Правила применения рекомендательных технологий

Рекомендации — это блоки (виджеты) на сайте, в приложении и в e-mail-рассылках, где показываются товары, которые могут быть полезны или интересны пользователю.

Чтобы формировать подборки, система рекомендаций использует два источника данных:

действия пользователей на сайте;
данные из каталога товаров (товарная база).

Алгоритмы работают по гибридному принципу: в одних ситуациях опираются на поведение, в других — на характеристики товаров, а чаще — комбинируют оба подхода.

1. Данные о поведении пользователей

1.1. Взаимодействие с товарами

Наиболее важные сигналы — это действия, связанные с товарами. В расчет могут входить события:

просмотр карточки товара;
добавление в корзину;
оформление заказа.

Как это применяется:

определяется общая популярность товара и интерес к нему;
анализируется, какие товары часто рассматривают или покупают вместе — это помогает находить аналоги и дополняющие позиции;
учитываются действия пользователя в текущей и прошлых сессиях, а также обобщённые данные по другим пользователям — чтобы предложить подходящие товары и категории.

1.2. Взаимодействие с внутренним поиском

Запросы и действия на странице поиска могут использоваться совместно с товарными событиями, чтобы формировать поисковые рекомендации — подсказки и подборки товаров прямо в результате внутреннего поиска.

1.3. Взаимодействие с блоками рекомендаций

Система также анализирует, как пользователь ведёт себя внутри самих рекомендаций:

показы товаров в виджете;
клики по товарам.

Эти данные помогают улучшать подборки и выбирать такие настройки и наборы товаров, которые показывают лучший результат.

2. Данные из товарного каталога (товарной базы)

Товарная база включает сведения, которые магазин хранит о товарах:
категории, характеристики, цены, наличие, производители и другие атрибуты.

Как это применяется:

если по товару мало поведенческих данных, сходство определяется по характеристикам и категории;
обеспечивается разнообразие выдачи (чтобы не показывать одно и то же);
учитываются предпочтения пользователя по атрибутам — система может чаще показывать товары с характеристиками, которые чаще выбирает пользователь;
изображения могут учитываться для подбора визуально близких товаров (если это поддерживается настройками);
в отдельных алгоритмах применяются цена и «новизна» товара (дата появления в каталоге);
возможна фильтрация по производителю, акциям и другим параметрам — в соответствии с задачами магазина.

Контакты

По вопросам, связанным с работой рекомендаций, пишите на: pilo-baza@yandex.ru