Настоящие Правила описывают механизмы и принципы работы рекомендательных технологий на сайте: https://www.vamsvet.ru/, а также раскрывают, какие именно сведения о пользователях собираются и используются для формирования рекомендаций.
Под рекомендательными технологиями понимаются информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
Сайт https://www.vamsvet.ru/ применяет рекомендательные технологии, позволяющие лучше понимать потребности пользователей в контенте с целью предоставления пользователям качественного и безопасного контента, соответствующего их тематическим интересам.
Предполагаемые предпочтения пользователей определяются рекомендательными технологиями в зависимости от действий пользователя– чем чаще и активнее пользователь взаимодействует с контентом, тем более точными становятся рекомендации.
Собираем поведенческие данные: Система рекомендательных технологий собирает и использует следующие данные (далее - Поведенческие данные):
- просмотры страниц товаров/услуг
- просмотры страниц категорий
- просмотры страниц результатов поиска
- составы оформленных заказов
Все собранные данные используются только внутри конкретного интернет-магазина и не подлежат использованию для обучения рекомендательных алгоритмов других интернет-магазинов.
Все собранные данные полностью обезличены и не позволяют идентифицировать конкретного пользователя или устройство.
Для подбора пользователю похожих товаров необходимы не только поведенческие данные, но также данные о самих товарах и их характеристиках, чтобы найти все релевантные товары для рекомендаций.
Используется два подхода при формировании рекомендаций: персонализированные и неперсонализированные рекомендации
Алгоритмы анализируют свойства того продукта, которым интересуется пользователь: категорию, производителя, цвет и многие другие свойства. По этим признакам, а также по товарам, которые просматривали все пользователи, подбираются товары, которые похожи на интересующий пользователя товар. Например, пользователь смотрит потолочные люстры, с материалами металл и типом плафона сфера, алгоритм рекомендаций предложит ему другие модели люстр с аналогичными параметрами по материалу изготовления и типом плафонов.
Алгоритмы анализируют какие товары покупали и смотрели все пользователи вместе с интересующим пользователя товаром и на основании этих данных подбираются товары, которые пользователь может докупить. Например, пользователь положил в корзину светильник с типом цоколя E14, в рекомендациях ему будут предложены лампы, подходящие по цоколю к ранее добавленном товару в корзине.
Алгоритмы анализируют какие товары чаще всего покупают/смотрят в данном интернет-магазине все пользователи и из этих данных формируются рекомендации популярных товаров во всем интернет -магазине (или в какой-то его конкретной категории каталога). Например, за прошедший квартал в данном интернет-магазине чаще всего покупали некую модель светильников и модель торшеров, эти товары будут показаны в блоке популярных рекомендаций для всех пользователей
Алгоритм анализирует поведенческие данные конкретного пользователя и рекомендует ему товары, наиболее релевантные его текущему интересу.
После того, как рекомендации составлены, можно сделать их еще точнее, добавив дополнительные условия от интернет-магазина. Например, расположить товары в некой градации цен, исключить товары не в наличии или поставить на определенное место в блоке определённый товар.
Когда рекомендательные алгоритмы настроены и обучены, они могут показывать покупателю блоки рекомендаций на любой странице интернет-магазина: главная, страница товара, корзина и т.п.
- Рекомендательные технологии осуществляют сбор и анализ части общедоступного контента, например векторизованное представление действий пользователя, текстовых материалов, изображений, видеозаписей и иного контента. Проводится оценка метаданных и иной информации, включая сведения о предположительной тематике контента, общей популярности контента у других пользователей.
- Применяются математические модели (в том числе для формирования признакового пространства), которые путём многофакторного анализа, классификации, ранжирования признаков и свойств контента, а также действий пользователя позволяют оценить вероятность того, что взаимодействие пользователя с контентом будет позитивным.
- Отобранный таким образом контент ранжируется в зависимости от оценок вероятности взаимодействия, позитивности такого взаимодействия, длительности просмотра, и других.
Юридически значимые сообщения по вопросам применения рекомендательных технологий могут быть направлены на адрес электронной почты: info@vamsvet.ru
Настоящие Правила размещены по адресу: https://www.vamsvet.ru/help/rekomendatelnie-algoritmy/
