Продуктовые рекомендации интернет-магазина JPSNASTI.RU

• В чем польза рекомендаций для покупателей?
• Как формируются рекомендации?
• Где отображаются рекомендации?

В чем польза рекомендаций для покупателей?

Продуктовые рекомендации помогают среди миллионов товаров найти то, что нужно. К примеру, если вы просматривали рыболовные приманки, сайт предложит похожие модели на выбор. Если купили удилище - подберет защитный тубус под вашу модель. Так покупки отнимают меньше времени и усилий.

«Продукт» здесь и дальше — это любой товар или услуга.

Как формируются рекомендации?

1. Собираем предпочтения клиентов

Невозможно рекомендовать человеку товар, когда не знаешь о его предпочтениях. Или, по крайней мере, о предпочтениях других клиентов, похожих на него. Поэтому JPSNASTI.RU использует данные о действиях покупателей, например:

• просмотрах товаров или категорий товаров;
• товарах в «Избранном», корзине, листе ожидания или других списках;
• составе и датах заказов;
• взаимодействиях с коммуникациями (например, открытие писем и переходы по ссылкам из рекламы)

Также для более точных рекомендаций могут учитываться данные о самих покупателях, например о:

• местонахождении, чтобы показывать рекомендации для конкретного региона, и часовом поясе, чтобы делать это вовремя;
• поле или возрасте, чтобы предлагать подходящие товары.

Все эти данные поступают в компанию "Японские снасти" с сайта, касс, рекламных постов и рекламных рассылок.

2. Подбираем рекомендации на основе предпочтений

Есть три подхода к формированию рекомендаций:

• Подбор похожих и сопутствующих товаров. Алгоритмы анализируют свойства тех товаров, которыми интересовался клиент: цвет, модель, вес, категорию или производителя. По этим признакам подбираются товары, которые также могут его заинтересовать. Например, если покупатель искал на нашем сайте спиннинговые удилища, в рекомендациях появятся сопутствующие товары. Так клиент вспомнит, что нужно докупить катушку и леску для полноценного комплекта, хотя мог бы и не добраться до них, если бы просто листал каталог.

• Рекомендации популярных товаров. Алгоритм анализирует взаимодействие всех клиентов с товарами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Это полезно, если клиент впервые пришел на сайт и о нем еще ничего неизвестно. Сайт JPSNASTI.RU порекомендует то, что нравится большинству других покупателей. Например, на нашем сайте рядом с самыми популярными моделями приманок появится виджет «Хиты продаж».

• Рекомендации как для клиента с похожими предпочтениями. Алгоритм анализирует сходства в поведении клиентов. Если двум покупателям нравится одна и та же группа товаров, их предпочтения похожи. Значит, первому можно рекомендовать то, что заинтересовало второго, и наоборот. Например, двум рыболовам нравятся воблеры и блесны от бренда Nories. Один из них еще и фанат приманок бренда ValkeIN - второму тоже можно порекомендовать этот бренд. Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.

3. Уточняем рекомендации

После того, как рекомендации по предпочтениям составлены, можно сделать их еще точнее, добавив дополнительные условия. Например, показывать товары только в географической зоне клиента, а также исключить из рекомендаций товары, которые покупают независимо от предпочтений - допустим, лески и PE шнуры.

Где отображаются рекомендации?

Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю подборки товаров в любой точке контакта: на сайте - при помощи виджета, в рассылках, в соц. сетях, на кассе.

На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.