В Рунете много рецептов и советов по повышению конверсии, кейсов о том, как упрощение формы регистрации или изменение цвета кнопки увеличило продажи на сайте. Многие маркетологи применяют чужой или свой прошлый опыт, не сомневаясь, что это сработает. Я тоже так делал, занимаясь интернет-маркетингом в IT-компаниях. Пару раз даже спорили с генеральным директором о том, чей вариант главной страницы покажет лучшую конверсию.

Но такой подход плохо работает, чаще всего гипотезы, которые я выдвигал и тестировал, были потерей времени и денег. Почему так происходило? Я не рассматривал повышение конверсии как процесс и использовал только часть методологии. Нужно понимать одну простую вещь – нет никаких волшебных шаблонов, дизайнов, чудесных кнопок, которые повысят конверсию на сайте. На каждый кейс, в котором рассказывается, как внедрение видеоролика на лендинг повысило конверсию на 20%, найдется кейс о том, как видеоролик понизил конверсию. Личный опыт и гипотезы на основе экспертного мнения – это лишь малая часть процесса.

Выдвигать гипотезы с высокой вероятностью успешного тестирования, можно, если рассмотреть повышение конверсии как непрерывный цикличный процесс, состоящий из 4 шагов:

1. Сбор и анализ данных.
2. Составление списка гипотез.
3. Проведение A/B – тестирований.
4. Внесение изменений в сайт.

Именно такой подход я использую, работая над повышением конверсии сайтов. Давайте разберемся в этих шагах и рассмотрим инструменты, которые пригодятся на каждом из них.

Известная утилита дистрибутивной семантики Word2Vec демонстрирует удивительные результаты и стабильно обеспечивает использующих её специалистов призовыми местами на конкурсах машинной лингвистики. Преимущество утилиты, как впрочем, и её аналогов – Glove и AdaGram, состоит в дешевизне процесса обучения и подготовки обучающих текстов. Но есть и недостатки – представление слов в виде векторов хорошо работает на словах, удовлетворительно на словосочетаниях, так-себе на фразах и вообще никак – на длинных текстах.

В данной статье предлагается к обсуждению подход, позволяющий представить текст любой длины в виде вектора, позволяющий проводить с текстами операции сравнения (вычисления дистанции), сложения и вычитания.