stato considerato “rilevante” se fosse stato acquistato con un determinato articolo seme e “irrilevante” se non fosse stato acquistato) con il passare del tempo, l’algoritmo è stato migliorato e adesso raccoglie molte più informazioni rispetto al passato.
Il “clic” sull’inserzione esprime un intento di acquisto relativamente debole, ma rivela informazioni utili sulla pertinenza. Inoltre il potenziale acquirente ha la possibilità di effettuare altre azioni, che ovviamente vengono registrate dall’algoritmo, come ad esempio l’aggiunta al carrello, fare un’offerta per prodotti all’asta o con proposta di acquisto, aggiungere alla lista dei prodotti osservati…ovviamente ognuno di questi comportamenti ha un peso diverso e viene registrata come più o meno importante.
Ovviamente le variabili da incrociare per stilare un modello di pertinenza comparativa valido erano diverse migliaia. Con gli aggiustamenti operati, eBay dichiara che c’è stato un aumento del 2,1% negli acquisti.
Rilevanza con modello a cascata: come funziona
Gli elementi che eBay prende in considerazione per mostrare inserzioni simili sponsorizzate sotto un oggetto sono:
- caratteristiche di somiglianza (calcolate tra l’elemento seme e gli elementi candidati)
- popolarità dell’elemento candidato
- caratteristiche di qualità
Sembra che la popolarità, quindi gli oggetti con un ranking migliore (in altre parole, che hanno venduto di più), siano quelli privilegiati dall’algoritmo per comparire tra gli oggetti suggeriti.
Per arrivare a questo risultato, eBay ha impiegato mesi di aggiustamenti, utilizzando una formula personalizzata che oltre alla popolarità, inserisce anche altri elementi per stilare la classifica degli oggetti più rilevanti da mostrare agli acquirenti come suggeriti. In particolare il modello a cascata utilizzato mostra all’acquirente oggetti che siano più simili all’articolo principale per titolo, aspetto, marca e fascia di prezzo.
Se ci pensiamo, questo modello favorisce gli acquisti. Se una persona cerca un orologio di alto valore sarà sicuramente interessato a orologi simili, di fascia lusso probabilmente della stessa marca. Sicuramente sarà meno propenso ad acquistare orologi di poco valore ed è inutile che l’algoritmo glieli mostri. E questa affermazione è supportata dagli A/B test svolti dal team di eBay USA: la modifica al modello di pertinenza ha aumentato le conversioni del 2,4%.
Speriamo venga adottato presto anche in Italia!
Un saluto da Max!