Рекомендательные технологии
Правила применения рекомендательных технологий
На сайте применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации).
Владелец сайта https://good-mebel.com/ - Общество с ограниченной ответственностью "Гуд Мебель Ритейл" ИНН 7727421004, 117218, город Москва, Большая Черёмушкинская ул., д. 34, этаж 6 комната ам606
Адрес электронной почты для направления юридически значимых сообщений:
os@good-mebel.ru
Владелец сайта не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.
При несогласии с используемыми рекомендательными технологиями Пользователь обязан отказаться от доступа к сайту прекратить его посещение или использование.
- Используемые данные
Виды сведений, относящихся к предпочтениям пользователей сети "Интернет", которые используются для предоставления информации с применением рекомендательных технологий, источники получения таких сведений.
Полный перечень собираемой информации:
- данные о посещении пользователем на сайте страниц, такие как время визита, url-адрес страниц и их числовых или строковых идентификаторов, при наличии;
- информация о перемещении по страницам сайта (в т.ч. нажатий на ссылки и элементы сайта);
- данные о взаимодействии пользователя на сайте с товарами, такие как
просмотр, добавление в корзину, оформление заказа; - данные поисковых запросов пользователя на сайте;
- IP адрес;
- файлы cookies;
- идентификатор пользователя, присваиваемый сайтом;
- длительность пользовательской сессии;
- точки входа (сторонние сайты, с которых пользователь по ссылке переходит на сайт);
- браузер пользователя;
- архитектура процессора устройства пользователя;
- Операционная система пользователя;
- параметры экрана (разрешение, глубина цветности, параметры размещения
страницы на экране); - источник перехода (UTM метка);
- значение UTM меток от source до content;
- данные, содержащиеся в личном кабинете пользователя, зарегистрированного на сайте
Источники получения: Пользовательское поведение при использовании сайта и
товарная база интернет-магазина. Алгоритмы рекомендаций являются гибридными
в зависимости от ситуации они могут использовать как поведение, так и данные по
товарам
- Алгоритмы и процессы
Описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", предоставления информации на основе этих сведений, а также способов осуществления таких процессов и методов.
-
- Данные собираются путем отправки событий с устройства пользователя на серверы и аккумулируются в системе для систематизации, анализа и последующего формирования рекомендаций на основе этих данных, с применением специальных алгоритмов. Применяемые алгоритмы являются записанной последовательностью правил обработки данных, настройки параметров формул на основании данных и формирования выводов для последующего предоставления рекомендаций.
- Для работы рекомендательных технологий Владелец сайта применяет алгоритмы фильтрации на основе контента и коллаборативной фильтрации. Собираемые данные владелец сайта оцифровывает и представляет в векторном виде. При фильтрации на основе контента алгоритмы рекомендуют контент, похожий на тот, который пользователь Сайта выбирал в прошлом или которые он изучает в настоящее время. При коллаборативной фильтрации используется информация о поведении пользователей с похожими интересами. Система находит пользователей или элементы с историей действий, аналогичной текущему пользователю или элементу, и генерирует рекомендации на основании этой схожести.
- Алгоритмы рекомендаций:
- Популярные товары
Рекомендации популярных товаров формируются на основе всех взаимодействий посетителей с интернет-магазином. Алгоритм стремится показывать товары, с которыми чаще всего взаимодействуют, в первую очередь покупают. Алгоритм показывает наиболее разнообразные товары, что помогает лучше познакомиться с товарной базой магазина и облегчает процесс выбора. - Популярные товары из интересных пользователю категорий
Вариант сценария «Популярные товары», где пользователю показываются товары только из тех категорий, которые интересны ему в долгосрочной перспективе. - Персональные рекомендации товаров
В этом сценарии анализируется поведение пользователя и показываются товары, которые наиболее интересны ему в контексте текущей задачи. Если у пользователя пока нет истории просмотра, ему можно показать популярные товары. Если пользователь проявлял интерес к определенным товарам, алгоритм подбирает альтернативные предложения и таким образом поможет ему найти наиболее подходящий и приблизит к покупке. Если же пользователь уже что-то заказывал, то алгоритм предложит ему сопутствующие товары. - Персональные рекомендации на основе прошлых заказов
Алгоритм рекомендует пользователю товары, которые он уже покупал. Учитывается давность и частота покупок. - Новинки
Алгоритм показывает товары, отсортированные по дате поступления - от
самых новых до тех, что давно в продаже. Алгоритм обеспечивает разнообразие товаров и таким образом помогает познакомиться с ассортиментом, упрощает навигацию. - Альтернативные товары
Алгоритм показывает товары, похожие на текущий товар. Подборка формируется на основе описаний и свойств товаров, а также на основе поведения других пользователей, которые интересовались этим же товаром: что они еще изучают и покупают. Поэтому алгоритм может предложить не всегда схожий по описанию, но действительно подходящий товар. - Upsell
Этот алгоритм рекомендует максимально похожие товары, но с улучшенными
характеристиками и более дорогие. - Сопутствующие товары
Алгоритм показывает товары, которые дополняют текущие товары в заказе. Например, при покупке дивана можно сразу порекомендовать средство для его чистки. - Аксессуары
Разновидность алгоритма «Сопутствующие товары». Подбирает к текущему товару дополнительные аксессуары. - Поисковые рекомендации
В этом сценарии рекомендуются товары, которые лучше всего подходят под поисковый запрос пользователя на сайте. При их формировании алгоритм опирается на поведение пользователей, которые уже искали что-то подобное. Если таких товаров недостаточно, добавляются альтернативы к ним. - Дизайнерские рекомендации
Алгоритм рекомендует вещи, которые хорошо сочетаются с текущим товаром и могут дополнить дизайнерское решение. Например, если пользователь интересуется черным диваном, система подберет к ней кресло подходящего цвета. Образы составляются с учетом общепринятых правил стиля.
- Популярные товары