Рекомендации товаров с ИИ: процессы

Рекомендательные движки предсказывают, какие товары покупатель, скорее всего, захочет купить следующими. Они учатся на событиях просмотра, добавления в корзину и покупки, а также на атрибутах товара, таких как категория, цена и цвет. Общие модели включают коллаборативную фильтрацию (люди, которые купили это, также купили то), сопоставление на основе контента и, все чаще, модели, которые сочетают и то, и другое с контекстом сессии.

Магазины редко создают их с нуля. Shopify предлагает встроенную логику связанных товаров и приложения, такие как Rebuy или LimeSpot; Salesforce Commerce Cloud включает рекомендации Einstein; Klaviyo, Dynamic Yield, Nosto и Vertex AI Search для коммерции от Google Cloud — другие распространенные варианты. Рабочий процесс у них похож.

Рекомендации настолько хороши, насколько хороши каталог и данные о событиях, стоящие за ними. Большинство проблем, которые выглядят как плохой алгоритм, на самом деле являются отсутствующими атрибутами или нарушенным отслеживанием.

• Убедитесь, что события просмотра товара, добавления в корзину и покупки срабатывают с правильным ID товара на каждой странице.
• Заполните основные атрибуты: категория, бренд, цена, пол или возрастная группа, где это применимо, и статус наличия на складе.
• Удалите или пометьте снятые с производства товары, чтобы они не рекомендовались.
• Убедитесь, что варианты (размер, цвет) объединены в родительский товар, иначе движок будет рекомендовать одну и ту же рубашку в пяти размерах.
• Подтвердите настройки согласия: персонализированные рекомендации могут требовать согласия в соответствии с GDPR или KVKK в Турции.

У каждой страницы своя задача, поэтому для каждой нужен свой тип рекомендаций. Начать с трех мест размещения обычно достаточно, чтобы сделать выводы.

• Страница товара: похожие товары для покупателей, которые еще выбирают, и часто покупаемые вместе для тех, кто готов купить.
• Страница корзины: недорогие дополнения, такие как чехлы для телефонов или носки для обуви.
• Главная страница: недавно просмотренные и персонализированные подборки для вернувшихся посетителей; бестселлеры для новых.
• Пустые результаты поиска: популярные товары в ближайшей категории вместо тупика.
• Подтверждение заказа: пополнение запасов или аксессуары для следующего визита.

Чистые алгоритмы оптимизируются под клики и могут продвигать не то: дешевые товары, товары, которых нет в наличии, или бренды с низкой маржой. Правила позволяют мерчандайзерам направлять модель, не заменяя ее. Начните с короткого списка и добавляйте правила только тогда, когда увидите конкретную проблему.

Типичные правила включают исключение товаров ниже порога маржи, продвижение новых коллекций в течение определенного периода, запрет на рекомендацию более дешевой альтернативы на странице дорогого товара и фильтрацию по тому же полу или размерному ряду, что и просматриваемый товар. Запишите каждое правило с его обоснованием, чтобы следующий человек понял, почему товар никогда не появляется.

Тестируйте по одному месту размещения за раз против контроля. Контролем может быть отсутствие виджета, простой список бестселлеров или текущая логика. Большинство рекомендательных платформ включают A/B-тестирование; в противном случае используйте инструмент тестирования и делите по посетителям.

Измеряйте доход на посетителя и коэффициент конверсии для всей сессии, а не только клики по виджету. Виджет может собирать много кликов, отвлекая внимание от основного товара. Проводите тесты не менее двух полных недель, чтобы включить паттерны будней и выходных.

Тот же движок, который управляет сайтом, может питать электронные письма о брошенном просмотре и после покупки в Klaviyo или аналогичном инструменте. Сегменты фида товаров, созданные на основе логики рекомендаций, также могут формировать кампании Google Shopping и каталоги Meta, например, группируя часто покупаемые вместе товары в метку фида комплекта.

Помните о времени. Покупатель, который купил диван, не хочет получать еще три дивана по электронной почте на следующий день. Потоки после покупки должны переключаться на дополнения и товары по уходу.

Рекомендации дрейфуют без владельца. Появляются новые коллекции, меняются поставщики, заканчивается распродажа, а написанное для нее правило остается активным. Назначьте одного человека, обычно из отдела электронной коммерции или мерчандайзинга, для проверки мест размещения каждые две недели.

• Выборочно проверьте пять страниц товаров в разных категориях на мобильных устройствах и компьютерах.
• Просмотрите топ-20 рекомендованных товаров и подтвердите наличие на складе и маржу.
• Удалите истекшие правила кампаний и бусты.
• Прочитайте панель результатов тестирования и отметьте любое место размещения, которое потеряло доход на посетителя.
• Записывайте каждое изменение с датой и причиной.

Это занимает около часа. Это предотвращает медленный спад, из-за которого команды думают, что движок перестал работать, хотя на самом деле магазин изменился вокруг него. Это также дает мерчандайзеру регулярный взгляд на то, что покупатели на самом деле сочетают вместе, что часто информирует о комплектах и акциях.