Правила применения рекомендательных технологий Индивидуального предпринимателя Короленко Андрея Борисовича
На информационном ресурсе – сайте, расположенном по адресу: https://ouglichwatch.ru, принадлежащем Индивидуальному предпринимателю Короленко Андрею Борисовичу (ОГРН: 315762700010237, ИНН: 761200292617) при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации. Настоящие Правила описывают механизмы и принципы работы рекомендательных технологий сайта, а также раскрывают, какие именно сведения о пользователях собираются и используются для формирования рекомендаций.
В чем польза рекомендаций для покупателей
Рекомендательные технологии на нашем сайте помогают покупателям среди наших товаров и услуг найти то, что нужно. К примеру, если вы просматривали джинсы, сайт предложит похожие модели на выбор. Если купили смартфон — подберет защитное стекло под вашу модель. Так покупки отнимают меньше времени и усилий. «Продукт» здесь и дальше — это любой товар, услуга, аудиовизуальное произведение и т.д.
Мы анализируем различные данные. При этом мы не допускаем использование рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не применяем их для предоставления информации в нарушение законодательства Российской Федерации.
Как формируются рекомендации. Какие виды данных и сведений используются
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 https://ouglichwatch.ru использует данные о действиях покупателей, например:
просмотрах продуктов или категорий продуктов, страницах сайта, кликах по ним;
истории поиска;
совершенные покупки;
продуктах в «Избранном», корзине, листе ожидания или других списках;
составе и датах заказов;
взаимодействиях с коммуникациями. Это, например, открытие писем и переходы по ссылкам из рекламы (источники перехода).
Также для более точных рекомендаций могут учитываться данные о самих покупателях, например о:
местонахождении, регион пользователя, чтобы показывать рекомендации для конкретного региона, и часовом поясе, чтобы делать это вовремя;
поле или возрасте, чтобы предлагать подходящие продукты. Например, платья — женщинам, а фильмы 16+ — взрослым.
Все эти данные поступают с сайта, из мобильного приложения, касс, рекламных кабинетов.
Подбираем рекомендации на основе предпочтений
Как производится сбор и анализ данных для формирования рекомендаций
Есть три подхода к формированию рекомендаций:
Подбор похожих и сопутствующих продуктов. Алгоритмы собирают и анализируют данные о свойствах тех продуктов, которыми интересовался клиент: цвет, жанр, коллекцию, категорию или производителя. По этим признакам подбираются продукты, которые также могут его заинтересовать.
Рекомендации популярных продуктов. Алгоритм собирает и анализирует взаимодействие всех клиентов с продуктами 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.
Рекомендации как для клиента с похожими предпочтениями. Алгоритм собирает и анализирует данные о сходстве в поведении клиентов. Если двум покупателям нравится одна и та же группа продуктов, их предпочтения похожи. Значит, первому можно рекомендовать то, что заинтересовало второго, и наоборот.
Где отображаются рекомендации и как они используются
Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю подборки продуктов в любой точке контакта: на сайте — при помощи виджета, в рассылках, мобильном приложении, колл-центре, на кассе.
Рекомендательные алгоритмы работают на основе математических моделей, которые автоматически анализируют и обрабатывают информацию о поведении и предпочтениях пользователей. Они используют такие методы, как сравнение и ранжирование товаров, учитывая историю покупок и просмотров пользователей. На основе этого анализа алгоритмы определяют, какие товары лучше всего рекомендовать конкретному покупателю, формируя персонализированные предложения в различных каналах коммуникации.
Как пользователь может влиять на рекомендации
Пользователь может влиять на рекомендации своими действиями на сайте - поиском и просмотром продуктов, добавлением их в избранное, иные списки, корзину, переходами по ссылкам. Чем больше информации о предпочтениях мы соберём, тем точнее будут наши рекомендации.
Если же пользователь не хочет, чтобы мы использовали собранные данные для формирования рекомендаций, пользователь может удалить cookie-файлы нашего сайта в браузере. Однако при продолжении использования сайта данные начинают собираться заново.