Уникальные преимущества
Алгоритмы нового поколения
Используйте лучшие разработки на основе Data Science и машинного обучения


Рекомендательные алгоритмы на основе поведения пользователей
Рекомендательные алгоритмы Gravity Field подбирают товары не только на основе параметров из фида, но и на основе поведения пользователей, их интересов и интересов пользователей, которые похожи на них по поведенческим паттернам.
В основе таких алгоритмов лежит формула, которая учитывает множество параметров — просмотры товаров, добавления в корзину, оформленные заказы и другие — и присваивает каждому параметру определённый вес. На основе таких весов алгоритм рассчитывает наиболее приоритетные товары для показа и показывает каждому пользователю позиции, которые заинтересуют именно его.
На основе таких весов алгоритм рассчитывает наиболее приоритетные товары для показа и показывает каждому пользователю позиции, которые заинтересуют именно его.

Самообучающиеся алгоритмы
Если базовые рекомендательные алгоритмы выбирают товары исходя из заданной формулы, то алгоритм на основе Deep Learning постоянно обучается на данных вашего сайта в режиме реального времени и сам рассчитывает и корректирует формулу для подбора товаров. Deep Learning учитывает множество переменных и помогает показывать актуальные для пользователей товары, которые они бы не увидели на основе данных из фида.
Например, для определённого пользователя подобрать к синей рубашке красные брюки потому, что такие товары часто оказывались в одном чеке у пользователей, чьи поведенческие паттерны были похожи на паттерны этого конкретного пользователя.
Благодаря алгоритму Deep Learning рекомендации получаются менее шаблонными и более человечными. Именно поэтому рекомендации на основе Deep Learning используют такие гиганты рынка, как Netflix и Spotify.

Прогнозирование эффективности кампаний
Помимо персонализации на исторических данных и оптимизации в режиме реального времени, Gravity Field позволяет заглянуть в будущее каждой кампании и спрогнозировать, насколько она будет эффективна для отдельных сегментов аудитории.
Это можно сделать с помощью предиктивного таргетинга — специального движка, который умеет выделять наиболее успешные комбинации “гипотеза—сегмент” и даже рассчитывать потенциальный инкрементальный прирост от масштабирования таких комбинаций.

Использование собственных алгоритмов
Если у вас уже есть собственные рекомендательные алгоритмы, вы можете передать их в Gravity Field по API.
Тестируйте собственные алгоритмы друг против друга или против алгоритмов Gravity Field, анализируйте результаты и масштабируйте только самые эффективные комбинации.

Управление бизнес-логикой и монетизацией
С Gravity Field вы можете наложить на любой алгоритм свою бизнес-логику, чтобы сделать рекомендательные блоки более экспертными, человечными или маржинальными.
Применяйте мерчендайзинговые правила для целых блоков или отдельных слотов, создавайте товарные бандлы и продавайте размещение в рекомендательных блоках своим поставщикам.