Скрыть Показать боковое меню
Каталог
Ваша корзина (0 товаров)
Ваша корзина пуста
Общая сумма товаров: 0
Общая сумма скидки: 0
Итого к оплате: 0
Оформить заказ
Ваши товары в корзине хранятся 14 дней
Добавляейте товары в корзину и совершайте покупки
Главная — На информационном ресурсе применяются рекомендательные технологии

На информационном ресурсе применяются рекомендательные технологии

На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации.

 

Правила применения рекомендательных технологий

В чем польза рекомендаций для покупателей?

Продуктовые рекомендации в интернет-магазине помогают пользователям тратить меньше усилий и времени на выбор товаров и услуг (далее - Товары), так как вместо того, чтобы искать в интернет-магазине подходящий товар, рекомендательные алгоритмы сразу могут предложить ему релевантные товары.

Как формируются рекомендации?

1. Сбор данных и обучение алгоритмов

Собираем поведенческие данные.

Для обучения алгоритмов рекомендаций требуется как можно больше данных о поведении покупателя в интернет-магазине, поэтому используются следующие данные (далее - Поведенческие данные):
 

• просмотры страниц товаров/услуг

• просмотры страниц категорий;

• просмотры страниц результатов поиска

• составы ранее оформленных заказов; 

Все собранные данные используются только внутри интернет-магазина “Стройпарк” и не подлежат использованию для обучения рекомендательных алгоритмов других интернет-магазинов.

Все собранные данные полностью обезличены и не позволяют идентифицировать конкретного пользователя или устройство.

2. Объединяем собранные данные с данными о товарах из каталога

Для подбора пользователю похожих товаров необходимы не только поведенческие данные, но также данные о самих товарах и их характеристиках, чтобы найти все релевантные товары для рекомендаций.

 3. Подбор рекомендаций

Используется два подхода при формировании рекомендаций: персонализированные и неперсонализированные рекомендации.

Неперсонализированные рекомендации

1. Подбор похожих товаров

Алгоритмы анализируют свойства того продукта, которым интересуется пользователь: категорию, производителя, цвет и многие другие свойства. По этим признакам, а также по товарам, которые просматривали все пользователи, подбираются продукты, которые похожи на интересующий пользователя товар.

2. Подбор сопутствующих товаров
Алгоритмы анализируют какие товары покупали и смотрели все пользователи вместе с интересующим пользователя товаром и на основании этих данных подбираются товары, которые пользователь может докупить.

3. Подбор популярных товаров
Алгоритмы анализируют какие товары чаще всего покупают/смотрят в интернет-магазине “Стройпарк” все пользователи, и из этих данных формируются рекомендации

Персонализированные рекомендации

Алгоритм анализирует поведенческие данные конкретного пользователя и рекомендует ему товары, наиболее релевантные его текущему интересу.

1. Уточняем рекомендации

После того, как рекомендации составлены, можно сделать их еще точнее, добавив дополнительные условия от интернет-магазина. Например, расположить товары в некой градации цен, исключить товары не в наличии или поставить на определенное место в блоке определённый товар.

2. Где отображаются рекомендации

Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю блоки рекомендаций на любой странице интернет-магазина: главная, страница товара, корзина и т.п.

 

Напишите нам
Дать совет
Идет отправка на сервер