Работа рекомендаций на Ozon

Рекомендации — полки с товарами на Ozon, которые мы показываем покупателю на основе его возраста, пола, локации, истории покупок, просмотров, интересов и действий на Ozon. Они помогают покупателю находить нужный товар.

В рекомендациях могут быть:

• аналоги товаров, которые уже заказывал покупатель;
• сопутствующие товары;
• недавно просмотренные товары;
• товары, которые покупатель заказывает регулярно;
• товары, похожие на те, что покупатель просматривает;
• товары из корзины;
• персональные подборки.

Размещение рекомендаций

Полки рекомендаций размещаются на страницах Ozon. Например:

• главная,
• карточка товара,
• страница оплаченного заказа,
• корзина,
• страница заказов.

Рекомендации могут включать неодинаковое количество товаров и называться по-разному. Например, «Рекомендуем также», «Не забыть купить», «Вы смотрели».

Общая схема работы рекомендательной системы на Ozon

1. Подготовка контекста: собираем информацию о пользователе и товаре, для которого подбираем рекомендации.

2. Отбор кандидатов: рекомендательная система выбирает среди товаров Ozon несколько тысяч товаров-кандидатов, релевантных контексту показа рекомендаций.

3. Оценка моделями машинного обучения: с помощью моделей машинного обучения оцениваем вероятность взаимодействия пользователя с каждым из отобранных товаров. Полученные оценки зависят от того, какие признаки оказались наиболее важными для моделей. В результате каждый товар получает набор оценок от 0 до 1.

4. Формирование выдачи: на основе полученных оценок для каждого товара и информации о товарах-кандидатах формируем финальную выдачу рекомендаций.

5. Отображение товаров: в зависимости от полки в выдачу рекомендаций попадает определённое количество товаров, отобранных на предыдущем шаге.

Этапы работы рекомендательной системы на Ozon

Этап 1. Подготовка контекста

Загружаем списки товаров из контекста:

• товары, с которыми взаимодействовал покупатель;
• товар, на странице которого находится полка с рекомендациями.

Для каждого товара из контекста собираем информацию. Например:

• список категорий товара;
• бренд;
• склад товара;
• доступность экспресс-доставки для товара.

Также узнаём характеристики пользователя, например пол и возраст.

Этап 2. Отбор кандидатов

Рекомендательная система в зависимости от полки рекомендаций выбирает разные источники набора товаров-кандидатов, подходящие к контексту полки. При подборе товаров-кандидатов ориентируемся на популярные товары на площадке и сферу интересов покупателя, а также учитываем товары, которые он просмотрел или добавил в корзину.

Этап 3. Оценка моделями машинного обучения

Рекомендательная система использует модели машинного обучения, чтобы оценить вероятность взаимодействия пользователя с каждым отобранным товаром.

Модели обучаются на поведении покупателей в прошлом и выстраивают закономерности между факторами. Фактор — число, характеризующее товар, например скорость его доставки или цена. Разные факторы имеют разную предсказательную силу и по-разному влияют на вероятность покупки. Например, покупатели чаще выбирают товары с большим количеством отзывов, поэтому чем больше отзывов, тем выше оценка.

Рекомендательная система вычисляет для каждого товара факторы, которые могут повлиять на факт продажи. На основе этого модели оценивают вероятность взаимодействий:

• покупки товара;
• клика на карточку товара;
• добавления в корзину;
• добавления в избранное.

Каждый товар получает набор оценок от 0 до 1. Чем ближе оценка к единице, тем больше шанс, что товар займёт высокую позицию в выдаче рекомендаций.

Этап 4. Формирование выдачи

Каждому товару-кандидату присваивается оценка релевантности. Формула расчёта зависит от полки рекомендаций, но в общем случае учитывает:

• оценки моделей машинного обучения, полученные на предыдущем этапе;
• ставку, если у товара подключено продвижение;
• давность посещения страницы товара;
• другие характеристики товара, например цену и скорость доставки.

Учёт этих факторов уравновешивает интересы покупателей, продавцов и рекламодателей.

Товары сортируются по рассчитанной оценке релевантности: товары с наибольшей оценкой — в начале выдачи, с наименьшей — в конце.

Из отсортированного списка исключаются:

• товары повторяющихся категорий — чтобы предложить пользователю более широкий ассортимент;
• товары, которых нет на складе.

В результате формируется финальный список товаров-кандидатов.

Этап 5. Отображение товаров

В полках рекомендаций ограниченное количество мест, которое зависит от платформы и страницы расположения. Рекомендательная система:

1. Отбирает определённое количество товаров из списка, сформированного на предыдущем этапе.

2. Загружает для них актуальные характеристики и картинки.

3. Показывает полку рекомендаций пользователю.

Продвигать товары в рекомендациях

Чтобы товары чаще попадались в рекомендациях и на видных местах в поисковой выдаче, подключите инструменты продвижения «Оплата за клик» и «Оплата за заказ». При формировании рекомендаций алгоритм учитывает историю просмотров, покупок и локацию покупателей даже с подключённым продвижением. Чем больше товар подходит пользователю, тем чаще он будет появляться в рекомендациях.