Рекомендательные технологии
Правила применения рекомендательных технологий на сайте мптс.рф
Настоящие Правила определяют механизмы и принципы функционирования рекомендательных технологий на сайте https://мптс.рф, а также раскрывают объем и характер сведений о пользователях, собираемых и используемых для формирования рекомендаций.
Под рекомендательными технологиями понимаются информационные технологии, обеспечивающие предоставление информации на основе сбора, систематизации и анализа данных о предпочтениях пользователей сети «Интернет», находящихся на территории Российской Федерации.
Сайт https://мптс.рф использует рекомендательные технологии для анализа потребностей пользователей в контенте, что позволяет предоставлять качественный и безопасный контент, соответствующий их тематическим интересам.
Предполагаемые предпочтения пользователей формируются рекомендательными технологиями на основе их действий: чем активнее и чаще пользователь взаимодействует с контентом, тем точнее становятся рекомендации.
Формирование рекомендаций
Сбор поведенческих данных
Система рекомендательных технологий собирает и обрабатывает следующие поведенческие данные (далее — Поведенческие данные):
- Просмотры страниц товаров/услуг.
- Просмотры страниц категорий.
- Просмотры страниц результатов поиска.
- Составы оформленных заказов.
Все собранные данные используются исключительно внутри данного интернет-магазина и не применяются для обучения алгоритмов других магазинов. Данные полностью обезличены и не позволяют идентифицировать конкретного пользователя или устройство.
Объединение данных с каталогом товаров
Для подбора похожих товаров к поведенческим данным добавляются характеристики товаров из каталога, что обеспечивает релевантность рекомендаций.
Подбор рекомендаций
Формирование рекомендаций осуществляется по двум подходам: персонализированным и неперсонализированным.
Неперсонализированные рекомендации:
- Подбор похожих товаров
Алгоритмы анализируют свойства интересующего пользователя товара (категория, производитель, цвет и др.), а также просмотры других пользователей, подбирая аналогичные модели. Например, при просмотре потолочных люстр из металла со сферическими плафонами система предложит другие люстры с похожими параметрами материала и типа плафонов. - Подбор сопутствующих товаров
На основе анализа покупок и просмотров других пользователей подбираются товары для докупки. Например, если в корзине светильник с цоколем E14, рекомендации включат подходящие лампы. - Подбор популярных товаров
Алгоритмы определяют наиболее покупаемые/просматриваемые товары в магазине (или категории) и формируют блок популярных рекомендаций. Например, за квартал лидируют определенная модель светильников и торшеров — они отображаются всем пользователям.
Персонализированные рекомендации:
Алгоритм анализирует поведенческие данные конкретного пользователя и предлагает наиболее релевантные товары на основе его интересов.
Уточнение рекомендаций
После формирования блоков рекомендации корректируются по правилам магазина: сортировка по цене, исключение отсутствующих товаров или приоритетное размещение конкретных позиций.
Места отображения рекомендаций
Обученные алгоритмы показывают блоки рекомендаций на любых страницах: главной, карточке товара, корзине и т.д.
Обработка сведений о предполагаемых предпочтениях
Рекомендательные технологии собирают и анализируют общедоступный контент: векторизованные представления действий пользователя, тексты, изображения, видео и метаданные (тематика, популярность у других).
Применяются математические модели (включая признаковое пространство) для многофакторного анализа, классификации, ранжирования признаков и свойств. Это позволяет оценить вероятность позитивного взаимодействия пользователя с контентом.
Отобранный контент ранжируется по вероятности взаимодействия, его позитивности, длительности просмотра и другим факторам.
Юридически значимые сообщения по применению рекомендательных технологий направляются на электронную почту: mp-ts@mail.ru.
