#Правила применения рекомендательных технологий

Рекомендательные технологии - информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.

Рекомендации - это набор виджетов на сайте, в приложении и e-mail с подборкой товаров, которые могут заинтересовать пользователя.

Существует два источника данных для рекомендаций - пользовательское поведение и товарная база магазина.

Алгоритмы рекомендаций является гибридными - в зависимости от ситуации они могут использовать как поведение, таки и данные по товарам. При этом используется всё доступное поведение пользователей, которое представлено в виде различных событий

1. Настоящие Правила применения рекомендательных технологий (далее - «Правила») содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.

2. Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений и машинного обучения систематизируют и анализируют данные о пользователе или характеристиках элементов в системе и осуществляют предоставление рекомендаций и ранжирование контента для конечного пользователя.

3. Для алгоритмических вычислений и машинного обучения используются данные, полученные от пользователей информационного ресурса (далее - «Ресурс») методом сбора следующих видов сведений: просмотры страниц ресурса, клики на ресурсе, добавления товаров в корзину, добавления товаров в избранное, ответы на вопросы, поисковые запросы, применения фильтров, геолокация пользователя, модель устройства, а также данные о сделанных заказах, выкупленных товарах. Источниками получения сведений являются ресурс и внутренние информационные системы компании. Процесс сбора сведений заключается в отправке сведений с ресурса и внутренних информационных систем компании во внутренние информационные системы компании, а также во внешние к компании аналитические системы.

4. Способом осуществления процессов и методов является изучение моделью алгоритмических вычислений и машинного обучения собранных сведений для пользователей и элементов таким образом, чтобы кодировать предпочтения пользователей к элементам. При предоставлении рекомендаций и контента предпочтения пользователей к элементам декодируются для конкретного пользователя в оценки; элементы с высокими оценками более вероятно будут интересны пользователю. Иными словами, для каждого пользователя алгоритм ищет других пользователей с похожими паттернами поведения и рекомендует тот контент, который эти пользователи посмотрели. Данный метод применяется, если пользователь не является новым для ресурса.

5. Данные о поведении пользователей

1.1. Данные о взаимодействии пользователей с товарами

Наибольшим влиянием в данных о поведении пользователя обладают события взаимодействия с товарами. Активно используются события просмотра карточки товара, добавления товара в корзину и заказа товара.

Варианты использования этих событий:

• для получения информации по отдельному товару, в первую очередь о совокупной популярности;

• данные о распределении товаров по пользовательским сессиям используются для получения информации о том как соотносятся различные товары - какие группы товаров используются в качестве товаров-заменителей или дополняющих товаров;

• прошлые товарные события текущей сессии пользователя, прошлой его сессии, а также данные о сессиях других пользователей позволяют определить товары и товарные категории для показа, которые могут заинтересовать данного пользователя.

1.2. Данные о взаимодействии пользователей с внутренней поисковой системой магазина

Совместно с данными о взаимодействии пользователя с товарами, могут использоваться для расчета поисковых рекомендаций. Данный тип рекомендаций показывается на странице внутреннего поиска магазина.

1.3. Данные о взаимодействии пользователей с системой рекомендаций

Активно используются события просмотра и клика на товар в виджете рекомендаций.

Эти события используются для выбора таких вариантов конфигурации и товаров для показа в виджетах, которые показали себя наилучшим образом ранее.

2. Данные о товарной базе магазина

Включают все предоставляемые магазином атрибуты товаров, информацию о категориях, ценах, доступности.

Варианты использования:

• если поведенческих данных о взаимодействии пользователей с данным товаром недостаточно и требуется определить сходство между товарами;

• для обеспечения наибольшего разнообразия выдачи алгоритма рекомендаций;

• совместно с данными о поведении пользователя могут использоваться для определения интереса к товарным атрибутам и показа в первую очередь товаров с наиболее интересными пользователю атрибутами;

• изображения могут быть использованы для подбора наиболее стилистически подходящих товаров;

• некоторые алгоритмы используют цены и время появления товаров в магазине;

• для фильтрации товаров по производителю, акциям и прочим товарным атрибутам в соответствии с потребностями магазина.