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.

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