Правила применения рекомендательных технологий

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. Данные о поведении пользователей

1.1. Данные о взаимодействии пользователей с товарами

Наибольшим влиянием в данных о поведении пользователя обладают события взаимодействия с товарами. Активно используются события просмотра карточки товара, добавления товара в корзину и заказа товара.

Варианты использования этих событий:

• для получения информации по отдельному товару, в первую очередь о совокупной популярности;

• данные о распределении товаров по пользовательским сессиям используются для получения информации о том, как соотносятся различные товары - какие группы товаров используются в качестве товаров-заменителей или дополняющих товаров;

• прошлые товарные события текущей сессии пользователя, прошлой его сессии, а также данные о сессиях других пользователей позволяют определить товары и товарные категории для показа, которые могут заинтересовать данного пользователя.

1.2. Данные о взаимодействии пользователей с внутренней поисковой системой магазина

Совместно с данными о взаимодействии пользователя с товарами, могут использоваться для расчета поисковых рекомендаций. Данный тип рекомендаций показывается на странице внутреннего поиска магазина.

1.3. Данные о взаимодействии пользователей с системой рекомендаций

Активно используются события просмотра и клика на товар в виджете рекомендаций.

Эти события используются для выбора таких вариантов конфигурации и товаров для показа в виджетах, которые показали себя наилучшим образом ранее.

2. Данные о товарной базе магазина

Включают все предоставляемые магазином атрибуты товаров, информацию о категориях, ценах, доступности.

Варианты использования этих событий:

• если поведенческих данных о взаимодействии пользователей с данным товаром недостаточно и требуется определить сходство между товарами;

• для обеспечения наибольшего разнообразия выдачи алгоритма рекомендаций;

• совместно с данными о поведении пользователя могут использоваться для определения интереса к товарным атрибутам и показа в первую очередь товаров с наиболее интересными пользователю атрибутами;

• изображения могут быть использованы для подбора наиболее стилистически подходящих товаров;

• некоторые алгоритмы используют цены и время появления товаров в магазине;

• для фильтрации товаров по производителю, акциям и прочим товарным атрибутам в соответствии с потребностями магазина.