За последние несколько десятилетий, с появлением Youtube, Amazon, Netflix и многих других подобных веб-сервисов, рекомендационные системы заняли важное место в нашей жизни. Они используются в электронной коммерции (предложение покупателям товаров, которые могут их заинтересовать) и в рекламе в Интернете (предложение пользователям правильного контента, соответствующий их предпочтениям), рекомендационные системы сегодня неизбежная часть наших ежедневных диджитал путешествий.
Грубо говоря, рекомендационные системы представляют собой алгоритмы, направленные на то, чтобы предложить пользователям соответствующие товары или услуги (фильмы для просмотра, текст для чтения, продукты для покупки или что-либо еще в зависимости от отрасли).
Часто рекомендационными системами называют и простые алгоритмы, целью которых является предоставление пользователю наиболее актуальных и точных статей/отзывов, с помощью фильтрации полезных материалов из огромного пула информационной базы. Алгоритмы выявляют закономерности данных в информационной базе, изучая выбор и поведение прошлых потребителей, и дают рекомендации, которые соответствуют их потребностям и интересам.
Зачем нам нужны рекомендационные системы?
Обычно, мы расположены к покупке товара, который предложили нам друзья или коллеги. В цифровом мире, это явление принимает форму рекомендационных систем, интернет-магазин может рекомендовать товары, которые также могут понравиться и понадобиться потенциальным клиентам.
Рекомендационные системы действительно важны для некоторых отраслей бизнеса, поскольку они могут многократно увеличивать доход, а также являются эффективным способом значительно выделиться среди конкурентов. В качестве доказательства важности рекомендационных систем можно отметить компанию Netflix, несколько лет назад организовавшую конкурс ("Приз Netflix"), целью которого было создать систему, которая бы работала лучше, чем их собственный алгоритм рекомендаций. Приз за новый алгоритм составил 1 миллион долларов.
Первое, что нужно понять, прежде чем внедрять системы рекомендаций, это то, обладает ли ваш магазин необходимым количеством товаров и клиентов, что можно будет генерировать достаточное количество данных. Холодный старт - одна из проблем, связанных с внедрением рекомендационных систем. Системы становятся более эффективными по мере того, как механизм рекомендаций работает, накапливает и обрабатывает данные, анализирует поведение пользователя. Если ассортимент продукции и посещаемость вашего интернет-магазина ограничены, то системы рекомендаций не будут полезны, и лучше направить ваши финансовые ресурсы на развитие чего-то другого.
Всего существует 3 типа систем рекомендаций:
- Коллаборативная фильтрация;
- Фильтрация на основе содержимого;
- Гибридные системы.
Коллаборативная фильтрация
Такие системы дают рекомендации, основанные на истории действий пользователя (клики, добавление в избранное, покупки и т.д.). Такой алгоритм рекомендаций будет хорошим решением, если в вашем магазине есть небольшое количество товаров, но у вас высокий трафик. Алгоритм анализирует, как пользователь оценивал продукты и как часто на них нажимал. Например, покупатель X добавил к любимому коврику для йоги зеленые штаны и черный топ. Если покупатель Y добавил тот же коврик и черный топ, система, основываясь на истории пользователя X, предложит пользователю Y также приобрести зеленые штаны.
Фильтрация на основе содержимого
Системы рекомендаций по фильтрации на основе контента анализируют свойства продукта и предлагают товары с аналогичными свойствами или характеристиками. Например, пользователю Z понравилась подушка с абстрактным рисунком, размером 18X18 и вставкой из перьев, механизм рекомендаций предложит предметы с аналогичными характеристиками.
Гибридные системы
Данный тип систем рекомендаций считается наиболее эффективным и используется Netflix и Spotify - компаниями, которые добились больших успехов в предоставлении персонализированных рекомендаций своим пользователям. Гибридные системы сочетают методы коллаборативной фильтрации и фильтрации контента.
Следующее поколение рекомендационных систем будет включать следующие усовершенствования.
Более актуальные рекомендации: смогут еще глубже изучать интересы и предпочтения клиентов и предоставлять пользователям более релевантные предложения.
Будут продвигать дополнительные продукты: каждый ритейлер с помощью усовершенствованной системы рекомендаций сможет продавать и другие товары в своем каталоге (менее популярные позиции), так как рекомендации буду индивидуально составлены под каждого из покупателей.
Будут воздействовать на покупателей через несколько каналов: рекомендационные системы следующего поколения будут анализировать поведение пользователей и составлять индивидуальные предложения для клиентов через множество каналов, включая электронную почту, социальные сети, мобильные приложения, центры обслуживания розничных клиентов и др.
Выводы
Рекомендационные системы — это решение, которое помогает предприятиям электронной розничной торговли повышать конверсии и продажи, но важно понимать, на каком этапе развития находится сайт вашего интернет-магазина. Насколько высоких результатов вы достигните, зависит от того, используете ли вы правильное нужное именно вашему сайту на данном этапе решение или нет.
Принимая решение о внедрении рекомендационной системы, компании должны делать выбор, основываясь на множестве факторов. Успех зависит от того, насколько точным, сложным и эффективным будет решение для вашего типа бизнеса, в условиях реальной ограниченности ресурсов (например, стоимость программного обеспечения/оборудования или наличие высококлассных специалистов).