Продуктовые рекомендации МирБир

Продуктовые рекомендации МирБир

Продуктовые рекомендации помогают среди тысяч товаров найти то, что нужно. К примеру, если вы просматривали дрожжи, сайт предложит похожие штаммы на выбор. Если купили самогонный аппарат — подберет колонну. Так покупки отнимают меньше времени и усилий.

Как формируются рекомендации:

1. 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 используются 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.

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.

2. 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, коллекцию, категорию или производителя. По этим признакам подбираются продукты, которые также могут его заинтересовать.

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.

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. Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.