Товарные рекомендации

Товарные рекомендации для персонализации рассылок и сайта

Каналы коммуникаций с использованием товарных рекомендаций

Алгоритм "Популярные товары"

Алгоритм "Популярные товары в категории"

Алгоритм "Похожие товары"

Алгоритм "С этим товаров покупают"

Алгоритм "Персональные товарные рекомендации"

Товарные рекомендации для персонализации рассылок и сайта

Товарные рекомендации — это инструмент для создания эффективных коммуникаций с покупателями посредством рассылок, а также виджетов на сайте и в мобильном приложении.

Основные цели инструментов товарных рекомендаций:

• персонализация взаимодействия с клиентом;
• стимулирование клиентов к совершению определенных действий согласно задачам и интересам компании;
• достижение поставленных бизнес-целей;
• автоматизация маркетинга и проверка гипотез.

Для выработки товарных рекомендаций используется модуль Manzana Recommendations, 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 объемов данных для заданных бизнес-задач.

Задачи, решаемые посредством персонализации рассылок с использованием товарных рекомендаций:

• Повышение качества взаимодействия клиента с Компанией; 
• Улучшение клиентского опыта через рекомендации;
• Стимулирование попробовать другой товар;
• Расширение корзины;
• Увеличение частоты покупок;
• Увеличение суммы покупок;
• Продвижение определенных товаров, линеек и брендов;
• Распродажа остатков товаров;
• Прочие бизнес-метрики, для достижения которых маркетологи запускают кампании и сценарии взаимодействия со своими клиентами.

Для формирования товарных рекомендаций используются алгоритмы статистического анализа и машинного обучения. Эти алгоритмы используют как исторические данные, так и онлайн-события, совершаемые клиентами на сайте. Алгоритмы исследуют предпочтения покупателей, предсказывают их поведение и предлагают наиболее релевантные рекомендации для каждого клиента.

В настоящий момент доступно 5 алгоритмов для формирования товарных рекомендаций:

• Алгоритм "Популярные товары"
• Алгоритм "Популярные товары в категории"
• Алгоритм "Похожие товары"
• Алгоритм "С этим товаром покупают"
• Алгоритм "Персональные товарные рекомендации"

Описание API по каждому алгоритму смотрите здесь.

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:

• какую цель преследует конкретная маркетинговая кампания (рассылка / коммуникации),
• какое целевое действие ожидается от клиента после получения той или иной коммуникации,
• точки взаимодействия с клиентом и канал подачи контента.

Это означает, что комбинирование различных алгоритмов рекомендаций может привести к максимально позитивному сценарию для Компании и стимулировать клиента к совершению конкретного действия.

Каналы коммуникаций с использованием товарных рекомендаций

1. Виджет на сайте (графическое приложение, которое выводит информацию на рабочий стол ПК, экран смартфона/планшета или страницу сайта),
2. Мобильное приложение,
3. Личный кабинет.

Алгоритм "Популярные товары"

Алгоритм Популярные товары — это алгоритм, где рассчитывается рейтинг среди всего списка товаров. Алгоритм предлагает  рекомендации топ-N популярных товаров из каждой категории согласно позиции каждого отдельного товара в общем рейтинге.
Данная методика предлагает к рекомендации более широкий спектр товаров (т. е. по несколько товаров из разных категорий), что предпочтительнее для достижения бизнес-целей.
Рейтинг товаров рассчитывается по количеству товара (единицам товара) во всех покупках всех покупателей, т. е. это самые покупаемые товары.

Все покупки — покупки независимо от места совершения покупки: онлайн, офлайн, т. е. все покупки, которые прошли через процессинг.

Примеры использования алгоритма Популярные товары для персонализации сайта

Алгоритм "Популярные товары в категории"

Алгоритм Популярные товары в категории — это алгоритм, где рассчитывается рейтинг среди списка товаров внутри каждой конкретной категории.

Алгоритм предлагает к рекомендации N-товаров из категории.

Рейтинг товаров рассчитывается по количеству товара (единицам товара) во всех покупках всех покупателей, т. е. это самые покупаемые товары.
Все покупки — покупки независимо от места совершения покупки: онлайн, офлайн, т. е. все покупки, которые прошли через процессинг.

Примеры использования алгоритма Популярные товары в категории для персонализации сайта

Товары для рекомендации подбираются на основе действий клиента на сайте 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. 

Общая концепция алгоритма

Рейтинг товаров рассчитывается на каждом уровне классификатора (ID группы, ID подгруппы, ID категории, ID подкатегории) по общему списку товаров, входящих в данный уровень иерархии, то есть в группу/подгруппу/категорию, вне зависимости от вложенности следующего уровня иерархии. К примеру, если в запросе будет передан ID категории (более верхнеуровневой иерархии классификатора, чем подгруппа), то рейтинг раcсчитывается по всем товарам, входящим во все подгруппы, относящиеся к этой категории.

Алгоритм "Похожие товары"

Алгоритм Похожие товары рекомендует наиболее близкие альтернативные товары, похожие на просматриваемый/заказанный/купленный товар.

Алгоритм предлагает к рекомендации N-товаров близких к просматриваемому/заказанному/купленному товару по различным признакам.

Примеры использования алгоритма Похожие товары для персонализации сайта

Общая концепция алгоритма

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.

В качестве похожих товаров выбираются товары с минимальным косинусным расстоянием между векторами, т. е. с самым близким набором всех совокупностей свойств товаров.

Алгоритм "С этим товаров покупают"

Алгоритм "С этим товаром покупают" выдает к рекомендации товары, которые чаще всего встречались в одной покупке с просмотренными/заказанными/купленными товарами.

Примеры использования алгоритма "С этим товаром покупают" для персонализации сайта

Общая концепция алгоритма "С этим товаром покупают"

Данный алгоритм состоит из набора моделей, которые анализируют корзины множества покупателей и устанавливают взаимосвязи между разными товарами по частоте встречаемости их вместе в одной корзине. При этом модели ясно не только, какой товар с каким покупают, а и влияние набора товаров в корзине на товар, который может этой корзине сопутствовать. Например, если у покупателя в корзине зеленый горошек, майонез и яйца, то модель скорее всего предложит продолжение для салата Оливье – огурцы, колбасу и картошку. А если из корзины убрать майонез, то рекомендация модели изменится, например, в пользу омлета с горошком.

Онлайн-алгоритм товарных рекомендаций «С этим товаром покупают»

Что это?
Это алгоритм, который в режиме реального времени анализирует состав корзины пользователя и подбирает персональные рекомендации товаров, которые клиенты часто покупают вместе с уже выбранными продуктами.

Как работает?
При добавлении товара в корзину алгоритм мгновенно пересчитывает рекомендации с учётом текущих товаров.
Если в корзине молоко и хлеб — система подбирает релевантные сопутствующие товары, например, масло или хлопья.
Если в корзине молоко и огурцы — рекомендации будут другими, уже исходя из этой комбинации.

Преимущества онлайн-подхода:
- Актуальность — рекомендации соответствуют именно текущему выбору покупателя, повышая релевантность.
- Персонализация — учитывается уникальная покупательская активность каждого клиента.
- Гибкость — рекомендации меняются в зависимости от состава корзины, что стимулирует кросс-продажи и увеличивает средний чек.
- Быстрая реакция — мгновенное обновление ассортимента по мере добавления или удаления товаров из корзины.
- Рост лояльности — пользователи получают товары, которые действительно им нужны, что улучшает их опыт покупки.

Исполнение в бизнесе
- Алгоритм применяется на сайте и в мобильном приложении.
- Повышает конверсию и среднюю стоимость заказа.

Итог
Онлайн алгоритм «С этим товаром покупают» — мощный инструмент для персонализации покупательского опыта и стимулирования продаж, который динамично адаптируется к изменяющемуся выбору клиента и обеспечивает релевантные рекомендации в реальном времени.

Алгоритм "Персональные товарные рекомендации"

Алгоритм Персональные товарные рекомендации формирует рекомендации товаров на основе поведения клиента (ID клиента) и похожих на него клиентов. 
Т. е. формируется прогноз предпочтений для определенного покупателя на основе использования информации о предпочтениях покупателей, похожих на него.

Для предсказания наилучших предпочтений клиентов модель машинного обучения использует данные об истории поведения и покупок клиентов, онлайн поведении клиентов, свойствах и профилях клиентов, свойствах товаров товаров и других параметрах.

Примеры использования алгоритма Персональные товарные рекомендации для персонализации сайта

Общая концепция алгоритма Персональные товарные рекомендации

Алгоритм Персональные товарные рекомендации состоит из ансамбля алгоритмов и моделей. Базовым является алгоритм Коллаборативная фильтрация.
Применение данного алгоритма в ансамбле моделей, наряду с другими алгоритмами, приводит к формированию более релевантных товарных рекомендаций для клиента.
Коллаборативная фильтрация, совместная фильтрация (collaborative filtering) — это один из методов построения прогнозов (рекомендаций) в рекомендательных системах, использующий известные предпочтения (оценки) группы клиентов для прогнозирования неизвестных предпочтений другого клиента.

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.
При расчете могут использоваться как вся номенклатура, так и с учетом исключений.