Продуктовые рекомендации помогают среди миллионов товаров найти то, что нужно. К примеру, если вы просматривали обои, сайт предложит похожие или сопутствующие товары; если выбираете межкомнатную дверь — предложит подходящую фурнитуру. Так покупки отнимают меньше времени и усилий.

«Продукт» здесь и дальше — это любой товар.

Как формируются рекомендации

1. Собираем предпочтения клиентов

Невозможно рекомендовать человеку товар, не зная о его предпочтениях. Или, по крайней мере, о похожих предпочтениях других клиентов. Поэтому мы используем данные о действиях покупателей, например:

• просмотрах продуктов или категорий продуктов;

• продуктах в «Избранном», корзине;

• 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.

Все эти данные поступают с сайта, из мобильного приложения, касс, рекламных кабинетов.

2. Подбираем рекомендации на основе предпочтений

Есть три подхода к формированию рекомендаций:

1. Подбор похожих и сопутствующих продуктов.Алгоритмы анализируют свойства продуктов, которыми интересовался клиент: назначение, материал, цвет, категорию или производителя. По этим признакам подбираются продукты, которые также могут его заинтересовать. Например, если покупатель искал на сайте керамическую плитку, в рекомендациях появятся материалы для ее укладки. Так клиент не забудет о сопутствующих товарах, необходимых для решения его задачи.

2. Рекомендации популярных продуктов.Алгоритм анализирует взаимодействие клиентов с продуктами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Мы порекомендуем то, что нравится большинству других покупателей. Например, самые популярные товары отображаются в каталоге вверху списка, если включена сортировка по популярности.

3. Рекомендации на основе схожих предпочтений.Алгоритм анализирует сходства в предпочтениях 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, два мастера выбирают новый аккумуляторный инструмент. Один них также покупает защитные очки и перчатки — второму тоже можно порекомендовать эту категорию товаров. 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 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 на главной странице сайта, на странице категории товаров и в карточке товара.