Как сеть «Золотое Яблоко» повысила средний чек подарочных карт с YandexART
Исходные данные, описание задачи
К началу 2024 года визуальные нейросети уже использовались в ряде популярных сервисов для генерации изображений. Команда «Золотого Яблока» задалась вопросом: возможно ли встроить эту технологию в сервис для генерации персонализированных подарочных карт?
Идея состояла в том, чтобы пользователь мог сам сгенерировать уникальное изображение для такой карты с высокой степенью кастомизации. Команда «Золотого Яблока» предполагала, что карты с более персонализированным дизайном увеличат средний чек, повысят конверсию, а также число проданных карт.
Для проверки своей гипотезы и создания такого решения команда ретейлера обратилась в Яндекс и стала одним из первых тестовых пользователей YandexART, еще до открытия публичного доступа к его API. Примеров подобных проектов не было, поэтому техническая реализация не выглядела очень простой, а положительное влияние на продажи карт — гарантированным.
К началу 2024 года визуальные нейросети уже использовались в ряде популярных сервисов для генерации изображений. Команда «Золотого Яблока» задалась вопросом: возможно ли встроить эту технологию в сервис для генерации персонализированных подарочных карт?
Идея состояла в том, чтобы пользователь мог сам сгенерировать уникальное изображение для такой карты с высокой степенью кастомизации. Команда «Золотого Яблока» предполагала, что карты с более персонализированным дизайном увеличат средний чек, повысят конверсию, а также число проданных карт.
Для проверки своей гипотезы и создания такого решения команда ретейлера обратилась в Яндекс и стала одним из первых тестовых пользователей YandexART, еще до открытия публичного доступа к его API. Примеров подобных проектов не было, поэтому техническая реализация не выглядела очень простой, а положительное влияние на продажи карт — гарантированным.
КЕЙС 5
Описание кейса / решения
Интеграция YandexART в сервис проходила в несколько этапов: сначала в веб-версии, а после тестирования в ней и на мобильных платформах.
Чтобы предотвратить использование сервиса как лаборатории для генерации картинок, было решено ограничить количество запросов тремя для одной подарочной карты. По итогам тестов оказалось, что этого количества вполне достаточно пользователям, чтобы получить желаемый результат.
Также нужно было придумать, как обеспечить предсказуемое и оптимальное время ответа сервиса на запрос от пользователя, так как при использовании коммунальной версии нейросети время ожидания пользователя могло бы составить более двух минут – что в условиях онлайн-продаж целая вечность.
Чтобы добиться фиксированного и оптимального времени ответа, было решено использовать выделенную инсталляцию модели в Yandex Cloud с системой мониторинга на базе Elastic APM и Grafana. Это позволило контролировать нагрузку на сервис, отслеживать ошибки и классифицировать их на внутренние и внешние для более оперативного поиска решения, а также заранее масштабировать ресурсы при всплесках трафика, например, во время маркетинговых акций.
Для генерации картинок было решено отказаться от опоры на брендбук и дать пользователям большую свободу при создании изображений, чтобы дизайн был более кастомными.
При этом, необходимо было:
Для решения первой задачи был разработан микросервис, который дополняет пользовательские промты специальными лексемами, чтобы пользователю выдавался желаемый результат. Для решения второй – классификатор, который фильтрует запросы. При этом, пришлось дорабатывать и сам формат картинок: по умолчанию нейросеть генерирует квадратные, что не подходит для подарочных карт.
Помимо этого также необходимо было корректно прокоммуницировать пользователю, что что-то в его запросе пошло не так. Для этого были сформулированы не только сообщения на случай введения пользователем промтов из блэклиста, но и для кодов ошибок самой нейросети.
Также потребовалось доработать сервис с помощью вебхуков на стороне самого ритейлера, чтобы оптимизировать запросы к YandexART, так как медиаресурсы на стороне “Золотого Яблока” изначально разрабатывались для других задач.
Сроки реализации
01.05.2024 — 01.11.2024
Результаты ДО и ПОСЛЕ
Решение успешно реализовано как с технической точки зрения, так и с точки зрения результатов для бизнеса. Даже в моменты пиковых нагрузок – при 150 запросов в минуту – сгенерированную подарочную карту удавалось передать пользователю за 13–15 секунд. При этом изначальная гипотеза о положительном влиянии персонализированных карт на конверсию и рост продаж карт подтвердилась.
Так:
В чем полезность и уникальность кейса?
Во-первых, ретейлер “Золотое Яблоко” запустила сервис, с помощью которого пользователи могут создавать подарочные карты с глубокой степенью кастомизации: интегрированная визуальная нейросеть YandexART помогает генерировать уникальные изображения от любимых цветов до мемов и персонажей из поп‑культуры с учётом повода, характера человека и других параметров.
Во-вторых, опыт создания такого сервиса с использованием ИИ показал, как нестандартно можно применить передовые генеративные технологии в ритейле, а его успешная реализация – что не только технически возможна, но и положительно влияет на бизнес-результаты компании. Так, визуальная нейросеть может быть не только “помощником маркетолога” и генерировать промо материалы, изображения для статей и варианты брендирования одежды, но и при определенном дообучении стать инструментом, с которым потенциальные клиенты могут работать напрямую. Также наш кейс показал, о каких не только технических, но этических вопросах важно подумать заранее при реализации подобного проекта, и как это можно сделать.
В-третьих, была разработана такая архитектура решения с созданием выделенной инсталляции модели нейросети на облачной платформе Yandex Cloud, которая позволила обеспечить высокую скорость ответов нейросети на запросы клиентов и стабильность работы сервиса при пиковых нагрузках в период маркетинговых кампаний. Это позволило не только привлечь пользователей использовать сервис, но и конвертировать их интерес в продажи подарочных карт.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Опыт создания такого сервиса может быть использован другими участниками рынка ритейла и электронной коммерции. Он будет полезен как тем, кто собирается создать подобный сервис, так и тем, кто хочет встраивать визуальные генеративные модели в другие продукты. При этом для внедрения ИИ, как показал этот кейс, бизнесу необязательно развертывать собственную ML-инфраструктуру, а можно получить доступ к генеративным моделям через API. Например, команда “Золотого Яблока” использовала YandexART API, который сейчас доступен в сервисе Foundation Models на платформе Yandex Cloud. Опыт создания такого сервиса расширяет возможности использования визуальных генеративных сетей в ритейле, где очень важны скорость внедрения новых решений, их устойчивость к большим нагрузкам, быстрая масштабируемость, а также способность привлекать и удерживать новых пользователей.
Интеграция YandexART в сервис проходила в несколько этапов: сначала в веб-версии, а после тестирования в ней и на мобильных платформах.
Чтобы предотвратить использование сервиса как лаборатории для генерации картинок, было решено ограничить количество запросов тремя для одной подарочной карты. По итогам тестов оказалось, что этого количества вполне достаточно пользователям, чтобы получить желаемый результат.
Также нужно было придумать, как обеспечить предсказуемое и оптимальное время ответа сервиса на запрос от пользователя, так как при использовании коммунальной версии нейросети время ожидания пользователя могло бы составить более двух минут – что в условиях онлайн-продаж целая вечность.
Чтобы добиться фиксированного и оптимального времени ответа, было решено использовать выделенную инсталляцию модели в Yandex Cloud с системой мониторинга на базе Elastic APM и Grafana. Это позволило контролировать нагрузку на сервис, отслеживать ошибки и классифицировать их на внутренние и внешние для более оперативного поиска решения, а также заранее масштабировать ресурсы при всплесках трафика, например, во время маркетинговых акций.
Для генерации картинок было решено отказаться от опоры на брендбук и дать пользователям большую свободу при создании изображений, чтобы дизайн был более кастомными.
При этом, необходимо было:
- повысить точность работы нейросети, так как она не всегда верно понимала запрос. Например, при запросе “котик” нейросеть могла сгенерировать изображение морского котика, а не домашнего кота, которого ожидали увидеть.
- исключить генерацию неприемлемого контента. Несмотря на то, что в YandexART есть своя встроенная этика и правила использования, “Золотому Яблоку” важно было предусмотреть больше возможных случаев, которые могут быть неуместны, если речь идёт о подарках.
Для решения первой задачи был разработан микросервис, который дополняет пользовательские промты специальными лексемами, чтобы пользователю выдавался желаемый результат. Для решения второй – классификатор, который фильтрует запросы. При этом, пришлось дорабатывать и сам формат картинок: по умолчанию нейросеть генерирует квадратные, что не подходит для подарочных карт.
Помимо этого также необходимо было корректно прокоммуницировать пользователю, что что-то в его запросе пошло не так. Для этого были сформулированы не только сообщения на случай введения пользователем промтов из блэклиста, но и для кодов ошибок самой нейросети.
Также потребовалось доработать сервис с помощью вебхуков на стороне самого ритейлера, чтобы оптимизировать запросы к YandexART, так как медиаресурсы на стороне “Золотого Яблока” изначально разрабатывались для других задач.
Сроки реализации
01.05.2024 — 01.11.2024
Результаты ДО и ПОСЛЕ
Решение успешно реализовано как с технической точки зрения, так и с точки зрения результатов для бизнеса. Даже в моменты пиковых нагрузок – при 150 запросов в минуту – сгенерированную подарочную карту удавалось передать пользователю за 13–15 секунд. При этом изначальная гипотеза о положительном влиянии персонализированных карт на конверсию и рост продаж карт подтвердилась.
Так:
- до 50% пользователей сайта переходят в раздел генерации дизайнов подарочных карт с помощью нейросети, и доля использования нейросети растет;
- средний чек по заказам карт с дизайном от нейросети выше на 8% по сравнению со стандартными картами;
- на 5 п.п. выросла конверсия в заказ электронных подарочных карт;
- заказы карт с дизайном от нейросети составили 18% от всех заказов электронных подарочных карт;
- выросло среднее количество подарочных карт на одного клиента.
В чем полезность и уникальность кейса?
Во-первых, ретейлер “Золотое Яблоко” запустила сервис, с помощью которого пользователи могут создавать подарочные карты с глубокой степенью кастомизации: интегрированная визуальная нейросеть YandexART помогает генерировать уникальные изображения от любимых цветов до мемов и персонажей из поп‑культуры с учётом повода, характера человека и других параметров.
Во-вторых, опыт создания такого сервиса с использованием ИИ показал, как нестандартно можно применить передовые генеративные технологии в ритейле, а его успешная реализация – что не только технически возможна, но и положительно влияет на бизнес-результаты компании. Так, визуальная нейросеть может быть не только “помощником маркетолога” и генерировать промо материалы, изображения для статей и варианты брендирования одежды, но и при определенном дообучении стать инструментом, с которым потенциальные клиенты могут работать напрямую. Также наш кейс показал, о каких не только технических, но этических вопросах важно подумать заранее при реализации подобного проекта, и как это можно сделать.
В-третьих, была разработана такая архитектура решения с созданием выделенной инсталляции модели нейросети на облачной платформе Yandex Cloud, которая позволила обеспечить высокую скорость ответов нейросети на запросы клиентов и стабильность работы сервиса при пиковых нагрузках в период маркетинговых кампаний. Это позволило не только привлечь пользователей использовать сервис, но и конвертировать их интерес в продажи подарочных карт.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Опыт создания такого сервиса может быть использован другими участниками рынка ритейла и электронной коммерции. Он будет полезен как тем, кто собирается создать подобный сервис, так и тем, кто хочет встраивать визуальные генеративные модели в другие продукты. При этом для внедрения ИИ, как показал этот кейс, бизнесу необязательно развертывать собственную ML-инфраструктуру, а можно получить доступ к генеративным моделям через API. Например, команда “Золотого Яблока” использовала YandexART API, который сейчас доступен в сервисе Foundation Models на платформе Yandex Cloud. Опыт создания такого сервиса расширяет возможности использования визуальных генеративных сетей в ритейле, где очень важны скорость внедрения новых решений, их устойчивость к большим нагрузкам, быстрая масштабируемость, а также способность привлекать и удерживать новых пользователей.
Результат
Средний чек по заказам карт с нейро-дизайном на 8% выше по сравнению со стандартными картами
Описание кейса / решения
Интеграция YandexART в сервис проходила в несколько этапов: сначала в веб-версии, а после тестирования в ней и на мобильных платформах.
Чтобы предотвратить использование сервиса как лаборатории для генерации картинок, было решено ограничить количество запросов тремя для одной подарочной карты. По итогам тестов оказалось, что этого количества вполне достаточно пользователям, чтобы получить желаемый результат.
Также нужно было придумать, как обеспечить предсказуемое и оптимальное время ответа сервиса на запрос от пользователя, так как при использовании коммунальной версии нейросети время ожидания пользователя могло бы составить более двух минут — что в условиях онлайн-продаж целая вечность.
Чтобы добиться фиксированного и оптимального времени ответа, было решено использовать выделенную инсталляцию модели в Yandex Cloud с системой мониторинга на базе Elastic APM и Grafana. Это позволило контролировать нагрузку на сервис, отслеживать ошибки и классифицировать их на внутренние и внешние для более оперативного поиска решения, а также заранее масштабировать ресурсы при всплесках трафика, например, во время маркетинговых акций.
Для генерации картинок было решено отказаться от опоры на брендбук и дать пользователям большую свободу при создании изображений, чтобы дизайн был более кастомными.
При этом, необходимо было:
Для решения первой задачи был разработан микросервис, который дополняет пользовательские промты специальными лексемами, чтобы пользователю выдавался желаемый результат. Для решения второй — классификатор, который фильтрует запросы. При этом, пришлось дорабатывать и сам формат картинок: по умолчанию нейросеть генерирует квадратные, что не подходит для подарочных карт.
Помимо этого также необходимо было корректно прокоммуницировать пользователю, что что-то в его запросе пошло не так. Для этого были сформулированы не только сообщения на случай введения пользователем промтов из блэклиста, но и для кодов ошибок самой нейросети.
Также потребовалось доработать сервис с помощью вебхуков на стороне самого ритейлера, чтобы оптимизировать запросы к YandexART, так как медиаресурсы на стороне «Золотого Яблока» изначально разрабатывались для других задач.
Сроки реализации
01.05.2024 — 01.11.2024
Результаты ДО и ПОСЛЕ
Решение успешно реализовано как с технической точки зрения, так и с точки зрения результатов для бизнеса. Даже в моменты пиковых нагрузок — при 150 запросов в минуту — сгенерированную подарочную карту удавалось передать пользователю за 13−15 секунд. При этом изначальная гипотеза о положительном влиянии персонализированных карт на конверсию и рост продаж карт подтвердилась.
Так:
В чем полезность и уникальность кейса?
Во-первых, ретейлер «Золотое Яблоко» запустила сервис, с помощью которого пользователи могут создавать подарочные карты с глубокой степенью кастомизации: интегрированная визуальная нейросеть YandexART помогает генерировать уникальные изображения от любимых цветов до мемов и персонажей из поп‑культуры с учётом повода, характера человека и других параметров.
Во-вторых, опыт создания такого сервиса с использованием ИИ показал, как нестандартно можно применить передовые генеративные технологии в ритейле, а его успешная реализация — что не только технически возможна, но и положительно влияет на бизнес-результаты компании. Так, визуальная нейросеть может быть не только «помощником маркетолога» и генерировать промо материалы, изображения для статей и варианты брендирования одежды, но и при определенном дообучении стать инструментом, с которым потенциальные клиенты могут работать напрямую. Также наш кейс показал, о каких не только технических, но этических вопросах важно подумать заранее при реализации подобного проекта, и как это можно сделать.
В-третьих, была разработана такая архитектура решения с созданием выделенной инсталляции модели нейросети на облачной платформе Yandex Cloud, которая позволила обеспечить высокую скорость ответов нейросети на запросы клиентов и стабильность работы сервиса при пиковых нагрузках в период маркетинговых кампаний. Это позволило не только привлечь пользователей использовать сервис, но и конвертировать их интерес в продажи подарочных карт.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Опыт создания такого сервиса может быть использован другими участниками рынка ритейла и электронной коммерции. Он будет полезен как тем, кто собирается создать подобный сервис, так и тем, кто хочет встраивать визуальные генеративные модели в другие продукты. При этом для внедрения ИИ, как показал этот кейс, бизнесу необязательно развертывать собственную ML-инфраструктуру, а можно получить доступ к генеративным моделям через API. Например, команда «Золотого Яблока» использовала YandexART API, который сейчас доступен в сервисе Foundation Models на платформе Yandex Cloud. Опыт создания такого сервиса расширяет возможности использования визуальных генеративных сетей в ритейле, где очень важны скорость внедрения новых решений, их устойчивость к большим нагрузкам, быстрая масштабируемость, а также способность привлекать и удерживать новых пользователей.
Интеграция YandexART в сервис проходила в несколько этапов: сначала в веб-версии, а после тестирования в ней и на мобильных платформах.
Чтобы предотвратить использование сервиса как лаборатории для генерации картинок, было решено ограничить количество запросов тремя для одной подарочной карты. По итогам тестов оказалось, что этого количества вполне достаточно пользователям, чтобы получить желаемый результат.
Также нужно было придумать, как обеспечить предсказуемое и оптимальное время ответа сервиса на запрос от пользователя, так как при использовании коммунальной версии нейросети время ожидания пользователя могло бы составить более двух минут — что в условиях онлайн-продаж целая вечность.
Чтобы добиться фиксированного и оптимального времени ответа, было решено использовать выделенную инсталляцию модели в Yandex Cloud с системой мониторинга на базе Elastic APM и Grafana. Это позволило контролировать нагрузку на сервис, отслеживать ошибки и классифицировать их на внутренние и внешние для более оперативного поиска решения, а также заранее масштабировать ресурсы при всплесках трафика, например, во время маркетинговых акций.
Для генерации картинок было решено отказаться от опоры на брендбук и дать пользователям большую свободу при создании изображений, чтобы дизайн был более кастомными.
При этом, необходимо было:
- повысить точность работы нейросети, так как она не всегда верно понимала запрос. Например, при запросе «котик» нейросеть могла сгенерировать изображение морского котика, а не домашнего кота, которого ожидали увидеть.
- исключить генерацию неприемлемого контента. Несмотря на то, что в YandexART есть своя встроенная этика и правила использования, «Золотому Яблоку» важно было предусмотреть больше возможных случаев, которые могут быть неуместны, если речь идёт о подарках.
Для решения первой задачи был разработан микросервис, который дополняет пользовательские промты специальными лексемами, чтобы пользователю выдавался желаемый результат. Для решения второй — классификатор, который фильтрует запросы. При этом, пришлось дорабатывать и сам формат картинок: по умолчанию нейросеть генерирует квадратные, что не подходит для подарочных карт.
Помимо этого также необходимо было корректно прокоммуницировать пользователю, что что-то в его запросе пошло не так. Для этого были сформулированы не только сообщения на случай введения пользователем промтов из блэклиста, но и для кодов ошибок самой нейросети.
Также потребовалось доработать сервис с помощью вебхуков на стороне самого ритейлера, чтобы оптимизировать запросы к YandexART, так как медиаресурсы на стороне «Золотого Яблока» изначально разрабатывались для других задач.
Сроки реализации
01.05.2024 — 01.11.2024
Результаты ДО и ПОСЛЕ
Решение успешно реализовано как с технической точки зрения, так и с точки зрения результатов для бизнеса. Даже в моменты пиковых нагрузок — при 150 запросов в минуту — сгенерированную подарочную карту удавалось передать пользователю за 13−15 секунд. При этом изначальная гипотеза о положительном влиянии персонализированных карт на конверсию и рост продаж карт подтвердилась.
Так:
- до 50% пользователей сайта переходят в раздел генерации дизайнов подарочных карт с помощью нейросети, и доля использования нейросети растет;
- средний чек по заказам карт с дизайном от нейросети выше на 8% по сравнению со стандартными картами;
- на 5 п.п. выросла конверсия в заказ электронных подарочных карт;
- заказы карт с дизайном от нейросети составили 18% от всех заказов электронных подарочных карт;
- выросло среднее количество подарочных карт на одного клиента.
В чем полезность и уникальность кейса?
Во-первых, ретейлер «Золотое Яблоко» запустила сервис, с помощью которого пользователи могут создавать подарочные карты с глубокой степенью кастомизации: интегрированная визуальная нейросеть YandexART помогает генерировать уникальные изображения от любимых цветов до мемов и персонажей из поп‑культуры с учётом повода, характера человека и других параметров.
Во-вторых, опыт создания такого сервиса с использованием ИИ показал, как нестандартно можно применить передовые генеративные технологии в ритейле, а его успешная реализация — что не только технически возможна, но и положительно влияет на бизнес-результаты компании. Так, визуальная нейросеть может быть не только «помощником маркетолога» и генерировать промо материалы, изображения для статей и варианты брендирования одежды, но и при определенном дообучении стать инструментом, с которым потенциальные клиенты могут работать напрямую. Также наш кейс показал, о каких не только технических, но этических вопросах важно подумать заранее при реализации подобного проекта, и как это можно сделать.
В-третьих, была разработана такая архитектура решения с созданием выделенной инсталляции модели нейросети на облачной платформе Yandex Cloud, которая позволила обеспечить высокую скорость ответов нейросети на запросы клиентов и стабильность работы сервиса при пиковых нагрузках в период маркетинговых кампаний. Это позволило не только привлечь пользователей использовать сервис, но и конвертировать их интерес в продажи подарочных карт.
Возможно ли кейс масштабировать в компании и применить для других участников рынка?
Опыт создания такого сервиса может быть использован другими участниками рынка ритейла и электронной коммерции. Он будет полезен как тем, кто собирается создать подобный сервис, так и тем, кто хочет встраивать визуальные генеративные модели в другие продукты. При этом для внедрения ИИ, как показал этот кейс, бизнесу необязательно развертывать собственную ML-инфраструктуру, а можно получить доступ к генеративным моделям через API. Например, команда «Золотого Яблока» использовала YandexART API, который сейчас доступен в сервисе Foundation Models на платформе Yandex Cloud. Опыт создания такого сервиса расширяет возможности использования визуальных генеративных сетей в ритейле, где очень важны скорость внедрения новых решений, их устойчивость к большим нагрузкам, быстрая масштабируемость, а также способность привлекать и удерживать новых пользователей.
Результат
Средний чек по заказам карт с нейро-дизайном на 8% выше по сравнению со стандартными картами