Рекомендательные системы

Определение

Рекомендательная система — вид программы, которая на основе информации о профиле пользователя строит прогнозы относительно того, что ему будет интересно, и выводит на экране объекты, соответствующие этому критерию.

Ошибка создания миниатюры: Файл не найден

Области применения

Рекомендательные системы широко применяются в электронной торговле, а также на сайтах, производящих или публикующих контент. При этом рекомендательные системы служат разным целям.

• Рекомендательные системы в электронной торговле выполняют задачи по увеличению процента конверсии, среднего чека покупки (upsale), а также увеличению количества товаров в корзине (перекрестные продажи, cross-sale). Кроме того, назначение рекомендательной системы в электронной торговле — сократить время поиска подходящих товаров посетителем.

• Рекомендательные системы на сайтах контент-проектов призваны увеличивать время пребывания посетителя на сайте, глубину просмотра и вовлеченность.

Ошибка создания миниатюры: Файл не найден

Разные виды блоков рекомендованных товаров на сайте Ozon.ru

Блок с рекомендованным материалом на новостном сайте Lenta.ru

Принципы работы

Рекомендательные системы используют данные о пользователях, чтобы динамически менять часть контента на сайте под каждого конкретного посетителя. Каждый посетитель видит контент (статьи, товары, музыку и т.д.), который в наибольшей степени соответствует его потребностям и интересам. Как правило, персонализируется не весь сайт, а только отдельные его блоки.

Существует два основных подхода к построению рекомендательных систем, в зависимости от которых меняются и принципы их работы:

Рекомендации на основе больших данных. В качестве основания для рекомендации используется знание о поведении множества других пользователей, а также данного пользователя в прошлом. Рекомендательная система находит закономерности в поведении и строит рекомендации конкретному пользователю на их основе. Пример логики работы таких рекомендаций: «посетитель интернет-магазина положил в корзину товар N → большинство других посетителей вместе с товаров N также приобрели товары M, N и Y → текущему посетителю будет предложено также купить товары M, N и Y».

Недостатком такого подхода является проблема «холодного старта» — при недостатке данных о прошлом поведении текущего пользователя или данных о поведении других пользователей, система не может порекомендовать что-то текущему пользователю.

Рекомендации по принципу прогрессивной персонализации. Рекомендательная система используют данные профиля пользователя: это может быть демографическая информация, семейный статус, наличие детей, питомцев, недвижимости и другой собственности, лояльность к определенным брендам, уровень дохода и т.д.

Эти данные могут как запрашиваться у пользователя напрямую (например, путем анкетирования), так и автоматически — путем анализа его поведения рекомендательной системой.

Специфика рекомендательных систем в электронной торговле

Наиболее популярные сценарии товарных рекомендаций, используемые в электронной торговле:

• Популярные товары — наиболее подходящие товары для данного клиента среди популярных на вашем сайте товаров.
• Возможно, вам это понравится — наиболее интересные данному клиенту товары среди всего ассортимента магазина.
• Прямо сейчас покупают — наиболее подходящие для данного клиента среди товаров, купленных за последние 10 минут.
• Вы смотрели эти товары — последние просмотренные клиентом товары на сайте. Обычно блок размещается под выдачей товаров в категории, на каждой странице выдачи.
• С этим товаром покупают — наиболее подходящие товары для данного клиента среди товаров, которые покупают вместе с данным товаром.
• Похожие товары — персонализированная подборка из товаров в наличии в этой же категории, с отличием от -5% до +15% по цене.
• Посмотрите также — наиболее интересные пользователю товары среди тех, которые помещали в корзину вместе с данными товарами в корзине.

Наиболее популярные места на сайте, где размещаются блоки товарных рекомендаций:

• Рекомендованные товары на главной странице.
• Персонализированные популярные товары внутри категории.
• Персонализированные сопутствующие товары.
• Рекомендованные товары в корзине.
• Сквозные рекомендации (выводятся на второстепенных страницах сайта).
• Рекомендованные товары внутри email-рассылки.

Как правило, сайты электронной коммерции либо пользуются рекомендательными системами собственной разработки, либо готовыми решениями, представленными на рынке.

Последние в своем большинстве подходят для интернет-магазинов только частично — в основном потому, что игнорируют специфику продаж товаров в определенной отрасли. Например, типовой сценарий товарных рекомендаций не подходит для магазинов одежды — так как в последнем на покупку влияют такие индивидуальные особенности каждого посетителя, как размеры, пол и предпочтения по бренду.

Рекомендательные системы, которые учитывают отраслевую специфику при расчете товарных рекомендаций, называются рекомендательными системами с нишевыми решениями.

Примеры рекомендательных систем

На рынке представлены готовые решения как для контентных сайтов, так и для интернет-магазинов:

• Relap.io — рекомендательная система, популярная среди контентных сайтов.
• REES46 — рекомендательная система для интернет-магазинов с нишевыми решениями для разных товарных сегментов. Также включает в себя полный набор инструментов для маркетинга интернет-магазина.