Как формируются рекомендации

На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации.

Виды сведений, относящихся к предпочтениям пользователей сети "Интернет"

1. Собираются поведенческие данные:

• просмотры страниц товаров/услуг
• просмотры страниц категорий
• просмотры страниц результатов поиска
• составы оформленных заказов

2. Объединяются собранные данные с данными о товарах из каталога.

3. Для подбора пользователю похожих товаров необходимы не только поведенческие данные, но также данные о самих товарах и их характеристиках, чтобы найти все релевантные товары для рекомендаций.

4. Все собранные данные полностью обезличены и не позволяют идентифицировать конкретного пользователя или устройство.

Описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети "Интернет".

5. Не персонализированные рекомендации

• Подбор похожих товаров:
  Алгоритмы анализируют свойства того продукта, которым интересуется пользователь: категорию, производителя, цвет и многие другие свойства. По этим признакам, а также по товарам, которые просматривали все пользователи, подбираются продукты, которые похожи на интересующий пользователя товар. Например, пользователь смотрит линолеум под дерево, с размером 40х40 см, алгоритм рекомендаций предложит ему другие модели линолеума с похожими характеристиками.


• Подбор сопутствующих товаров:
  Алгоритмы анализируют какие товары покупали и смотрели все пользователи вместе с интересующим пользователя товаром и на основании этих данных подбираются товары, которые пользователь может докупить. Например, при выборе обойного клея для покупателей формируется набор таких товаров, как: грунтовки под обои, шпатель обойный, обои которые часто покупали или смотрели.


• Подбор популярных товаров:
  Алгоритмы анализируют какие товары чаще всего покупают/смотрят в данном интернет-магазине все пользователи и из этих данных формируются рекомендации популярных товаров во всем интернет - магазине (или в какой-то конкретной категории каталога). Например, за прошедший квартал в данном интернет-магазине чаще всего покупали сухие смеси, эти товары будут показаны в блоке популярных рекомендаций для всех пользователей.

6. Персонализированные рекомендации
Алгоритм анализирует поведенческие данные конкретного пользователя и рекомендует ему товары, наиболее релевантные его текущему интересу.

7. Уточнение рекомендаций
После того, как рекомендации составлены, могут быть добавлены дополнительные условия показа. Например, расположение товаров в некой градации цен, исключение товаров, которые не в наличии или установка на определенное место в блоке определённый товар.

8. Места отображения рекомендаций
Рекомендованные продукты показываются в любой точке контакта: на сайте — при помощи виджетов рекомендаций, в рассылках, мобильном приложении.