Правила применения рекомендательных технологий

Рекомендательные технологии

Товарные рекомендации — это набор виджетов с подборкой товаров, который размещается на сайте, в приложении или в e-mail с целью решения задач пользователей и маркетинга интернет-магазина и могут заинтересовать пользователя.

Существует два источника данных для рекомендаций - пользовательское поведение и товарная база магазина.

Алгоритмы рекомендаций является гибридными - в зависимости от ситуации они могут использовать как поведение, так и данные по товарам. При этом используется все доступное поведение пользователей, которое представлено в виде различных событий.

1. Виды сведений, относящихся к предпочтениям Пользователей, которые используются для предоставления информации с применением рекомендательных технологий, источники получения таких сведений

1.1. Источником получения сведений, относящихся к предпочтениям Пользователей, является поведение Пользователей на сайте.

Для формирования рекомендаций специально созданное программное обеспечение собирает информацию о действиях Пользователей, а именно:

• - о просмотре страниц сайта;
• - о кликах по любому элементу на странице сайта, по кнопке;
• - о товарах в корзине;
• - о составе и датах заказов.

2. Способы формирования рекомендаций

2.1 Рекомендательные технологии, применяемые на сайте, представляют собой специальное программное обеспечение – платформу, состоящую из баз данных, в которых происходит запись сведений, относящихся к предпочтениям Пользователей, и сервисов предоставления рекомендаций, в которых формируются рекомендации.

2.2 Рекомендации формируются следующими способами:

2.2.1 Персональные рекомендации. Алгоритмы анализируют свойства и характеристики товаров, которыми интересовался Пользователь, а также схожие товары и товары, которыми интересуются похожие по поведению на сайте Пользователи: категорию, бренд, цену, важные для конкретной категории характеристики и т.п.

Рекомендации для Пользователя реализуются в виде персональных подборок товаров на страницах сайта. Например, следующие подборки товаров основаны на персональных рекомендациях:

• - «Рекомендуем приобрести» на страницах сайта, в том числе на странице оформления заказа и странице корзины;
• - «Возможно вас заинтересует» на странице пустой корзины, на странице каталога товаров;
• - «Подобрали для вас» на странице каталога товаров;
• - «Популярное от «[название бренда]» / «Популярно в категории «[название категории]»;
• - «Специально для вас» на странице каталога товаров;
• - «Посмотрите еще» на странице после оформления заказа на сайте.
• - «Ранее вы смотрели» на страницах сайта, на странице каталога товаров.

2.3.2 Подбор похожих товаров. Алгоритмы анализируют свойства и характеристики товаров, которыми интересовался Пользователь: категорию, бренд, цену, важные для конкретной категории характеристики и т.п., а также данные о других товарах, просмотренных Пользователем в рамках одной сессии на сайте. С учетом названия и описания товара подбираются товары, которые могут заинтересовать Пользователя.

Рекомендации для Пользователя реализуются в виде подборок товаров на страницах сайта. Например, следующие подборки товаров основаны на подборе похожих товаров:

• - «Похожие товары» на странице товара в каталоге;
• - «Смотрите также» на странице товара в каталоге.

Подбор визуально похожих товаров. Алгоритм показывает визуально похожие товары на тот товар, который смотрит Пользователь. Рекомендации для Пользователя реализуются в виде подборок товаров на страницах сайта. Например, следующие подборки товаров основаны на подборе визуально похожих товаров:

• - «Похожие товары» на странице Товара;
• - «Похожие» на странице акций, обзоров, новостей.

Подбор сопутствующих товаров. Алгоритмы анализируют свойства и характеристики товаров, которыми интересовался Пользователь, рассчитывает сопутствующие товары, и формирует рекомендации для каждого товара в рамках сессии на сайте. Сопутствующие товары рассчитываются на основе частоты, с которой они встречаются вместе в одном заказе. Рекомендации для Пользователя реализуются в виде подборок товаров на страницах сайта. Например, следующие подборки товаров основаны на подборе сопутствующих товаров:

• - «Рекомендуем также» на странице корзины;
• - «Рекомендуем также» на странице Товара;
• - «Набор» на странице Товара;
• - «Комплект» на странице Товара;

3. Описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям Пользователей, предоставления информации на основе этих сведений, а также способов осуществления таких процессов и методов

Для формирования рекомендаций создаются рекомендательные модели. Процесс создания рекомендательной модели состоит из этапов:

3.1 Этап 1: Сбор сведений, относящихся к предпочтениям Пользователей. Сбор сведений о предпочтениях Пользователей осуществляется способом их логирования и последующего сохранения на внутреннем хранилище сайта. Процесс логирования включает фиксацию и структурирование информации о работе системы, в том числе сайта, в отдельные лог-файлы с возможностью быстрого доступа к ним в случае необходимости. В процессе логирования учитываются настройки уровня детализации записей в соответствии с целью создания рекомендательной модели.

3.2 Этап 2: Систематизация и анализ сведений, относящихся к предпочтениям Пользователей. Систематизация и анализ сведений о предпочтениях Пользователей происходит исходя из цели создания рекомендательной модели и рекомендаций, которые необходимо получить, (например, подбор наиболее актуальных товаров для Пользователя). Далее происходит подбор данных о предпочтениях Пользователей, на основе которых будет реализована рекомендательная модель. После подбора данных о предпочтениях Пользователя создаются отчеты, представляющие собой данные о взаимодействии Пользователя с товаром, например, количество заказов пользователя, включающих товар, при отсутствии или при наличии скидки на такой товар, доля покупок Пользователем товаров со скидкой и без скидки и др.

3.3 Этап 3: Применение методов машинного обучения к используемым сведениям, относящимся к предпочтениям Пользователя. После систематизации сведений, относящихся к предпочтениям Пользователей, к полученным данным применяются методы машинного обучения, в результате чего формируется набор параметров, описывающих зависимости между входными данными и ответом (результатом). Далее осуществляется генерация прогнозов для товаров, с которыми Пользователь еще не взаимодействовал (например, оценка вероятности, что пользователь добавит определенный товар в корзину), которые далее используются для формирования рекомендации.

3.4 Этап 4: Проверка полученных результатов. Проверка полученных результатов осуществляется на тех же сведениях, на которых обучалась рекомендательная модель. Рекомендательной модели задаётся определённый вопрос, после чего она формирует ответ, который далее оценивается на предмет его корректности и соответствия заданным параметрам. Таким образом, на основании оценки качества прогноза рекомендательной модели (угадала рекомендательная модель или нет) выстраивается метрика.

3.5 Этап 5: Показ Рекомендаций Пользователю. Рекомендации для Пользователя реализуются в виде товарных подборок на cайте в соответствии с пунктом 2.2 настоящих правил. Применение рекомендательных технологий на сайте не обязывает Пользователя приобрести тот или иной товар, не создает у Пользователя никаких обязательств и не препятствует поиску иных товаров.