Москва
Санкт-Петербург
Белгород
Волгоград
Воронеж
Екатеринбург
Ижевск
Казань
Калуга
Красноярск
Краснодар
Курск
Липецк
Нижний Новгород
Новороссийск
Новосибирск
Оренбург
Обнинск
Пермь
Ростов-на-Дону
Рязань
Самара
Саратов
Сочи
Ставрополь
Сургут
Тверь
Тольятти
Тула
Тюмень
Челябинск
Ярославль
Правила применения рекомендательных технологий
На информационном ресурсе hoff.ru при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации
Товарные рекомендации — это набор виджетов с подборкой товаров, который размещается на сайте, в приложении или в e-mail с целью решения задач пользователей и маркетинга интернет-магазина.
1. Используемые данные
Существует два источника данных для рекомендаций - пользовательское поведение и товарная база магазина. Алгоритмы рекомендаций являются гибридными - в зависимости от ситуации они могут использовать как поведение, так и данные по товарам.
Полный перечень собираемой информации:
данные о посещении пользователем на сайте страниц, такие как время визита, url-адрес страниц и их числовых или строковых идентификаторов, при наличии;
-
информация о перемещении по страницам сайта (в т.ч. нажатия на ссылки и элементы сайта);
-
данные о взаимодействии пользователя на сайте с товарами, такие как просмотр, добавление в корзину, оформление заказа;
-
данные поисковых запросов пользователя на сайте;
-
IP адрес;
-
файлы cookies;
-
идентификатор пользователя, присваиваемый сайтом;
-
длительность пользовательской сессии;
-
точки входа (сторонние сайты, с которых пользователь по ссылке переходит на сайт);
-
браузер пользователя;
-
архитектура процессора устройства пользователя;
-
ОС пользователя;
-
параметры экрана (разрешение, глубина цветности, параметры размещения страницы на экране);
-
источник перехода (UTM метка);
-
значение UTM меток от source до content;
-
данные, содержащиеся в личном кабинете пользователя, зарегистрированного на сайте.
Наибольшим влиянием в поведении обладают события взаимодействия с товарами. Активно используются события просмотра карточки товара, добавления товара в корзину и заказа товара. Кроме того, могут быть использованы данные о взаимодействии пользователей с внутренней поисковой системой магазина и данные о взаимодействии с самой системой рекомендаций.
Данные о товарной базе магазина включают все
предоставляемые магазином атрибуты товаров, в частности информацию о категориях,
ценах, доступности. Эти данные могут быть использованы, если пользовательского
поведения недостаточно для определения интересов к товарным атрибутам,
фильтрации товаров и других задач.
2. Основные алгоритмы рекомендаций
2.1. Популярные товары
Рекомендации популярных товаров формируются на основе всех взаимодействий посетителей с интернет-магазином. Алгоритм стремится показывать товары, с которыми чаще всего взаимодействуют, в первую очередь покупают. Алгоритм показывает наиболее разнообразные товары, что помогает лучше познакомиться с товарной базой магазина и облегчает процесс выбора.
2.2. Популярные товары из интересных пользователю категорий
Вариант сценария «Популярные товары», где пользователю показываются товары только из тех категорий, которые интересны ему в долгосрочной перспективе.
2.3. Персональные рекомендации товаров
В этом сценарии анализируется поведение пользователя и показываются товары, которые наиболее интересны ему в контексте текущей задачи. Если у человека пока нет истории просмотра, ему можно показать популярные товары. Если пользователь проявлял интерес к определенным товарам, алгоритм подбирает альтернативные предложения и таким образом поможет ему найти наиболее подходящий и приблизит к покупке. Если же пользователь уже что-то заказывал, то алгоритм предложит ему сопутствующие товары.