«Персонализация в интернет-магазине: особенности отраслевых рекомендаций», Андрей Веприков, Key Account Manager, REES46.
— Рекомендательные системы — бесплатный инструмент повышения конверсии;
— Отраслевые алгоритмы — следующий шаг в развитии рекомендательных систем.
4. УНИВЕРСАЛЬНЫЙ АЛГОРИТМ РЕКОМЕНДАЦИЙ
ВИДЫ, ПРИНЦИПЫ РАБОТЫ
Основные этапы
1. Накопить данные.
2. Найти корреляцию.
3. Уловить начало паттерна.
4. Спрогнозировать продолжение.
Виды
Паттерн поведения
1. Сохраняются
последовательности действий.
2. Наиболее популярные
собираются в паттерны.
Коллаборативная фильтрация
1. Строятся матрицы оценок между
покупателями и товарами.
2. Находятся схожие профили
покупателей.
3. Рекомендуется то, что покупали
похожие люди.
6. УНИВЕРСАЛЬНЫЙ АЛГОРИТМ РЕКОМЕНДАЦИЙ
МИНУСЫ
Объем данных
Необходим большой набор данных
для построения матриц схожести и
паттернов поведения.
Универсальность
Не учитывает индивидуальные
особенности каждого покупателя,
его демографические признаки,
физиологию, географию и т.д.
Исключение
Товар с оценкой считается
купленным и исключается из
дальнейших рекомендаций.
8. ВИРТУАЛЬНЫЙ ПРОФИЛЬ ПОКУПАТЕЛЯ
СОСТАВ ДАННЫХ
Демографические, физиологические
и социальные данные
Фильмы
Книги
Музыка
Мероприятия
Заведения, бары, рестораны
Пищевые предпочтения
Косметические предпочтения
Покупки
Поездки
Местоположение
Регулярные маршруты
Расписание дня
Регулярность событий
Потребляемые услуги
Круг общения, взаимоотношения
и важные даты в круге общения
9. ВИРТУАЛЬНЫЙ ПРОФИЛЬ ПОКУПАТЕЛЯ
НАЗНАЧЕНИЕ, СПОСОБЫ ПРИМЕНЕНИЯ
Работа при нехватке данных
Виртуальный профиль позволяет
работать у условиях недостатка
данных для построения моделей
поведения.
Расширенные возможности
Использование характеристик
товаров в связке с
характеристиками профиля.
Взаимоотношения
Об этом дальше.
10. FASHION
ПРОБЛЕМЫ УНИВЕРСАЛЬНОГО АЛГОРИТМА
Проблемы
Универсальный математический
алгоритм рекомендует одежду,
которая математически может
понравиться покупателю. Но не
гарантирует, что покупатель сможет
этот товар купить.
Пример
Мужчине рекомендуется отличный
красный бюстгальтер третьего
размера.
Пример
Покупателю рекомендуются
красивые ботинки, не подходящие
ему по размеру.
11. FASHION
ПОЛ, ВОЗРАСТ, РАЗМЕР ОДЕЖДЫ
Цель
Рекомендовать одежду, которую
покупатель будет готов приобрести.
Универсальные критерии
Интерес к бренду, виду одежды.
Отраслевые критерии
Подходит по полу, размеру и
возрасту.
Применение
Исключать из рекомендаций то, что
не подходит по отраслевым
критериям.
Способ сбора информации
Передача дополнительных
свойств товаров: пол, размер, тип.
Расчет минимального и
максимального размеров товаров,
чаще всего просматриваемых или
покупаемых клиентом.
Учет точного размера одежды,
купленного клиентом.
Расчет погрешностей и частотный
анализ.
Конвертация различных
размерных сеток в единый
формат.
14. FMCG
ПРОБЛЕМЫ УНИВЕРСАЛЬНОГО АЛГОРИТМА
Проблемы
Если товар ранее покупался, то
больше он не рекомендуется.
В FMCG люди не любят
разнообразие.
Пример
Вы покупали этот гель для бритья,
попробуйте теперь тот гель.
Пример
Две недели назад вы покупали
помидоры. Попробуйте теперь эти
кабачки.
15. FMCG
ЧАСТО ПОКУПАЕМЫЕ ПРОДУКТЫ, ОБЪЕМ ТОВАРА, ОБЪЕМ КОРЗИНЫ
Цель
Повышать регулярность покупок.
Повышать средний чек корзины,
дополняя тем, что клиент мог
забыть.
Измерять скорость расхода
продуктов и мотивировать на
больший объем корзины, если
товар расходуется быстрее.
Универсальные критерии
Интерес к товару.
Отраслевые критерии
Обьем единицы товара. Скорость
расхода. Регулярность покупки.
Способ сбора информации
Оценка периодичности покупки
одинаковых товаров.
Расчет скорости потребления
товаров.
16. ТОВАРЫ ДЛЯ ДЕТЕЙ
ПРОБЛЕМЫ УНИВЕРСАЛЬНОГО АЛГОРИТМА
Проблемы
Товары покупают родители.
Интересы распределяются на двух
человек.
Ребенок растет, потребности
меняются.
Алгоритм для детей, это:
универсальный + одежда + FMCG.
Сохраняется привязанность к
брендам.
Пример
Рекомендуется подгузник такого же
размера, как 4 месяца назад.
17. ТОВАРЫ ДЛЯ ДЕТЕЙ
ВОЗРАСТ РЕБЕНКА, ПОЛ РЕБЕНКА, СКОРОСТЬ РАСХОДА ТОВАРОВ
Цель
Определение текущего возраста
ребенка и рекомендация
подходящих товаров.
Определение предпочтений
покупателей к брендам.
Измерять скорость расхода
продуктов и напоминать о скором
истощении запасов.
Универсальные критерии
Интерес к товару. Интерес к бренду.
Отраслевые критерии
Обьем единицы товара. Скорость
расхода. Регулярность покупки.
Возраст потребителя.
Способ сбора информации
Оценка периодичности покупки
одинаковых товаров.
Расчет скорости потребления
товаров.
Определение возраста ребенка.
Даты рождения.
Определение пола ребенка по виду
покупаемых товаров.
20. ВЗАИМООТНОШЕНИЯ
ОПРЕДЕЛЕНИЕ ВЗАИМООТНОШЕНИЙ
Нерелевантная покупка
Профиль мужского пола купил
женский товар – есть связанный
женский профиль.
Смена интересов
Профиль мужского пола регулярно
покупает женские товары – профиль
сменил пол.
Дети
Профиль женского пола покупает
детские товары – есть связанный
детский профиль.
Профиль покупает детские товары
разных возрастных групп – есть
несколько детей.
21. КОНТАКТНЫЕ ДАННЫЕ
rees46.com/ecommerce
mk@rees46.com
p13n.ru – блог о персонализации
Свяжитесь с нами и мы проконсультируем вас о
наиболее эффективном варианте повышения продаж и
лояльности ваших клиентов с использованием
технологий персонализации.