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.

Рекомендательная система вычисляет для каждого товара факторы, которые могут повлиять на факт продажи. На основе них модели оценивают вероятность взаимодействий:

• покупки товара;

• клика на карточку товара;

• добавления в корзину;

• добавления в избранное.

Каждый товар получает набор оценок от 0 до 1. Чем ближе оценка к единице, тем больше шанс, что товар займёт высокую позицию в выдаче рекомендаций.

4-й этап: формирование выдачи

Каждому товару-кандидату присваивается его оценка релевантности. Формула расчёта зависит от полки рекомендаций, но в общем случае учитывает:

• оценки моделей машинного обучения, полученные на предыдущем этапе;

• ставку, если у товара подключено продвижение;

• давность посещения страницы товара;

• другие характеристики товара, например цену и скорость доставки.

Учёт этих факторов уравновешивает интересы покупателей, продавцов и рекламодателей.

Товары сортируются по рассчитанной оценке релевантности: товары с наибольшей оценкой — в начале выдачи, с наименьшей оценкой — в конце.

Из отсортированного списка исключаются:

• товары повторяющихся категорий — чтобы предложить пользователю более широкий ассортимент;

• товары, которых нет на складе.

В результате формируется финальный список товаров-кандидатов.

5-й этап: отображение товаров

В полках рекомендаций ограниченное количество мест, которое зависит от платформы и страницы расположения. Рекомендательная система:

• Отбирает определённое количество товаров из списка, сформированного на предыдущем этапе.

• Загружает для них актуальные характеристики и картинки.

• Показывает полку рекомендаций пользователю.

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

Помогла ли вам статья?

Нет ответа на мой вопрос

Текст трудно понять

В статье есть ошибки, опечатки или неработающие ссылки

Содержание статьи не соответствует заголовку

Другая причина

Отправить отзыв

Скачать PDF

Скрыть навигацию

Показать навигацию