В настоящих Правилах применения рекомендательных технологий (далее – «Правила») описаны процессы и методы сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.
Что такое рекомендательные технологии
Под рекомендательными технологиями понимаются программные комплексы, которые с помощью алгоритмических вычислений и/или машинного обучения осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя на основании данных о пользователе или характеристиках элементов в системе.
Рекомендации — это набор слотов/баннеров на сайте и в приложении с подборкой товаров / категорий товаров / брендов. Рекомендательная система отвечает за отбор товаров и порядок отображения этих товаров. Рекомендации можно разделить на 2 группы: товарные и персональные.
Примеры товарных рекомендаций:
· похожие товары на карточке товара,
· сопутствующие товары на карточке товара,
· товары, которые смотрят с текущим товаром другие пользователи, на карточке товара
· сопутствующие товары при добавлении в корзину текущего товара
Примеры персональных рекомендаций:
· персональная подборка бестселлеров на главной странице
· персональная подборка товаров со скидками на главной странице
Источник, виды сведений и методы их сбора
Для целей предоставления рекомендаций собирается информация о действиях пользователей на сайте, в мобильном приложении и в розничных точках. Примеры видов собираемых сведений:
· просмотр продуктов или категорий продуктов;
· клики на элементы интерфейса страницы;
· покупка продуктов;
· добавление продуктов в «Избранное», корзину, лист ожидания или другие списки;
· возврат продуктов;
· состав и даты заказов;
· местонахождение;
Общая схема работы рекомендательной системы
1. Расчет статистических правил и связей. Для товарных рекомендаций анализируются насколько статистически значимо количество совместных покупок и просмотров товара А с товаром Б, насколько товар А похож на товар Б, насколько товар А популярен на текущий момент среди пользователей и т.д. Для персональных рекомендаций анализируются категории, в которых пользователь покупал или смотрел товары.
2. Отбор кандидатов. Рекомендательный сервис выбирает товары, релевантные контексту показа рекомендаций и бизнес-смыслу.
3. Ранжирование кандидатов. Отобранные товары оцениваются исходя из статистических правил, описанных в п.1. Конкретный набор правил и важность каждого правила может изменяться в зависимости от контекста.
4. Диверсификация кандидатов. При необходимости в финальной выдаче устанавливаются ограничения на количество товаров, имеющих одинаковую товарную характеристику.
5. Отображение рекомендаций. В выдаче рекомендаций отображаются товары с наибольшей оценкой, отобранные на предыдущем шаге.