Запросить демонстрацию платформы
Свяжемся с вами в течение рабочего дня и ответим на все вопросы о продуктах Retail Rocket, покажем платформу, рассчитаем стоимость для вас
Как алгоритмы рекомендаций
Retail Rocket Group помогают людям находить то, что им нужно
Retail Rocket Group помогают людям находить то, что им нужно
Товарными рекомендациями мы называем набор виджетов с подборкой товаров, который размещается на сайте, в приложении или в e-mail. Они созданы для того, чтобы пользователи как можно быстрее находили то, что им нужно среди огромного ассортимента товаров.
Какие данные используем
Гибридные алгоритмы рекомендаций Retail Rocket Group используют, в зависимости от ситуации, два основных источника данных: пользовательское поведение и товарную базу магазина.
Данные о пользовательском поведении
Данные о пользовательском поведении используются для персонализации товарных рекомендаций.
IP-адрес;
Файлы cookies;
Поисковые запросы пользователя на сайте;
Идентификатор пользователя, присваиваемый сайтом;
Длительность пользовательской сессии;
О посещении пользователем страниц сайта: время визита, url-адреса, их числовые или строковые идентификаторы;
О перемещении по страницам сайта: нажатия на ссылки и интерактивные элементы;
О взаимодействии пользователя с товарами: просмотр товара, добавление в корзину, оформление заказа;
ОС пользователя;
Браузер пользователя;
Точки входа: сторонние ресурсы, с которых пользователь по ссылке переходит на сайт;
Архитектура процессора устройства пользователя;
Источник перехода (UTM метка);
Значение UTM меток от source до content;
Параметры экрана: разрешение, глубина цветности, параметры размещения страницы на экране;
Данные, содержащиеся в личном кабинете пользователя.
Данные о товарной базе магазина
Данные о товарной базе используется, если недостаточно данных о пользовательском поведении, чтобы определить интерес к товарным атрибутам, фильтрации товаров и другим задачам.
Эта информация включают все предоставляемые магазином атрибуты товаров: информацию о категориях, ценах, доступности и так далее.
Популярные товары
Базовый алгоритм
Популярные товары из интересных пользователю категорий
Алгоритм показывает товары, с которыми чаще всего взаимодействуют пользователи. В приоритете те позиции, что чаще покупают. Алгоритм показывает наиболее разнообразные товары, что помогает лучше познакомиться с товарной базой и облегчает процесс выбора. Рекомендации популярных позиций формируются на основе всех действий пользователя в интернет-магазине.
Базовый алгоритм
Вариант сценария «Популярные товары», где пользователю показываются товары только из тех категорий, которые интересны ему в долгосрочной перспективе.
Например, после покупки памперсов или корма к этим категориям может сформироваться долгосрочный интерес, который будет учитываться при формировании рекомендаций. А вот после приобретения смартфона у человека не сформируется интерес к категории, так как вряд ли ему скоро понадобится второй.
Например, после покупки памперсов или корма к этим категориям может сформироваться долгосрочный интерес, который будет учитываться при формировании рекомендаций. А вот после приобретения смартфона у человека не сформируется интерес к категории, так как вряд ли ему скоро понадобится второй.
Популярные товары из интересных пользователю категорий
Персональные рекомендации
Базовый алгоритм
Персональные рекомендации на основе прошлых заказов
В этом сценарии анализируется поведение пользователя и показываются товары, которые наиболее интересны ему в контексте текущей задачи:
- Если пользователь проявлял интерес к определенным товарам, алгоритм подбирает альтернативные предложения, помогает найти наиболее подходящий товар и приближает к покупке.
- Если же пользователь уже что-то заказывал, то алгоритм предложит ему сопутствующие товары.
- Если у человека пока нет истории просмотра, ему можно показать популярные товары.
Базовый алгоритм
Алгоритм рекомендует пользователю товары, которые он уже покупал. Учитывается давность и частота покупок.
Персональные рекомендации на основе прошлых заказов
Новинки
Базовый алгоритм
Алгоритм показывает товары, отсортированные по дате поступления, — от самых новых до тех, что давно в продаже. Алгоритм обеспечивает разнообразие товаров и помогает познакомиться с ассортиментом, что упрощает навигацию.
Альтернативные товары
Базовый алгоритм
Алгоритм показывает товары, похожие на текущий товар. Подборка формируется на основе описаний и свойств товаров, а также на основе поведения других пользователей, которые интересовались этим же товаром: что они еще изучают и покупают. Поэтому алгоритм может предложить не всегда схожий по описанию, но действительно подходящий товар.
Upsell
Базовый алгоритм
Этот алгоритм рекомендует максимально похожие товары, но с улучшенными характеристиками и более дорогие.
Например, если пользователь смотрит проводные наушники за 2000 рублей, то ему покажут очень похожие, но беспроводные за 3000 рублей.
Например, если пользователь смотрит проводные наушники за 2000 рублей, то ему покажут очень похожие, но беспроводные за 3000 рублей.
Upsell
Сопутствующие товары
Базовый алгоритм
Алгоритм показывает позиции, которые дополняют текущие товары в заказе.
Например, при покупке надувного бассейна можно сразу порекомендовать средство для его чистки. Когда недостаточно данных по поведению пользователей (актуально для редко покупаемых и новых товаров), предлагаются товары, которые могут быть куплены совместно с учетом их свойств, принадлежности к категории и популярности.
Например, при покупке надувного бассейна можно сразу порекомендовать средство для его чистки. Когда недостаточно данных по поведению пользователей (актуально для редко покупаемых и новых товаров), предлагаются товары, которые могут быть куплены совместно с учетом их свойств, принадлежности к категории и популярности.
Аксессуары
Базовый алгоритм
Разновидность алгоритма «Сопутствующие товары». Подбирает к текущему товару дополнительные аксессуары.
Аксессуары
Рекомендации к поисковому запросу
Базовый алгоритм
В этом сценарии рекомендуются товары, которые лучше всего подходят под поисковый запрос пользователя. При их формировании алгоритм опирается на поведение пользователей, которые уже искали что-то подобное. Если таких товаров недостаточно, добавляются альтернативы к ним.
Готовые образы, коллажи
Базовый алгоритм
Алгоритм рекомендует вещи, которые хорошо сочетаются с текущим товаром и могут дополнить образ.
Например, если пользователь интересуется черной водолазкой, система подберет к ней джинсы, куртку, кеды и сумку подходящего цвета. Образы составляются с учетом общепринятых правил стиля:
то есть к шортам мы порекомендуем футболку, а не теплую куртку
с шапкой.
Модификации алгоритмов рекомендаций
Данные о товарной базе используется, если недостаточно данных о пользовательском поведении, чтобы определить интерес к товарным атрибутам, фильтрации товаров и другим задачам.
Товарная выдача многих алгоритмов может быть ограничена только товарами определенной категории, брендом, товарами со скидкой и по другим признакам.
Существуют версии алгоритмов, которые ограничивают влияние на товарную выдачу очень популярных товаров. Данные модификации необходимы для некоторых магазинов, например, с продуктами питания.
Остались вопросы?
Оставьте заявку — с вами свяжется наш менеджер и поможет во всём разобраться.
Оставьте заявку — с вами свяжется наш менеджер и поможет во всём разобраться.
О КОМПАНИИ
Исследования осуществляются при грантовой поддержке Фонда «Сколково»
© Retail Rocket, 2013–2023