Lad 2 Lad 1

Группа IT-компаний

  • Услуги
     
    Услуги
    Разработка
    Разработка ПО Решения на базе AI Интеллектуальные чат-боты Веб-разработка Разработка интернет-магазинов Мобильная разработка Разработка личного кабинета Разработка приложений Эвотор Тестирование программного обеспечения IT-аудит
    Интеграция
    Внедрение 1С:ERP Автоматизация учета Внедрение и сопровождение продуктов 1С Переход на 1С
    Дистрибуция
    1С Тензор Р7‑Офис Эвотор
     
  • Отрасли
     
    Отрасли
    Строительство Торговля, ритейл Производство Энергетика и ТЭК
     
  • Кейсы
  • Продукты
     
    Продукты
    Project Lad GPTZATOR
     
  • О компании
     
    О компании
    Структура Контакты Партнеры Карьера
     
  • Медиа
     
    Медиа
    Новости Мероприятия СМИ о нас Статьи
     
Связаться с нами Связаться с нами
 
  • Услуги
     
    Разработка
    Разработка ПО Решения на базе AI Интеллектуальные чат-боты Веб-разработка Разработка интернет-магазинов Мобильная разработка Разработка личного кабинета Разработка приложений Эвотор Тестирование программного обеспечения IT-аудит
    Интеграция
    Внедрение 1С:ERP Автоматизация учета Внедрение и сопровождение продуктов 1С Переход на 1С
    Дистрибуция
    1С Тензор Р7‑Офис Эвотор
  • Отрасли
     
    Строительство Торговля, ритейл Производство Энергетика и ТЭК
  • Кейсы
  • Продукты
     
    Project Lad GPTZATOR
  • О компании
     
    Структура Контакты Партнеры Карьера
  • Медиа
     
    Новости Мероприятия СМИ о нас Статьи
+7 (831) 233-36-66 Связаться с нами

 

Главная /  Медиа / 

#СМИ о нас

Рекомендательная система для интернет‑магазина: графы, векторы и генеративный ИИ

 

25 июня 2024 года

~ 3 мин. на чтение


#цифровизация

Подпишитесь на рассылку полезных материалов

Электронная почта

Спасибо за подписку!

Вы сможете отказаться от нее в любой момент

#цифровизация

Содержание

Какие бывают рекомендации

О том, что бизнесу не достаточно иметь волшебную кнопку

Руководитель направления «Лад.Технологии» Ксения Плесовских поделилась опытом разработки умной рекомендательной системы для интернет-магазина


Дано: интернет-магазин одежды, обуви и аксессуаров и интернет-магазин автозапчастей, две совершенно разные сферы онлайн-покупок со своей уникальной логикой пользовательского опыта, которые обслуживают миллионы пользователей в нескольких странах.

Требуется:

  1. построить умную рекомендательную систему, чтобы при заходе на сайт, руки сами тянулись к заветной кнопке «Купить»;
  2. облегчить пользователю поиск товаров даже с самыми нестандартными запросами;
  3. подружить пользовательские предпочтения с требованиями бизнеса, когда требуется распродать определенный товар.

Ресурсы: команда ИИ из 6 человек, полгода работы, графовая база Neo4j, векторный поиск, генеративный ИИ и безграничное терпение бизнес-команд.


Какие бывают рекомендации

Путь пользователя по сайту интернет-магазина может пролегать разными маршрутами. Начинается он, как правило, на главной странице, и уже тут пользователю, который еще может быть не авторизован и не обозначил цели своего визита, надо показать что-то. В этом случае в дело идут популярные товары, сезонный спрос, акционные товары — то есть самые общие рекомендации, а также новинки, знакомство с ассортиментом, товары повышенного спроса, тематические подборки. Разнообразить их можно, например, определив погоду или какие-то значимые события по дате или местоположению пользователя.

Когда пользователь перешел в каталог, показываем общие рекомендации уже применительно к конкретной категории, а уж если он начал смотреть конкретные товары, есть где развернуться дата-сайентисту:

  • какие товары обычно смотрят или покупают совместно с тем, что сейчас смотрит, покупает или добавил в избранное пользователь;
  • какие товары похожи по своим характеристикам на текущий;
  • порекомендовать аксессуары для данного товара;
  • рекомендации с учетом текущей пользовательской сессии — даже если пользователь не авторизован, но он уже успел что-то посмотреть и поискать, мы можем учесть эту, пусть и короткую, историю в текущих рекомендациях, попробовав по этой истории предугадать цель пользовательского визита.

И наконец, у нас есть авторизованный пользователь и вся история взаимодействия с ним.

В этом случае мы можем:

  • рекомендовать ему в первую очередь те товары, что он отложил в избранное, но подзабыл;
  • найти пользователей, которые имеют схожий профиль по купленным товарам, и на основе их совокупности предпочтений сделать рекомендацию текущему пользователю;
  • сегментировать пользователя по частоте, объему и стоимости покупок и сделать рекомендацию по покупкам схожей аудитории;
  • строить рекомендации исходя из пользовательского поведения.

Наконец, есть еще один кейс, когда рекомендация нацелена на помощь пользователю в сложном подборе, то есть когда он не уверен, действительно ли ему необходим именно этот товар, так как не имеет достаточной экспертизы (это случаи покупки запчастей к чему-либо, выбор сложной техники, материалов для ремонта). Тогда рекомендация должна быть направлена на то, чтобы определить применимость товаров и показать наиболее подходящие.


О том, что бизнесу не достаточно иметь волшебную кнопку

Итак, алгоритм рекомендации выбран, возможно, мы даже уже отобрали для показа топ-N товаров. Можно отдавать их на фронт? А вот и нет. Как известно, самым продаваемым товаром в магазине независимо от ассортимента является пакет, но с позиции бизнеса рекомендовать его покупку недопустимо, поэтому поверх найденных взаимосвязей в обязательном порядке накладываются ограничения.

Пришло время поговорить о продактах и категорийных менеджерах интернет-магазинов, которые день за днем неустанно следят за тем, какие именно товары должны быть успешно распроданы в определенный период времени. Ситуации бывают разные — заканчивается сезон и нужно избавиться от остатков на складах, или нужно в первую очередь распродать товар, у которого заканчивается срок реализации, а может быть, магазин закупил большую партию суперкроссовок, и пользователям нужно оперативно об этом сообщить. 

Как же сделать так, чтобы пользователь увидел именно то, что мы хотим показать ему в первую очередь, но при этом не отпугнуть его лавиной ненужного спама?

Для этого продакты получили возможность преднастраивать требования к рекомендациям, например, ставить в приоритет товары определенной категории, если известно, что эта категория интересна пользователю. Для этого у нас реализована специальная панель администрирования рекомендаций, которая содержит в себе:

  • возможность выбора рекомендательных алгоритмов;
  • возможность установки фильтрации и сортировки рекомендованного товара по дополнительным параметрам, например, показывать товары, начиная с самых популярных или с тех, что продаются с большой скидкой;
  • проведение A/B тестирования, например, выбрать регион, которому будет показываться рекомендация именно в таком наборе алгоритмов, фильтров и сортировок;
  • исключение товаров и категорий — никаких пакетов, товаров, которые пользователь уже купил или только что положил в корзину и т. п.;
  • выбор конкретного места размещения рекомендации на сайте и ее публикация для показа.

В результате продакты получили возможность самостоятельно определять, что когда и как показать пользователю.

Настройки панели прилетают в рекомендательную систему двумя частями. Первая часть включает в себя то, что актуально для всех пользователей, например, выбранные для рекомендации категории. Вторая часть правила приходит непосредственно в момент рекомендации и включает пользовательские особенности — город показа, ID пользователя и просматриваемого товара, дополнительные характеристики, например, VIN-номер автомобиля, если человек ищет автозапчасти. Благодаря второй части алгоритмы определяют ограничения, накладываемые на предрассчитанные данные. Например, алгоритм показа похожих товаров заранее располагает данными о том, какие товары похожи между собой, но именно в момент рекомендации учитывает их наличие рядом с пользователем, вместе с подходящими ему размерами, если вдруг они нам известны.

Источник: Хабр

 

Подпишитесь на рассылку полезных материалов

Электронная почта

Спасибо за подписку!

Вы сможете отказаться от нее в любой момент

Медиа

Все медиа

 

Все материалы Новости Статьи
Все медиа

 

 

#Новости

Lad наградили за заботу о сотрудниках и карьерный рост

 

#Новости

Кейс внедрения Project Lad в книге «Любимый Нижний Новгород»

 

#Новости

ДМС в Lad: забота о здоровье сотрудников через «Кафетерий бенефитов»

 

#Новости

Lad на страницах книги «Любимый Нижний Новгород»

 

 

 

#Новости

Lad наградили за заботу о сотрудниках и карьерный рост

 

#Новости

Кейс внедрения Project Lad в книге «Любимый Нижний Новгород»

 

#Новости

ДМС в Lad: забота о здоровье сотрудников через «Кафетерий бенефитов»

 

#Новости

Lad на страницах книги «Любимый Нижний Новгород»

 

 

 

#Статьи

Реальные кейсы: как начать использовать нейросети и повысить эффективность бизнеса

 

#Статьи

Темплейт для интернет-магазина: как быстро и качественно запустить онлайн-продажи

 

#Статьи

Построение методики, автоматизация раздельного учета ГОЗ и формирования РКМ

 

#Статьи

Искусственный интеллект в действии: автоматизация бизнес-процессов с GPTZATOR

 

 

 

 

 

Написать в Telegram
Мы используем cookie. Это позволяет нам следить за работой сайта, а также использовать данные для улучшения услуг и продуктов. Посещая lad24.ru, вы соглашаетесь с обработкой ваших персональных данных. Подробнее

Услуги

Разработка ПО

Решения на базе AI

Интеллектуальные чат-боты

Веб-разработка

Разработка интернет-⁠магазинов

Мобильная разработка

Разработка личного кабинета

Разработка приложений Эвотор

Тестирование программного обеспечения

IT-аудит

 

Внедрение 1С:ERP

Автоматизация учета и управления

Внедрение и сопровождение 1С

Переход на 1С с SAP

1С

Тензор

Р7‑Офис

Эвотор

Отрасли И Направления

Строительство

Торговля, ритейл

Производство

Энергетика и ТЭК

Продукты

Project Lad

GPTZATOR

 

Кейсы

О компании

Структура

Контакты

Партнеры

Карьера

Медиа

Новости

Мероприятия

СМИ о нас

Статьи


Lad 3 Группа IT-компаний

Головной офис

ООО «ЛАД-Интеллект»
Входит в состав группы IT-компаний Lad

Адрес: 603093, г. Нижний Новгород, ул. Родионова, д. 23А, оф. 313

Телефон: +7 (831) 2-333-666

E-mail: contact@lad24.ru

© 1992-2025. Все права защищены

Политика обработки персональных данных Файлы cookie