Personalization of e-Shops based on User Behavior Statistics

Syfte och mål

Vi har utvidgat vårt sök-navigation och rekommendationssystem (eSales) till ett självlärande system i syfte att samoptimera sektioner på en e-handels website vars innehåll förses av nämda system. Det nya systemet kan ordna sektioner med avseende på hur väl de konverterar, har personaliseringsmöjligheter, och ett backoffice-verktyg för konfigurering av systemet. Sök-navigation och rekommendationer samordnas i samma system och innehållet för hela sidor kan genereras utifrån ett enda anrop.

Resultat och förväntade effekter

eSales uppdaterar beteendedata live, vilket medför att vi snabbt fångar växande trender. eSales träffsäkerhet har förbättrats med ca 50% över samtliga funktioner. Det finns en ´out of the box´-integration med e-handelsplattformen EpiCommerce. eSales har en oöverträffad prestanda både vad gäller frågor och import. Den största vinsten är att modifikationer går blixtsnabbt att genomföra utan programmeringsinsatser från utvecklarteam. Detta öppnar för en agil utvecklingsmetod för att optimera e-handelssiter.

Upplägg och genomförande

Projektet drevs i sex faser. I den första fasen tog vi fram en Minimum viable product som senare pyntades med mer och mer funktionalitet. Vi gjorde fyra releaser under projektets gång med användaråterkoppling efter varje release. Vi arbetade utifrån en lean utvecklingsmetod med två-veckorssprintar. Vi försökte outsource delar av EpiCommerce-integrationen men insåg att denna del av projektet måste köras in-house framförallt för vår egen inlärnings skull.