Магия рекомендаций: какими сервисами обзаведутся интернет-магазины в будущем?

— Виктор, давайте разберемся, что такое рекомендательные системы?

— В обычной жизни «рекомендательным сервисом» можно назвать человека, который дает совет, какой, к примеру, телефон брать, а какой нет. В сети — это технология. Допустим, вы можете сказать, что новосибирский Flamp — это рекомендательный сервис. Так, но не совсем. Это тоже некоторая технология, однако, она не может существовать без людей, без их отзывов, постов. Поскольку именно они ее и формируют. То, что используют интернет-магазины, это некая технология, которая не нуждается в постоянной человеческой поддержке. Отборка осуществляется автоматически по заранее заданным параметрам.

Источник: http://www.svyaznoy.ru/catalog/phone/224/2145404

— По каким критериям осуществляется отбор?

— Есть несколько моделей. Одна отталкивается от свойств предмета, который рекомендуем. Если мы строим музыкальный рекомендательный сервис, то там есть треки, артисты, альбомы. Смотрим, что человек слушает — в таком жанре рекомендации и выстраиваются, на основе этих знаний. Это достаточно рабочая система. Правда, использовать лишь ее одну малоэффективно.

Другая идея симметрична и основывается на «атрибутах». Когда человек приходит в магазин, продавец о нем ничего не знает, но может определить пол, возраст, стиль одежды, и, не зная ничего о его пристрастиях, может что-то порекомендовать. Алгоритмы действуют также. Допустим, замечено, что эту группу товаров покупают люди 30 лет, а эти — 18 лет. На основе такой статистики, даже не зная персональную информацию об истории покупок человека, можно выстроить базу рекомендаций. Разница в том, что первый способ позволяет рекомендовать редкие, более персонифицированные объекты.

— Чем могут быть полезны эти сервисы?

— Они позволяют создавать нетривиальные инсайты. Например, люди, которые покупают в интернете широкоформатные телевизоры, благодаря рекомендациям берут еще и кофемашину. Те, кто хочет разобраться в вопросе более подробно, может познакомиться с алгоритмом SVD.  

— Если владелец интернет-магазина решил установить рекомендательную систему. С чего ему нужно начать?  

— Он должен ответить, действительно ли этот сервис ему нужен, поскольку он дорогостоящий и для небольших магазинов может оказаться накладной услугой. Если у вас небольшой бизнес, то вам разрабатывать рекомендации «под себя» нет смысла. Есть вариант «общих рекомендаций», но их опять же нужно тестировать.

Во вторых, определяясь, какой именно сервис установить, нужно понимать, что такое «хорошая рекомендация». Мы в «Яндексе» давно дали ответ на этот вопрос: это та рекомендация, которая улучшает бизнес-показатели по продукту.

— Примером могут послужить только растущие продажи?

— Не только. Допустим, возьмем музыкальный сервис. В данном случае бизнес-показатель – это то время, которые люди проводят на сайте. После того, как мы в сентябре 2014 года перезапустили «Яндекс.Музыку», за 9 месяцев среднее время прослушивания на человека выросло на 70%.

— А если взять пример из ритейла?

— В ритейле рекомендации должны повышать оборот. Важно рекомендовать правильные товары, чем точнее ты бьешь, тем выше оборот. Плюс надо смотреть на оборот магазина в целом. Вы внедрили рекомендательную систему и из какой-то полки стали продавать больше. В тоже время, с другой полки — меньше. Рекомендательная система свой KPI повышает, но человек меньше ходит по интернет-магазину — все усилия мерчендайзеров превращаются в прах. Допустим, человеку нужны были детские подгузники, ему их сразу предложили, а мог бы параллельно приобрести много сопутствующих товаров.

Например, LinguaLeo сделали простую рекомендательную систему. Они на входе опрашивают посетителей сайта об их интересах. В их случае, чем больше людей они привлекают, тем меньше тратят средств на эту работу в дальнейшем.    

— Как протестировать, какая система хорошая, а от какой результата мало?

— Я бы предложил провести тест «А и В». Сначала вы на протяжении какого-то периода показываете рекомендации только части аудитории. Потом сравниваете оборот тех, кто видел рекомендации и тех, кто нет.

Если вы это сделали с одним сервисом, не поленитесь и повторите алгоритм с другим. Также важно, насколько рекомендательный сервис отзывчив к изменениям на вашем сайте. Например, вы изменили дизайн или схему поставки данных, как поведет себя сервис? Все нужно уточнять у компании, которая вам продаст продукт.

— Насколько бизнес охотно внедряет рекомендательные системы на сайтах магазинов?

— На западе такая работа ведется давно. Есть данные, что 44% из топ-1000 магазинов пользуются сервисами, среди топ-100 – 70%. Чем крупнее магазины, тем больше среди них пользователей рекомендательных сервисов. В среднем, по подсчетам, эта услуга может принести до 20% оборота. 70% — крайне редко.

— Какие на сегодняшний день вы видите тренды в рекомендательных сервисах?

— Главный тренд в том, что их становится больше. Расширяется пространство для конкурентной борьбы. Необходимо повышать лояльность клиентов. Однако, что является нормой для столицы, до регионов еще не дошло. Я посмотрел статистику «Яндекс.Музыки». Этот проект активно использует сервис рекомендаций. На Москву и Санкт-Петербург приходится 20% прослушиваний, на столицу Сибири – 2%. Стоит учесть, что население Новосибирска от Москвы или Санкт-Петербурга отличается раз в 10. Поэтому можно заметить, что уже сейчас рекомендации одинаково хорошо работают, как в столице, так и в регионе.