Чем персональные рекомендации отличаются от других стратегий
Рекомендательные системы выдают товары по разным принципам. Разница в том, чьи данные используются:
| Стратегия | Основа | Кому подходит |
|---|---|---|
| Популярные товары | Агрегат по всему магазину | Всем одинаково, холодный старт |
| Похожие товары | Атрибуты текущего товара | Контекст страницы товара |
| Часто берут вместе | История транзакций | Upsell и cross-sell |
| Персональные | Профиль конкретного пользователя | Возвращающиеся пользователи |
Персональные рекомендации требуют накопленных данных о пользователе — минимум нескольких сессий с просмотрами и действиями.
Как строится персональный профиль
Алгоритм формирует аффинити-профиль из событий:
- Просмотры товаров — слабый сигнал, но большой объём
- Добавление в корзину — сильный сигнал интереса
- Покупки — самый сильный сигнал, весится выше
- Поисковые запросы — намерение в явном виде
- Время просмотра — прокрутка страницы товара вниз > беглый просмотр
На основе этих событий строятся векторы аффинити по брендам, категориям, ценовым диапазонам и атрибутам товаров (цвет, размер, материал).
Пример аффинити-профиля:
Бренды: Nike 0.82, Adidas 0.61, Puma 0.38
Категории: Кроссовки 0.91, Одежда 0.45
Цена: 5000–12000 ₽ — оптимальный диапазон
Где размещать персональные рекомендации
Главная страница — виджет «Для вас» в первом экране или между промо-блоками. Высокий охват, хорошая точка для персонализации возвращающихся пользователей.
Страница категории (PLP) — «Вам может понравиться» между рядами листинга или вверху. Удерживает пользователя при несовпадении с текущей страницей.
Карточка товара (PDP) — «Вы смотрели» и «Рекомендуем именно вам» ниже описания. Снижает потери пользователей, которых не убедил текущий товар.
Корзина — «Другие покупают с этим» на основе профиля и содержимого корзины.
Email — персональная подборка в рассылке на основе профиля без сессионного контекста.
Совет: не ставьте персональные рекомендации на позицию, где лучше сработают другие стратегии. Для блока «Похожие» на PDP — content-based фильтрация точнее. Для cross-sell — «Часто берут вместе». Персональные — для блока «Для вас» и «Вы смотрели».
Cold start: что делать с новыми пользователями
Для первого визита персонального профиля нет. Алгоритм постепенно накапливает данные:
- Визит 1 — контекстные данные (устройство, источник трафика, геолокация, время). Показываются популярные или трендовые товары.
- 3–5 просмотров — первый аффинити-сигнал. Рекомендации начинают адаптироваться.
- 1 покупка — профиль существенно обогащается. Персонализация становится точной.
Как измерять эффективность
Для персональных рекомендаций правильный порядок метрик:
- CTR виджета — кликают ли на рекомендованные товары
- Атрибутированная выручка — выручка с заказов, содержащих клик по виджету (с учётом attribution window 7–14 дней)
- Доля заказов с взаимодействием с виджетом
- RPV — revenue per visitor для пользователей, видевших виджет, vs контрольная группа
Все метрики нужно сравнивать в A/B тесте: персональный алгоритм vs популярные товары или предыдущий алгоритм.