Рекомендательные алгоритмы много лет работают в качестве инструмента персонализации на площадках вроде Amazon, eBay, AliExpress, Wallmart и десятков других. С течением времени алгоритмы становятся все более совершенными, позволяя покупателям видеть в выдаче товары, которые нужны именно им, а компаниям — продавать больше товаров.
Площадок с обычными каталогами товаров, где покупатель каждый раз должен сам искать то, что ему нужно, становится все меньше. Конечно, если покупатель зашел на площадку впервые, ему придется выбирать самостоятельно, но с каждым новым кликом и просмотром алгоритм в реальном времени оптимизирует выдачу товаров, так, что она становится все более персонализированной. Кроме того, появляются и новые алгоритмы, которые разрабатывают hi-tech компании. Один из них разработан компанией Dynamic Yield.
Что за движок?
Это рекомендательный движок на основе Deep Learning, который дает возможность владельцам онлайн-площадок формировать релевантные подборки товаров, которые с высокой степенью вероятности понравятся посетителям этих площадок. Основной задачей разработчиков было определить, какие товары должны быть представлены в товарном каталоге для удовлетворения потребностей с разными потребностями.
Товарная выдача автоматически адаптируется по мере поступления новых данных о поведении пользователей. Что касается технологии обучения, то это word2vec, или item2vec. Алгоритмы Deep Learning работают для того, чтобы показывать релевантную товарную выдачу в виде рекомендательных блоков или персонализированных товарных листингов (на страницах категорий, в поисковой выдаче и т.д.) на базе истории активности пользователя, истории просмотров, активности в рамках сессии, трендов и генерировать рекомендации с более высокой точностью таким образом, как будто это происходит в процессе офлайн-шоппинга с продавцом-консультантом.
Движок появился не вчера, его тестируют такие бренды, как многие крупнейшие Ритейлера, Банки и Телеком игроки в мире, включая Россию. Судя по результатам работы алгоритма, он увеличивает объемы продаж товаров и позволяет компаниям генерировать существенную дополнительную выручку. Согласно данным компании e.l.f. Cosmetics, опробовавшей движок, увеличение онлайн-выручки при использовании алгоритма составляет около 29% в среднем. Сравнение результатов проводилось между пользователями, которые видели персонализированные с помощью Dynamic Yield страницы продуктовых листингов, и теми, кому показывался товарных каталог с базовой сортировкой на сайте.
Базовая товарная выдача на странице категории VS персонализированная товарная выдача страницы категории на основе движка Deep Learning
Возможности алгоритма
У нового движка есть три главные возможности:
- Оптимизация результатов для каждого пользователя. Алгоритм Deep Learning автоматически определяет правильный набор параметров для каждого пользователя, основываясь на его поведении, этапе в рамках customer journey, а также любых трендах, выявленных по всему сайту, что устраняет необходимость применения ручной фильтрации пользователем.
- Быстрое обучение и адаптация. Алгоритм постоянно совершенствуется по мере поступления новой информации и быстро самообучается на основе огромного количества поведенческих данных и данных о продукте, а также результатов тестирования, которые мгновенно определяют намерения клиента даже с первого сеанса.
- Доступность для разных Digital-каналов. Deep Learning можно использовать для товарных рекомендаций, которые будут улучшать взаимодействие с товарами на сайте, мобильном приложении, кампаний во внешних каналах рассылок, например, Email, где рекомендательный алгоритм будет срабатывать в момент открытия писем, а также в любых Digital-устройствах в офлайн-мире, будь-то терминалы в магазинах или онлайн точках продаж, кассы, устройство продавцов-консультанток, электронные меню, смарт-девайсы и проч.
В целом, этот алгоритм автоматически определяет правильный набор параметров для каждого пользователя, исходя из его поведения, того, где он находится в рамках customer journey, а также любых текущих трендов на сайте. Модель рекомендаций Deep Learning от Dynamic Yield является частью AdaptML — системы глубокого машинного самообучения, которая адаптирует digital-опыт индивидуально для каждого пользователя, экстраполируя намерение покупки на данные клиентов и предсказывая товары, которые могут их заинтересовать.
