Алгоритм рекомендаций на Ozon

Ваш договор

От него зависят условия работы и инструкции. Подробнее

Юридические документы Ozon

Условия использования сервисов Ozon и реквизиты

Правила использования сайта и приложений

Алгоритмы

Алгоритм рекомендаций на Ozon

Алгоритм рекомендаций на Ozon

Оглавление

• Общая схема работы рекомендательной системы на Ozon
• 1-й этап: подготовка контекста
• 2-й этап: отбор кандидатов
• 3-й этап: оценка моделями машинного обучения
• 4-й этап: формирование выдачи
• 5-й этап: отображение товаров

Рекомендации — это полки с товарами, которые показываем покупателю на основе возраста, пола, локации, истории покупок, просмотров, интересов и действий на Ozon. Рекомендательная система на Ozon отвечает за отбор товаров, релевантных контексту показа полки, и порядок отображения этих товаров. В рекомендациях могут быть:

• аналоги того, что покупатель уже заказывал;

• сопутствующие товары;

• недавно просмотренные товары;

• товары, которые покупатель заказывает регулярно;

• товары, похожие на те, что покупатель просматривает;

• товары из корзины;

• персональные подборки.

Полки рекомендаций размещаются на страницах Ozon. Примеры таких страниц:

• главная,

• карточка товара,

• страница оплаченного товара,

• страница заказов,

• корзина.

Общая схема работы рекомендательной системы на Ozon

• Подготовка контекста. Собираем информацию о пользователе и товаре, для которого подбираем рекомендации.

• Отбор кандидатов. Рекомендательная система выбирает несколько тысяч кандидатов среди товаров на Ozon, релевантных контексту показа рекомендаций.

• Оценка моделями машинного обучения. С помощью моделей машинного обучения оцениваем вероятность взаимодействия пользователя с каждым из отобранных товаров. Полученные оценки зависят от того, какие признаки оказались наиболее важными для моделей. В результате каждый товар получает набор оценок от 0 до 1.

• Формирование выдачи. На основе полученных оценок для каждого товара и информации о товарах-кандидатах формируем финальную выдачу для полки.

• Отображение товаров. В зависимости от полки в выдачу рекомендаций попадает определённое количество товаров, отобранных на предыдущем шаге.

1-й этап: подготовка контекста

Загружаем списки товаров из контекста:

• товары, с которыми взаимодействовал покупатель;

• товар, на странице которого находится полка с рекомендациями.

Для каждого товара из контекста собираем информацию:

• список категорий товара;

• бренд;

• склад товара;

• доступность экспресс-доставки для товара и так далее.

Также узнаём характеристики пользователя, например пол и возраст.

2-й этап: отбор кандидатов

Рекомендательная система в зависимости от полки рекомендаций выбирает разные источники набора товаров-кандидатов, подходящие к контексту полки. При подборе товаров-кандидатов ориентируемся на популярные товары на площадке и сферу интересов покупателя, а также учитываем товары, которые он просмотрел или добавил в корзину.

3-й этап: оценка моделями машинного обучения

Рекомендательная система использует модели машинного обучения, чтобы оценить вероятность взаимодействия пользователя с каждым отобранным товаром.

Модели обучаются на поведении покупателей в прошлом и выстраивают закономерности между факторами. Фактор — это число, характеризующее товар, например скорость его доставки или цена. Разные факторы имеют разную предсказательную силу и по-разному влияют на вероятность покупки. Например, покупатели чаще выбирают товары с большим количеством отзывов, поэтому чем больше отзывов, тем выше оценка.