Рекомендации товаров в e-commerce: как они работают
Продвинутое3 минРедакция Innovialabs
Коротко
Рекомендации строятся от простых правил к моделям на поведении и эмбеддингах; их ставят на карточку, корзину и в письма, а пользу измеряют только A/B-тестом по выручке на посетителя.
Как работают рекомендации товаров
Рекомендательная система отвечает на вопрос «что ещё показать этому человеку сейчас». Основных подходов четыре, и в реальном магазине их обычно комбинируют:
| Подход | Откуда берёт сигнал | Сильная сторона | Слабость |
|---|---|---|---|
| Правила | Решения мерчандайзера | Контроль, быстрый старт | Не масштабируется на большой каталог |
| Коллаборативная фильтрация | Покупки и просмотры других людей | Находит неочевидные связи | Нужна история, проблема холодного старта |
| Контентный | Атрибуты товара: категория, бренд, цена | Работает для новых товаров | Предлагает слишком похожее |
| Эмбеддинги | Векторы товаров и пользователей | Гибкость, поиск похожего по смыслу | Сложнее строить и поддерживать |
Начинать стоит с правил и простой статистики, а модели добавлять, когда есть данные и способ измерить эффект.
Правила и cross-sell
Самый быстрый старт — ручные и полуавтоматические правила:
- аксессуары к товару: чехол к телефону, фильтр к кофемашине;
- «часто покупают вместе» на основе совместных покупок в заказах;
- дополнение до бесплатной доставки — недорогие товары в корзине;
- исключения: не рекомендовать то, чего нет в наличии, и то, что клиент уже купил.
Правила понятны бизнесу и легко объясняются, но их сложно поддерживать на десятках тысяч товаров.
Коллаборативная фильтрация
Идея: если люди, купившие A, часто покупали B, то покупателю A стоит показать B.
- Item-to-item — считает похожесть товаров по совместным действиям. Стабильна и хорошо подходит для карточки товара.
- Матричная факторизация — раскладывает матрицу «пользователь × товар» на скрытые факторы и предсказывает интерес к непросмотренным товарам.
Используйте разные веса для сигналов: покупка весит больше добавления в корзину, а оно — больше просмотра. Учитывайте популярность: без нормализации все рекомендации сведутся к хитам продаж.
Контентный подход и эмбеддинги
Контентный метод сравнивает товары по атрибутам: категория, бренд, материал, ценовой сегмент. Эмбеддинги идут дальше — превращают название, описание и изображение в векторы, и похожие по смыслу товары оказываются рядом. Поиск ближайших соседей выполняют векторные индексы.
Эмбеддинги поведения можно строить и по сессиям: товары, которые часто просматривают подряд, получают близкие векторы.
Холодный старт
- Новый товар — используйте контентные и embedding-рекомендации, пока не накопится поведение.
- Новый пользователь — показывайте популярное в категории, тренды, товары по текущей сессии.
- Новый магазин — правила мерчандайзера и бестселлеры, пока данных мало.
Хорошая практика — гибрид: модель на поведении с откатом на контентный метод, когда данных недостаточно.
Где показывать
| Место | Что показывать |
|---|---|
| Карточка товара | Похожие товары и «часто покупают вместе» |
| Корзина | Дополнения и аксессуары, недорогие позиции |
| Главная и каталог | Персональная подборка, продолжение просмотра |
| Email и пуши | Брошенная корзина, пополнение расходников, похожие на купленное |
| Пустой поиск | Популярное в близких категориях |
Не перегружайте страницу: несколько блоков с разной логикой конкурируют за внимание и мешают оценить каждый.
Как измерить эффект
CTR блока ничего не говорит о деньгах: клики могут просто перетекать из других мест. Нужен A/B-тест:
- Разделите пользователей (не сессии) на контроль и вариант.
- Основная метрика — выручка на посетителя; вспомогательные — конверсия, средний чек, доля товаров из рекомендаций.
- Заранее определите длительность теста и размер выборки.
- Следите за защитными метриками: возвраты, скорость страницы.
Отдельно проверяйте каналы: рекомендация в письме и на карточке — разные эксперименты.
Частые ошибки
- Рекомендовать товары, которых нет в наличии.
- Показывать то, что клиент уже купил, если это не расходник.
- Оценивать модель только по офлайн-метрикам, без онлайн-теста.
- Не обновлять модель — сезонность быстро делает её устаревшей.