Как работает персонализация и товарные рекомендации в Ozon.ru

Содержание

• Персонализация в e-commerce
• Как работают современные системы рекомендаций
• Как формируются рекомендации Ozon
• Что получает бизнес от персонализации
• Где применяется персонализация
• Проблемы и вызовы
• Коротко о главном

Персонализация в e-commerce

Раньше магазины просто советовали товары, похожие на то, что уже купил клиент. Сейчас всё иначе — алгоритмы изучают поведение покупателя, его интересы, покупки, поведение на сайте, даже местоположение и время суток. На основе этих данных они создают уникальные предложения в реальном времени. Это помогает компаниям увеличивать доход, а покупателям — быстрее находить то, что нужно.

По разным оценкам, компании, которые используют персонализацию, зарабатывают на 10–30% больше. Например, в Amazon до 35% продаж приносит система рекомендаций. При этом, 71% пользователей ожидают, что к ним будут обращаться лично. 76% чувствуют недовольство, когда видят одинаковые предложения, не подходящие под их запрос. Современные системы могут учитывать сотни параметров и менять контент для каждого пользователя за доли секунды.

От простых писем до умных систем

Раньше под персонализацией понимали обращение по имени в письме. Потом компании начали делить клиентов на группы — по полу, возрасту, интересам, поведению. Сейчас, вместо деления на группы системы анализируют данные каждого человека отдельно и предлагают то, что именно ему может быть полезно.

Это стало возможным благодаря развитию технологий. Большие объёмы данных, машинное обучение и автоматизация — всё это позволяет не просто угадать, а точно знать, что нужно клиенту в конкретный момент. Например, если человек часто смотрит кроссовки, но не покупает, система может показать ему скидку на похожие модели.

Исследование PwC показывает, что аудитории трудно выбирать из-за большого количества товаров. Это обескураживает и может привести к тому, что человек уйдёт с сайта. Персонализированный подход помогает сузить выбор и принять решение быстрее.

Сейчас люди ожидают, что бренд будет помнить их интересы и подстраиваться под них. Вот что говорят исследования:

• 84% хотят, чтобы к ним обращались лично;
• 70% ожидают, что компания поймёт, что им нужно;
• 59% хотят, чтобы опыт был основан на прошлых покупках.

При этом большинство легко меняет магазины, если им не нравится подход. Бренду нужно учитывать ожидания клиента, иначе он уйдёт туда, где чувствует внимание к себе.

Как работают современные системы рекомендаций

Машинное обучение. Алгоритмы учатся на действиях клиентов. Чем больше данных, тем точнее советы. Система анализирует:

• что человек смотрел;
• сколько времени проводил на странице;
• добавлял ли товар в корзину;
• покупал ли что-то ранее;
• делал ли похожие запросы.

На основе этих данных алгоритм может предсказать, что ещё может заинтересовать клиента. Например, если пользователь недавно купил детское кресло в машину, возможно, его интересуют и другие товары для младенцев — коляски, сумки, автошампуни без запаха и так далее.

Какие данные учитываются

• Поведение на сайте: система запоминает, что человек просматривал, к каким товарам возвращался, сколько времени проводил.
• Покупки: анализируются прошлые заказы. Это помогает предлагать подходящие товары или напоминать о повторной покупке.
• Поисковые запросы: если пользователь что-то искал и не нашёл — это фиксируется. При следующем визите система может показать ему нужный товар.
• Внешние данные: система может учитывать время суток, тип устройства, браузер, геолокацию.

Как формируются рекомендации Ozon

Рекомендательные алгоритмы Ozon работают в несколько этапов:
 1. Сначала отбираются товары, которые теоретически могут подойти.
 2. Затем система оценивает каждый товар по многим параметрам.
 3. Алгоритм присваивает каждому товару баллы — от 0 до 1 — в зависимости от вероятности, что человек с ним взаимодействует.
 4. Далее сортируются лучшие варианты и показываются пользователю.

Рекомендации формируются не только по принципу «этот товар похож на другой». Используются разные подходы:

• Коллаборативная фильтрация: товары советуются на основе того, что покупали другие люди с похожими интересами.
• Контентные методы: учитываются свойства товара — бренд, цвет, размер, описание.
• Последовательные алгоритмы: анализируют, в каком порядке человек просматривает товары.
• Списочные методы: оценивают не каждый товар по отдельности, а всю подборку целиком.

Что получает бизнес от персонализации

Персонализация влияет не только на клиента, но и на доход компании. Исследования показывают:

• Доход компаний с персонализацией выше на 40%.
• Средний чек может вырасти на 20%.
• Лояльность клиентов повышается, когда они чувствуют, что их понимают.
• Поведенческие метрики на сайте становятся лучше — люди проводят больше времени, чаще возвращаются.

Для бизнеса это означает:

• рост числа заказов и выручки;
• оптимизация рекламных бюджетов;
• повышение отклика на рассылки и акции.

Где применяется персонализация

Динамический контент

Одна и та же страница сайта может выглядеть по-разному для разных людей. Для одного — скидки на технику, для другого — подборка одежды. Это зависит от интересов, поведения, источника перехода, даже от устройства.

Такие страницы эффективны на всех этапах: сначала привлекают, потом предлагают релевантные продукты, и в итоге помогают купить.

Fashion e-commerce

В индустрии моды персонализация особенно важна. Люди хотят видеть вещи, которые подходят именно им — по вкусу, стилю, цене. Поэтому здесь используют:

• рекомендации;
• чат-ботов-стилистов;
• голосовых помощников, которые советуют, как сочетать вещи.

Проблемы и вызовы

Приватность

После появления новых правил и настроек, как в iOS 14.5, стало сложнее собирать данные. Люди чаще отказываются от отслеживания. Бренды перешли к более осторожному сбору данных — только то, что нужно. Это помогает сохранить доверие и избежать проблем с законом.

Технические трудности

Компании сталкиваются с рядом ограничений:

• данные хранятся в разных местах;
• нет единой системы;
• команды не всегда работают вместе;
• сложно быстро запускать креативные изменения.

Коротко о главном

Персонализация стала необходимостью. Это фактор, который напрямую влияет на успех. Компании, которые умеют правильно использовать данные и технологии, выигрывают. Те, кто не вкладывается в персонализацию, рискуют потерять клиентов.

Персонализация будет развиваться. Маркетологи уже выделяют больше бюджета на это направление. Все больше компаний заявляют, что планируют усилить работу с персонализированными предложениями, особенно в режиме реального времени.

ИИ играет ключевую роль. Он помогает быстрее анализировать большие объёмы данных, лучше понимать клиентов и предлагать им то, что нужно. Со временем системы будут не только реагировать на действия клиента, но и предсказывать, что он захочет в будущем.

Гиперперсонализация — следующий шаг. Она будет учитывать не только, что человек делал, но и в каком он настроении, где находится, что может захотеть дальше. Это требует усилий, инвестиций, времени. Но те, кто начнут сейчас — окажутся в большом плюсе уже завтра.