Навигация

Последние авторы
1 (% class="box" %)
2 (((
3 **Содержание:**
4
5 {{toc depth="3" start="2"/}}
6 )))
7
8 === **Общая информация** ===
9
10 **Товарные рекомендации** — это инструмент для создания эффективных коммуникаций с покупателями посредством рассылок, а также виджетов на сайте и в Мобильном приложении.
11
12 Основные цели инструментов товарных рекомендаций:
13
14 * персонализация взаимодействия с клиентом;
15 * стимулирование клиентов к совершению определённых действий согласно задачам и интересам Компании;
16 * достижение поставленных бизнес-целей;
17 * автоматизация маркетинга и проверка гипотез.
18
19 Для выработки товарных рекомендаций используется модуль [[Loymax AI>>doc:Main.General_information.Loymax_AI.WebHome]], алгоритмы которого позволяют обрабатывать и анализировать большие массивы данных с высокой скоростью и точностью. Маркетологи и аналитики могут сконцентрироваться на формировании бизнес-стратегий, поручая искусственному интеллекту технические задачи обработки больших объёмов данных для заданных бизнес-задач.
20
21 Задачи, решаемые посредством персонализации рассылок с использованием товарных рекомендаций:
22
23 * [[Повышение качества взаимодействия>>doc:Main.General_information.CRM.Member_lifecycle.CJM.WebHome]] клиента с Компанией;
24 * Улучшение клиентского опыта через рекомендации;
25 * Рекомендации попробовать другой товар;
26 * Расширение корзины;
27 * Увеличение частоты покупок;
28 * Увеличение суммы покупок;
29 * Продвижение определённых товаров, линеек и брендов;
30 * Распродажа остатков товаров;
31 * Прочие бизнес-метрики, для достижения которых маркетологи запускают кампании и сценарии взаимодействия со своими клиентами.
32
33 Для формирования товарных рекомендаций используются алгоритмы статистического анализа и машинного обучения. Эти алгоритмы используют как исторические данные, так и онлайн-действия, совершаемые клиентами на сайте. Алгоритмы исследуют предпочтения покупателей, предсказывают их поведение и предлагают наиболее релевантные рекомендации для каждого клиента.
34
35 (% class="box warningmessage" %)
36 (((
37 * Чтобы использовать алгоритмы в макросах **Товарные рекомендации** [[Smart Communications>>doc:Main.Using.Smart_Communications.WebHome]], обратитесь к специалистам Loymax.
38 * Модуль товарных рекомендаций является отдельно подключаемой функциональностью, предоставляемой на платной основе.
39 )))
40
41 === **Взаимодействие элементов инфраструктуры Loymax для формирования товарных рекомендаций** ===
42
43 Источником данных по чекам, клиентам и товарам из товарного каталога для формирования товарных рекомендаций служат хранилище данных** DWH BI** и/или система управления базами данных **ClickHouse SmartCom**. Данные передаются в модуль **Loymax AI**, где происходит обработка данных и расчёт товарных рекомендаций с использованием алгоритмов ML. Далее рассчитанные товарные рекомендации передаются по API в **витрины данных**. **API-proxy сервер** отвечает за валидацию данных из запроса и формирование ответов для Smart Communications. **Smart Communications** забирает ответы с **API-proxy сервера**, насыщает их данными (картинками, названиями, ссылками, ценами и т. д.), вставляет их в специальные шаблоны и отправляет email-рассылки со сформированными товарными рекомендациями клиентам.
44
45 |(% style="border-color:#ffffff; text-align:center" %){{lightbox image="Scheme_module_interaction.png" width="1200"/}}
46
47 В настоящий момент доступно 5 алгоритмов для формирования товарных рекомендаций:
48
49 * **[[Популярные товары>>doc:||anchor="01"]]**
50 * **[[Популярные товары в категории>>doc:||anchor="02"]]**
51 * **[[Совместные покупки>>doc:||anchor="03"]]**
52 * **[[Похожие товары>>doc:||anchor="04"]]**
53 * **[[Персональные товарные рекомендации>>doc:||anchor="05"]]**
54
55 (% class="box infomessage" %)
56 (((
57 **Примечание:**
58
59 Так как макрос товарных рекомендаций оперирует списком рекомендаций, то вывод конкретных рекомендаций для вставки в нужное поле тела сообщения осуществляется с помощью конструкций шаблонизатора. Пример управляющей конструкции модуля **Товарные рекомендации** смотрите [[здесь>>doc:Main.Using.Smart_Communications.Recommendations.WebHome||anchor="H41F43E43444144243043D43E43243A43044043543A43E43C43543D43443044643843943244143E43E43144943543D438435"]].
60 )))
61
62 Рекомендации по каждому из алгоритмов отличаются, т. к. цели и задачи у них разные и в основе лежат разные наборы моделей, алгоритмов, гиперпараметров и т. п. При выборе конкретного алгоритма и сценария использования важно учитывать множество факторов:
63
64 * какую цель преследует конкретная маркетинговая кампания (рассылка/коммуникации),
65 * какое целевое действие ожидается от клиента после получения той или иной коммуникации,
66 * точки взаимодействия с клиентом и канал подачи контента.
67
68 Это означает, что комбинирование различных алгоритмов рекомендаций может привести к максимально позитивному сценарию для Компании и стимулировать клиента к совершению конкретного действия.
69
70 Каналы коммуникаций с использованием товарных рекомендаций:
71
72 1. Email,
73 1. Виджет на сайте (графическое приложение, которое выводит информацию на рабочий стол ПК, экран смартфона/планшета или страницу сайта),
74 1. Мобильное приложение,
75 1. Личный кабинет.
76
77 === **{{id name="01"/}}Алгоритм "Популярные товары"** ===
78
79 ==== 1. Описание алгоритма **Популярные товары** ====
80
81 Алгоритм **Популярные товары** — это алгоритм, где рассчитывается рейтинг среди [[всего*>>doc:||anchor="Star"]]** **списка товаров. Алгоритм предлагает к рекомендации топ-N популярных товаров из каждой категории согласно позиции каждого отдельного товара в общем рейтинге.
82 Данная методика предлагает к рекомендации более широкий спектр товаров (т. е. по несколько товаров из разных категорий), что предпочтительнее для достижения бизнес-целей.
83 Рейтинг товаров** **рассчитывается по количеству товара (единицам товара) во всех покупках всех покупателей, т. е. это самые покупаемые товары.
84 **Все** **покупки **— покупки независимо от места совершения покупки: онлайн, офлайн, т. е. все покупки, которые прошли через процессинг Loymax.
85
86 ==== 2. Примеры использования алгоритма **Популярные товары** для персонализации рассылок ====
87
88 **Email-рассылки:**
89
90 (% class="table-bordered" style="width:1218px" %)
91 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
92 |(% style="width:399px" %)[[**Брошенный просмотр**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E442440"]]|(% style="width:370px" %)Товар был просмотрен, но не куплен|(% style="width:446px" %)(((
93 Клиент просматривал карточку товара, после чего покинул сайт.
94
95 Через определенное время (t) отправить письмо с самыми популярными товарами.
96 )))
97 |(% style="width:399px" %)[[**Брошенный просмотр категории**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E44244043A43044243543343E440438438"]]|(% style="width:370px" %)Была просмотрена категория товара, но ничего не куплено|(% style="width:446px" %)(((
98 Клиент просматривал категорию товара, после чего покинул сайт.
99
100 Через определенное время (t) отправить письмо с самыми популярными товарами.
101 )))
102 |(% style="width:399px" %)[[**Брошенная корзина**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D43044F43A43E44043743843D430"]]|(% style="width:370px" %)Товар был добавлен в корзину, но не куплен|(% style="width:446px" %)(((
103 Клиент положил товар в корзину, после чего покинул сайт.
104
105 Через определенное время (t) отправить письмо с напоминанием о брошенной корзине и c самыми популярными товарами.
106 )))
107
108 (% style="color:inherit; font-family:Montserrat,sans-serif; font-size:20px; font-weight:600" %)3. Примеры использования алгоритма (% style="color:inherit; font-family:Montserrat,sans-serif; font-size:20px" %)**Популярные товары**(% style="color:inherit; font-family:Montserrat,sans-serif; font-size:20px; font-weight:600" %) для персонализации сайта
109
110 (% class="table-bordered" style="width:1218px" %)
111 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
112 |(% style="width:399px" %)[[**Главная страница сайта**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143544243843B441430439442"]]|(% style="width:370px" %)Вход на сайт|(% style="width:446px" %)Раздел** Популярные товары**.
113 Клиент находится на главной странице сайта. Отображаются самые популярные товары.
114 |(% style="width:399px" %)[[**Текущий просмотр карточки товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A442A043D430441430439442435"]]|(% style="width:370px" %)Просмотр товара|(% style="width:446px" %)Раздел** Популярные товары**.
115 Клиент просматривает товар. Отображаются самые популярные товары.
116 |(% style="width:399px" %)[[**Текущий просмотр категории товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A44243E43244344E43A43044243543343E44043844EA043D430441430439442435"]]|(% style="width:370px" %)Просмотр категории|(% style="width:446px" %)Раздел** Популярные товары**.
117 Клиент просматривает категорию. Отображаются самые популярные товары.
118
119 ==== 4. Общая концепция алгоритма **Популярные товары** ====
120
121 **Пример**: формирование рекомендованных товаров по 1 самому популярному товару из каждой категории.
122
123 |(% style="border-color:#ffffff; text-align:center" %)[[image:attach:Recommendations_01.png]]
124
125 === **{{id name="02"/}}Алгоритм "Популярные товары в категории"** ===
126
127 ==== 1. Описание алгоритма **Популярные товары в категории** ====
128
129 Алгоритм **Популярные товары в категории** — это алгоритм, где рассчитывается рейтинг среди списка товаров* внутри каждой конкретной категории.
130
131 Алгоритм предлагает к рекомендации N-товаров из категории.
132
133 Рейтинг товаров** **рассчитывается по количеству товара (единицам товара) во всех покупках всех покупателей, т. е. это самые покупаемые товары.
134 **Все покупки** — покупки независимо от места совершения покупки: онлайн, офлайн, т. е. все покупки, которые прошли через процессинг Loymax.
135
136 ==== 2. Примеры использования алгоритма **Популярные товары в категории** для персонализации рассылок ====
137
138 Товары для рекомендации подбираются на основе просмотренных/заказанных/купленных товаров клиента и категории (т. е. ID категории), к которой относятся эти просмотренные/заказанные/купленные товары.
139
140 При этом категория/уровень классификатора, к которому относится этот товар, может быть как самым низким, так и более высоким.
141
142 **Email-рассылки:**
143
144 (% class="table-bordered" style="width:1218px" %)
145 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
146 |(% style="width:399px" %)[[**Брошенный просмотр**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E442440"]]|(% style="width:370px" %)Товар был просмотрен, но не куплен|(% style="width:446px" %)Через Х дней отправить письмо с рекомендацией самых популярных товаров в категории.
147 |(% style="width:399px" %)[[**Брошенная корзина**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D43044F43A43E44043743843D430"]]|(% style="width:370px" %)Товар был добавлен в корзину, но не куплен|(% style="width:446px" %)Через Х дней отправить письмо с рекомендацией самых популярных товаров в категории.
148
149 ==== 3. Примеры использования алгоритма **Популярные товары в категории** для персонализации сайта ====
150
151 Товары для рекомендации подбираются на основе действий клиента на сайте (треккер событий) и категории (т. е. ID категории), к которой относится товар. При этом можно выбирать уровень классификатора, к которому относится товар (т. е. категорию). Категория, к которой относится товар, может быть как самого низкого уровня классификатора, так и более высокого.
152
153 (% class="table-bordered" style="width:1218px" %)
154 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:369px" %)**Триггер**|(% style="text-align:center; width:447px" %)**Сценарий использования**
155 |(% style="width:399px" %)[[**Текущий просмотр карточки товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A442A043D430441430439442435"]]|(% style="width:369px" %)Просмотр товара|(% style="width:447px" %)Раздел** С этим товаром сравнивают**.
156 Рекомендация популярных товаров в категории на основе просматриваемого клиентом товара.
157
158 ==== 4. Общая концепция алгоритма ====
159
160 Рейтинг товаров рассчитывается на каждом уровне классификатора (**ID группы**, **ID подгруппы**, **ID категории**) по общему списку товаров, входящих в данный уровень иерархии, то есть в группу/подгруппу/категорию, вне зависимости от вложенности следующего уровня иерархии.
161 К примеру, если в запросе будет передан **ID подгруппы** (более верхнеуровневой иерархии классификатора, чем категория), то рейтинг раcсчитывается по всем товарам, входящим во все категории, относящиеся к этой подгруппе (см. пример ниже для уровня классификатора 2).
162
163 **Пример: **покупатель просматривает** Товар 6**. На схеме ниже показано какие 5 товарных рекомендаций он может получить при запросе по** ID категории**,** ID подгруппы **или **ID группы**.
164
165 |(% style="border-color:#ffffff; text-align:center" %)[[image:attach:Recom_02.png]]
166
167 === **{{id name="03"/}}Алгоритм "Похожие товары"** ===
168
169 ==== 1. Описание алгоритма **Похожие товары** ====
170
171 Алгоритм **Похожие товары** рекомендует наиболее близкие альтернативные [[товары*>>doc:||anchor="Star"]], похожие на просматриваемый/заказанный/купленный товар.
172
173 Алгоритм предлагает к рекомендации N-товаров близких к просматриваемому/заказанному/купленному товару по различным признакам.
174
175 ==== 2. Примеры использования алгоритма **Похожие товары** для персонализации рассылок ====
176
177 **Email-рассылки:**
178
179 (% class="table-bordered" style="width:1218px" %)
180 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
181 |(% style="width:399px" %)[[**Брошенный просмотр**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E442440"]]|(% style="width:370px" %)Товар был просмотрен, но не заказан|(% style="width:446px" %)Через Х дней отправить письмо с альтернативными товарами к товарам, просмотренным клиентом.
182 |(% style="width:399px" %)[[**Брошенная корзина**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D43044F43A43E44043743843D430"]]|(% style="width:370px" %)Товар был добавлен в корзину, но не куплен|(% style="width:446px" %)Через Х дней отправить письмо с альтернативными товарами к товарам, просмотренным клиентом.
183
184 ==== 3. Примеры использования алгоритма **Похожие товары** для персонализации сайта ====
185
186 (% class="table-bordered" style="width:1218px" %)
187 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:369px" %)**Триггер**|(% style="text-align:center; width:447px" %)**Сценарий использования**
188 |(% style="width:399px" %)[[**Текущий просмотр карточки товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A442A043D430441430439442435"]]|(% style="width:369px" %)Просмотр товара|(% style="width:447px" %)Раздел** Вам может понравиться**.
189 Рекомендации альтернативных товаров к товару, просматриваемому клиентом.
190
191 ==== 4. Общая концепция алгоритма ====
192
193 |(% style="border-color:white; width:368px" %)[[image:attach:ARL_rules_example.gif]]|(% style="border-color:white; width:1070px" %)(((
194 Для каждого товара с помощью нейросети формируется его (N-мерное) векторное представление (embedding) на основании описания, свойств и атрибутов товаров, а также статистики и контента покупок и просмотров.
195
196 В трехмерном пространстве представлены многомерные векторы (размерность > 50).
197
198 Каждая точка на графике — это один товар. Точки крупнее других — это несколько близких товаров. Формируются кластеры ближайших "соседей" и расстояние между "соседями" минимальное, а между группами — значительное.
199
200 В качестве похожих товаров выбираются товары с минимальным косинусным расстоянием между векторами, т. е. с самым близким набором всех совокупностей свойств товаров.
201
202
203 )))
204
205 === **{{id name="04"/}}Алгоритм "Совместные покупки"** ===
206
207 ==== 1. Описание алгоритма **Совместные покупки** ====
208
209 Алгоритм **Совместные покупки** выдает к рекомендации товары, которые чаще всего встречались в одной покупке с просмотренными/заказанными/купленными товарами.
210
211 ==== 2. Примеры использования алгоритма **Совместные покупки** для персонализации рассылок ====
212
213 **Email-рассылки:**
214
215 (% class="table-bordered" style="width:1218px" %)
216 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
217 |(% style="width:399px" %)[[**Брошенный просмотр**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E442440"]]|(% style="width:370px" %)Товар был просмотрен, но не заказан|(% style="width:446px" %)Через Х дней отправить письмо с товарами, которые чаще всего покупают с товаром, просмотренным клиентом.
218 |(% style="width:399px" %)[[**Брошенная корзина**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D43044F43A43E44043743843D430"]]|(% style="width:370px" %)Товар был добавлен в корзину, но не куплен|(% style="width:446px" %)Через Х дней отправить письмо с товарами, которые чаще всего покупают с товарами из корзины клиента.
219
220 |(% style="width:399px" %)[[**Спасибо за покупку!**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H42143443543B43043D43743043A430437"]]|(% style="width:370px" %)Клиент совершил покупку|(% style="width:446px" %)Через Х дней отправить письмо с товарами, которые чаще всего покупают с товарами из покупки клиента.
221
222 ==== 3. Примеры использования алгоритма **Совместные покупки** для персонализации сайта ====
223
224 (% class="table-bordered" style="width:1218px" %)
225 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:369px" %)**Триггер**|(% style="text-align:center; width:447px" %)**Сценарий использования**
226 |(% style="width:399px" %)[[**Текущий просмотр карточки товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A442A043D430441430439442435"]]|(% style="width:369px" %)Просмотр товара|(% style="width:447px" %)Раздел** С этим товаром покупают**.
227 Рекомендации сопутствующих товаров.
228 |(% style="width:399px" %)[[**Товар добавлен в корзину**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41443E43143043243B43543D44243E43243044043243A43E43D44243543943D435440"]]|(% style="width:369px" %)Добавление товара в корзину|(% style="width:447px" %)Раздел** С этим товаром покупают**.
229 Рекомендации сопутствующих товаров.
230
231 ==== 4. Общая концепция алгоритма **Совместные покупки** ====
232
233 Данный алгоритм состоит из ряда моделей и алгоритмов, в основе которых лежит алгоритм **[[Обучение ассоциативным правилам>>https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B0%D1%81%D1%81%D0%BE%D1%86%D0%B8%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D1%8B%D0%BC_%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0%D0%BC]]**.
234
235 Ассоциативные правила товарных рекомендаций представляют собой набор логических правил, которые используются для определения связей между товарами и предложением рекомендаций на основе этих связей. Такие правила помогают предсказывать, какие товары могут быть интересны покупателю, и предлагают соответствующие рекомендации на основе предыдущих покупок или текущих просмотров покупателей. Это способствует улучшению персонализации предложений и повышению удовлетворенности покупателей.
236
237 Покупки каждого клиента в торговой точке только на первый взгляд кажутся уникальными. У покупателей вырабатываются одинаковые модели поведения на основе потребностей. Так или иначе, потребности людей совпадают и можно говорить о типичном покупательском поведении в определённых условиях.
238
239 (% class="box" %)
240 (((
241 Одним из примеров ассоциативных правил является правило **Покупатели, которые приобрели товар А, также приобретают товар B**. Это правило основано на анализе истории покупок и позволяет предлагать товар B покупателям, которые ранее покупали или сейчас проявили интерес к какому-либо товару А.
242 )))
243
244 Ассоциативные правила товарных рекомендаций могут быть сложными и включать несколько условий.
245
246 (% class="box" %)
247 (((
248 Например, правило **Покупатели, которые приобрели товар А и товар В, также приобретают товар С**. Это правило предполагает, что покупатели, которые уже приобрели товары А и В, могут быть заинтересованы в приобретении товара С. То есть связка 2, 3 и более товаров.
249 )))
250
251 Предположим, что у нас есть история покупок клиентов, включающая информацию о том, какие товары они приобрели. Ассоциативные правила будут использоваться для определения связей между товарами и предложением рекомендаций на основе этих связей.
252
253 (% class="box" %)
254 (((
255 Например, у нас есть следующие ассоциативные правила:
256 \\**Правило 1**: Покупатели, которые приобрели сыр Чеддер, также приобретают крекеры.
257 **Правило 2**: Покупатели, которые приобрели сыр Гауда, также приобретают красное вино.
258 **Правило 3**: Покупатели, которые приобрели сыр Бри, также приобретают груши.
259 \\Таким образом, система рекомендаций, используя ассоциативные правила, может предложить:
260
261 * Покупателю, который интересуется сыром Чеддер — крекеры в качестве рекомендации, исходя из правила 1.
262 * Аналогично, если покупатель приобрел сыр Гауда, система рекомендаций может предложить ему красное вино, исходя из правила 2.
263 * Если же покупатель приобрел сыр Бри, система рекомендаций может предложить ему груши, исходя из правила 3.
264 )))
265
266 === **{{id name="05"/}}Алгоритм "Персональные товарные рекомендации"** ===
267
268 ==== 1. Описание алгоритма **Персональные товарные рекомендации** ====
269
270 (% class="wikigeneratedid" id="H" %)
271 Алгоритм **Персональные товарные рекомендации** формирует рекомендации товаров на основе поведения клиента (ID клиента) и похожих на него клиентов. 
272 Т. е. формируется прогноз неизвестных предпочтений для определенного пользователя на основе использования информации о предпочтениях группы пользователей.
273
274 (% class="wikigeneratedid" %)
275 Для предсказания наилучших предпочтений клиентов модель машинного обучения использует данные об истории поведения и покупок клиентов, онлайн поведении клиентов, свойствах и профилях клиентов, атрибутах и статистике товаров и других различных параметрах.
276
277 ==== 2. Примеры использования алгоритма **Персональные товарные рекомендации** для персонализации рассылок ====
278
279 **Email-рассылки:**
280
281 (% class="table-bordered" style="width:1218px" %)
282 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:370px" %)**Триггер**|(% style="text-align:center; width:446px" %)**Сценарий использования**
283 |(% style="width:399px" %)(((
284 [[**Брошенный просмотр**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D44B43943F44043E44143C43E442440"]]
285
286
287 )))|(% style="width:370px" %)Товар был просмотрен, но не заказан|(% style="width:446px" %)Отправить письмо через Х часов после просмотра.
288 |(% style="width:399px" %)[[**Брошенная корзина**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41144043E44843543D43D43044F43A43E44043743843D430"]]|(% style="width:370px" %)Товар был добавлен в корзину, но не куплен|(% style="width:446px" %)Отправить письмо через Х дней после добавления в корзину.
289
290 |(% style="width:399px" %)**Рекомендации к покупке**|(% style="width:370px" %)[[Клиент совершил покупку>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H42143443543B43043D43743043A430437"]]|(% style="width:446px" %)Отправить письмо через Х дней после покупки.
291 |(% style="width:399px" %)**Снижение суммы покупок**|(% style="width:370px" %)Сумма покупок клиента снизилась на Х% за период|(% style="width:446px" %)При условии снижения покупок на Х% отправить письмо с рекомендацией персональных товаров.
292 |(% style="width:399px" %)[[**Снижение посещаемости сайта**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41F44043E44843B43E43443D43543944143F43E44143B43543443D43543343E43F43E44143544943543D43844F441430439442430"]]|(% style="width:370px" %)Клиент не заходит на сайт|(% style="width:446px" %)Отправить письмо, если клиент не был на сайте Х дней.
293
294 ==== 3. Примеры использования алгоритма **Персональные товарные рекомендации** для персонализации сайта ====
295
296 (% class="table-bordered" style="width:1227px" %)
297 (% class="info" %)|(% style="text-align:center; width:399px" %)**Кампания**|(% style="text-align:center; width:369px" %)**Триггер**|(% style="text-align:center; width:452px" %)**Сценарий использования**
298 |(% style="width:399px" %)[[**Текущий просмотр карточки товара**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143C43E44244043543B43F44043E43444343A442A043D430441430439442435"]]|(% style="width:369px" %)Просмотр карточки товара|(% style="width:452px" %)Раздел** Вам может понравиться **или** Специально для Вас**.
299 Рекомендация к просматриваемому товару.
300 |(% style="width:399px" %)[[**Вход на сайт**>>doc:Main.Using.Smart_Communications.Campaign_list.Triggers.WebHome||anchor="H41A43B43843543D44243F43E44143544243843B441430439442"]]|(% style="width:369px" %)Вход на сайт авторизованного клиента|(% style="width:452px" %)Раздел **Вам может понравиться **или** Специально для Вас**.
301 Рекомендация к просматриваемому товару.
302
303 ==== 4. Общая концепция алгоритма **Персональные товарные рекомендации** ====
304
305 Алгоритм **Персональные товарные рекомендации** состоит из ансамбля алгоритмов и моделей. Базовым является алгоритм [[**Коллаборативная фильтрация**>>https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D0%BB%D0%BB%D0%B0%D0%B1%D0%BE%D1%80%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D0%B0%D1%8F_%D1%84%D0%B8%D0%BB%D1%8C%D1%82%D1%80%D0%B0%D1%86%D0%B8%D1%8F]].
306 Применение данного алгоритма в** **ансамбле моделей, наряду с другими алгоритмами, приводит к формированию более релевантных товарных рекомендаций для клиента.
307 **Коллаборативная фильтрация**, **совместная фильтрация** (collaborative filtering) — это один из методов построения прогнозов (рекомендаций) в [[рекомендательных системах>>doc:Main.General_information.Loymax_Loyalty.recommendation_systems.WebHome]], использующий известные предпочтения (оценки) группы клиентов для прогнозирования неизвестных предпочтений другого клиента.
308
309 Основное допущение данного метода состоит в следующем: те, кто одинаково покупает какие-либо товары/категории, склонны совершить похожие покупки и других товаров, которые они не покупают, но покупают их ближайшие "соседи", т. е. ближайшие похожие покупатели по совокупности покупок с оценкой большего количества товаров.
310
311
312 (% class="box" %)
313 (((
314 **{{id name="Star"/}}Сноски: *** При расчёте алгоритмов могут использоваться как вся номенклатура, так и номенклатура за исключением **blacklist**, т. е. товары-исключения и/или категории-исключения. Способ передачи товаров/категорий-исключений согласовывается в рамках подключения модуля товарных рекомендаций (на этапе внедрения).
315 )))
316
317 (% class="box" %)
318 (((
319 **Читайте также: **
320
321 * [[Настройка товарных рекомендаций>>doc:Main.Using.Smart_Communications.Recommendations.WebHome]]
322 * [[Интеграция рекомендательных систем>>doc:Main.General_information.Loymax_Loyalty.recommendation_systems.WebHome]]
323 * [[Омниканальность>>doc:Main.General_information.Sale_channels.WebHome]]
324 * [[Атрибуты, связанные с Loymax AI>>doc:Main.Using.MMP.Admin_panel.Client_attributes.Common_attributes.WebHome||anchor="ML"]]
325 * [[Персональные предложения с использованием механик Machine Learning>>doc:Main.Installation_and_configuration.Extra_modules.CommunicationService_ML.WebHome]]
326 )))
327
328 (% class="box" %)
329 (((
330 **В статье использованы материалы из следующих источников:**
331
332 * [[Обучение ассоциативным правилам>>https://ru.wikipedia.org/wiki/%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B0%D1%81%D1%81%D0%BE%D1%86%D0%B8%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D1%8B%D0%BC_%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0%D0%BC]]
333 * [[Коллаборативная фильтрация>>https://ru.wikipedia.org/wiki/%D0%9A%D0%BE%D0%BB%D0%BB%D0%B0%D0%B1%D0%BE%D1%80%D0%B0%D1%82%D0%B8%D0%B2%D0%BD%D0%B0%D1%8F_%D1%84%D0%B8%D0%BB%D1%8C%D1%82%D1%80%D0%B0%D1%86%D0%B8%D1%8F]]
334 )))
Создано 12/09/2023 03:32
Отредактировано 06/02/2026 10:10

Новости
Обновления
Облако тегов
Словарь
Наш блог
YouTube и Rutube
Telegram