Две версии проблемы холодного старта

В рекомендательных системах холодный старт существует в двух независимых формах.

Холодный старт пользователя — новый посетитель без истории взаимодействий. Коллаборативная фильтрация не работает: не с кем сравнить. Система не знает ни интересов, ни ценового диапазона, ни предпочтений по бренду.

Холодный старт товара — новая позиция в каталоге без просмотров, добавлений в корзину и покупок. Алгоритмы не знают, кому этот товар интересен. Результат — новинка «невидима» в рекомендациях и получает только органический трафик из каталога.

Стратегии решения

Для нового пользователя

Стратегия Как работает Скорость получения сигнала
Сессионные рекомендации Основаны на текущих просмотрах Мгновенно — с первого клика
Popularity-based fallback Бестселлеры и тренды Нет сигнала — нет персонализации
Онбординг-опрос «Что вас интересует?» После 2–3 ответов
Геотаргетинг Локальные предпочтения по региону При первом визите
Identity resolution Связь с офлайн-историей При авторизации

Для нового товара

  • Content-based алгоритм — использует атрибуты (категория, бренд, цена, характеристики) для поиска похожих товаров
  • Кластерный буст — товар относится к ближайшему кластеру и получает аудиторию кластера
  • Merchandising rules — ручное продвижение новинок в топ рекомендаций
  • Explorative стратегии — epsilon-greedy показывает новинки в небольшом проценте случаев для сбора сигналов

Аффинити-профиль как решение

Вместо ожидания накопления истории покупок, система строит профиль пользователя на основе сессионного поведения: что смотрел, сколько времени провёл на странице, что добавил в корзину.

Уже после 5–10 просмотренных товаров алгоритм понимает ценовой диапазон, категорию интереса и бренд-предпочтения. Это существенно сокращает «период холодного старта» с нескольких недель до одной сессии.

Важно: никогда не оставляйте холодный старт без fallback-стратегии. Пустые рекомендательные блоки или заглушки «товары скоро появятся» — хуже популярных товаров как placeholder.