Продуктовые рекомендации

В чем польза рекомендаций для покупателей

Продуктовые рекомендации помогают среди миллионов товаров и услуг найти то, что нужно. К примеру, если вы просматривали джинсы, сайт предложит похожие модели на выбор. Если купили смартфон — подберет защитное стекло под вашу модель. Так покупки отнимают меньше времени и усилий. «Продукт» здесь и дальше — это любой товар, услуга, аудиовизуальное произведение и т.д.

Как формируются рекомендации

Собираем предпочтения клиентов

Невозможно рекомендовать человеку товар, когда не знаешь о его предпочтениях. Или, по крайней мере, о предпочтениях других клиентов, похожих на него. Поэтому система использует данные о действиях покупателей, например:

просмотрах продуктов или категорий продуктов;

продуктах в «Избранном», корзине, листе ожидания или других списках;

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;

поле или возрасте, чтобы предлагать подходящие продукты. Например, платья — женщинам.

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

Подбираем рекомендации на основе предпочтений

Есть три подхода к формированию рекомендаций:

Подбор похожих и сопутствующих продуктов. Алгоритмы анализируют свойства тех продуктов, которыми интересовался клиент: цвет, жанр, коллекцию, категорию или производителя. По этим признакам подбираются продукты, которые также могут его заинтересовать. Например, если покупатель искал на сайте зоомагазина собачий корм, в рекомендациях появятся товары для собак. Так клиент вспомнит, что нужно докупить шампунь для питомца. Хотя мог бы и не добраться до него, если бы просто листал витрину.

Рекомендации популярных продуктов. Алгоритм анализирует взаимодействие всех клиентов с продуктами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Это полезно, если клиент впервые пришел на сайт и о нем еще ничего неизвестно. Система порекомендует то, что нравится большинству других покупателей. Например, на сайте мебельного магазина рядом с самыми популярными моделями появится виджет «Хиты продаж».

Рекомендации как для клиента с похожими предпочтениями. Алгоритм анализирует сходства в поведении 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, двум зрителям онлайн-кинотеатра нравятся вестерны и боевики. Один из них еще и фанат авторского кино — второму тоже можно порекомендовать этот жанр. Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.

Где отображаются рекомендации

Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю подборки продуктов в любой точке контакта: на сайте — при помощи виджета, в рассылках, мобильном приложении, колл-центре, на кассе.