Crossss
Первая российская рекомендательная система для электронной торговли
Государственное унитарное предприятие, охватывающее своей деятельностью Москву и частично Московскую область и выполняющее городские и пригородные перевозки автобусами, городские перевозки троллейбусами и трамваями, а также заказные перевозки автобусами городского и междугородного класса.

ОПИСАНИЕ ПРОЕКТА

Во время роста рынка электронной торговли, мы разработали математически сложную рекомендательную систему, которая увеличивала количество покупок. Проект был выделен в отдельную компанию и продан.

История Crossss начинается в городе Томске в 2011 году. В тот момент, когда Николай Михайловский, со-основатель НТР знакомится с Даниилом Ханиным, владельцем томского  интернет-агентства Вебреклама, на стартап мероприятии форума U-Novus, куда Николай приехал из Москвы. Они начали разговаривать о том, как вывести бизнес Даниила на новый уровень и придумали Crossss. 

Crossss - это рекомендательная система для интернет-магазинов. В любом интернет-магазине есть форма “с этим товаром покупали”. Что рекомендовать это на самом деле отдельная наука. Есть некое клиентское путешествие customer journey, в разных местах этого путешествия надо рекомендовать разные вещи. Николай с Даниилом договорились попробовать вместе такую штуку сделать. Даниил должен был заниматься коммерческой частью, Николай вместе с НТР разрабатывать ПО. Так Николай с Даниилом устроили совместный стартап. 

В 2012 году российский рынок e-commerce был растущий рынок, то есть еще не был насыщен. Туда массово приходили деньги и сервисы. 
Николай встретил заинтересованных в системе людей на конференциях в Новосибирске и Москве. Он договорился с несколькими интернет-магазинами. Они готовы были установить систему и  платить за нее деньги, потому что им это было нужно - для них это работало. За пару месяцев руками Васи сделали первый грубый прототип и помаленьку начали запускать систему. На сайте написали, что запуск будет  в марте 2012 года. 
Выяснилось, что имеются другие прекрасные ребята, которые делают в точности такую же систему. Они прочитали на нашем сайте, что запуск в марте, напряглись и запустились в феврале. Собрали все сливки с рынка и стали сервисом №1 на этом рынке. Мы стали сервисом №2. Дальше они привлекли довольно много инвестиций. Мы тоже начали привлекать инвестиции, но не очень активно, поскольку не фанаты этого.

Над проектом работали люди в Томске, Москве, Харькове. У нас был один знакомый разработчик Артем, который в прошлом работал в новокузнецком офисе НТР. Потом он уехал работать в Microsoft, потом в Лондон. Мы попросили его и он написал хорошую математику для этой системы.
Это был первый рекомендационный движок, сделанный в России. Весьма продвинутая, математически сложная система. 

Система работала на основе технологии Big Data (обрабатывалось много данных) и коллаборативной фильтрации (класс алгоритмов, которые позволяют определить предпочтения пользователей по его поведению; описывает регенерацию знания что с каким продуктом покупают какие люди, то есть какой человек что склонен купить, в каком месте клиентского путешествия он находится и т.д.).

С сайтов магазинов собирались данные о поведении пользователей: с какого источника он пришел, как он по страницам сайта гулял, куда переходил, сколько времени на какой странице зависал - это дает некий поведенческий портрет. Из этих данных нужно извлекать некие представления о предпочтениях пользователей и быстро обрабатывать. 
Есть период в течение которого мы накапливаем информацию. Следим за поведением одного посетителя, сравниваем с похожими, смотрим что они потом делали, что они дальше покупали. И мы предлагаем этому человеку схожие товары. 

Мы можем расширить или сузить выбор тех товаров, которые ему интересны. В стадии выбора - расширить, в стадии оплаты - сузить. Это товарные рекомендации, адаптивные витрины на сайте, имейлы. Чтобы покупатель скорее прошел это цикл от осознания потребности купить до финальной покупки.

Покупателю это помогает эффективнее купить, а магазину больше и быстрее продать. Наша ценность для магазина - повышение конверсии, увеличение среднего чека, снижение доли брошенных корзин. К телефону можно порекомендовать чехол, магазин не сильно увеличит свой оборот, но сильно увеличит свою прибыль с чехла (90% от стоимости). Работали с разными товарами. По результатам A/B теста наша система хорошо сработала на магазине косметики - средний чек вырос на 40%. 

Максимум клиентов, пользующихся нашей системой был в 2014 году - несколько сотен в 9 странах. В других странах это часто основатели интернет-магазинов русского происхождения. Несколько строчек кода встраиваются  в сайт, определяете внешний вид рекомендательных блоков, подстраиваете под себя дизайн имейлов по набору шаблонов.  

Начались всякие сравнения с конкурентами. Поначалу мы у наших конкурентов эти сравнения выигрывали, а потом стали чаще проигрывать, потому что наша система не развивалась, поскольку в ней было меньше денег и меньше клиентов. А у конкурентов было больше денег, больше клиентов. Они развивались активней. 

В ноябре 2014 Даниил покинул компанию по причине разных взглядов на развитие компании. В декабре рубль упал относительно доллара. В 2015 году после падения рубля началось быстрое схлопывание рынка e-commerce в России, то есть стали закрываться интернет-магазины, в том числе очень большие. 

У Николая был выбор либо развивать Crossss, либо развивать НТР. И в связи с тем, что Crossss был чисто российским, а НТР в то время зарабатывала большую часть долларов, было принято решение развивать НТР. Тогда Николай сконцентрировался на развитии бизнеса НТР- разработка ПО.
Проект Crossss был продан.

Видео: Николай Михайловский рассказывает про Crossss для JsonTV
Стеки разработки
.NET (включая Xamarin и nopCommerce)
Класс систем
Рекомендательные и скоринговые системы

МАТЕРИАЛЫ

СХОЖИЕ ПРОЕКТЫ

Мосэнергосбыт
Российская энергосбытовая компания страны, реализующая свыше 8 % вырабатываемой в России электрической энергии.