Рекомендательные технологии

На сайте https://sewparts.ru при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.

В чем польза рекомендаций для покупателей

Продуктовые рекомендации помогают среди миллионов товаров и услуг найти то, что нужно. К примеру, если вы просматривали иглы, сайт предложит похожие товары на выбор. Если купили швейную машину — подберет аксессуары под вашу модель. Так покупки отнимают меньше времени и усилий.

«Продукт» здесь и дальше — это любой товар или услуга.

Как формируются рекомендации

1. Собираем предпочтения клиентов

Невозможно рекомендовать человеку товар, когда не знаешь о его предпочтениях. Или, по крайней мере, о предпочтениях других клиентов, похожих на него. Поэтому рекомендательная система использует данные о действиях покупателей, например:

просмотрах продуктов или категорий продуктов;
продуктах в «Избранном», корзине или сравнении;
составе и датах заказов;
взаимодействиях с коммуникациями. Это, например, открытие писем и переходы по ссылкам из рекламы.

Также для более точных рекомендаций могут учитываться данные о самих покупателях, например о:

местонахождении, чтобы показывать рекомендации для конкретного региона, и часовом поясе, чтобы делать это вовремя;
поле или возрасте, чтобы предлагать подходящие продукты. Например, вышивальные машины — для тех, кто увлекается вышиванием, а ткани — для любителей лоскутного шитья.

Все эти данные поступают с сайта в рекомендательную систему.

2. Подбираем рекомендации на основе предпочтений

Есть три подхода к формированию рекомендаций:

Подбор похожих и сопутствующих продуктов. Алгоритмы анализируют свойства тех продуктов, которыми интересовался клиент: цвет, коллекцию, категорию или производителя. По этим признакам подбираются продукты, которые также могут его заинтересовать. Например, если покупатель искал на сайте лапки для швейной машины, в рекомендациях появятся товары для шитья. Так клиент вспомнит, что нужно докупить. Хотя мог бы и не добраться до товара, если бы просто листал витрину.

Рекомендации популярных продуктов. Алгоритм анализирует взаимодействие всех клиентов с продуктами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Это полезно, если клиент впервые пришел на сайт и о нем еще ничего неизвестно. Рекомендательная система порекомендует то, что нравится большинству других покупателей.

Рекомендации как для клиента с похожими предпочтениями. Алгоритм анализирует сходства в поведении клиентов. Если двум покупателям нравится одна и та же группа продуктов, их предпочтения похожи. Значит, первому можно рекомендовать то, что заинтересовало второго, и наоборот. Например, двум клиентам нравятся ножницы Aurora. Один из них также предпочитает бренд Juki — второму тоже можно порекомендовать этот бренд. Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.

3. Уточняем рекомендации

После того, как рекомендации по предпочтениям составлены, можно сделать их еще точнее, добавив в рекомендательную систему дополнительные условия. Например, показывать продукты только в географической зоне клиента. А также исключить из рекомендаций товары, которые покупают независимо от предпочтений.

Где отображаются рекомендации

Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю подборки продуктов в любой точке контакта: на сайте — при помощи виджета или в рассылках.

Отправление юридически значимых сообщений осуществляется по электронному адресу: info@sewparts.ru