Как создать алгоритм «Сопутствующие продукты»

Можно создать три алгоритма сопутствующих продуктов:

• сопутствующие продукты
• сопутствующие к списку продуктов
• сопутствующие продукты к последнему заказу

Все три алгоритма создаются одинаково.

Алгоритмы сопутствующих продуктов формируют рекомендации на основе действий клиентов с продуктами. Для подбора релевантных рекомендаций необходимо, чтобы с продуктом, к которому формируются рекомендации, было не менее 100 действий. В противном случае алгоритм отобразит популярные продукты.

Когда ни с одним продуктом из сегментов, указанных в настройках алгоритма, не найдено достаточное количество действий, алгоритм останавливается и на проекте открывается предупреждение.

В таком случае увеличьте период, за который учитываются действия с товарами, или используйте другой тип алгоритма в зависимости от механики, где планируется использование алгоритма рекомендаций.

Сопутствующие продуктыСопутствующие продукты

Алгоритм рассчитывает сопутствующие продукты, и формирует рекомендации для отдельного продукта.

Сопутствующие продукты рассчитываются на основе частоты, с которой они встречаются вместе в одном чеке. Также, учитываются совместные покупки категорий и признаков товаров. В результате работы ML модели, алгоритм может предсказать рекомендации даже для продуктов без заказов.

Тип алгоритма: рекомендации к продукту
Для клиентов: идентифицированных и анонимных
Способы вызова: API (виджет рекомендаций), email
Частота пересчета: раз в сутки

Автоматически проверяет, что:

• Продукт в наличии в зоне клиента
• Внешние системы продуктов по умолчанию совпадают

Рекомендуется к использованию:

• В механике «С этим товаром также покупают»

Ограничение:

• 5 алгоритмов на проект

Сопутствующие продукты к списку продуктовСопутствующие продукты к списку продуктов

Алгоритм рассчитывает сопутствующие продукты, и формирует рекомендации для каждого продукта в выбранном списке продуктов клиента, в количестве, пропорциональном его цене. Для дорогих товаров больше рекомендаций, для дешевых меньше. Пересчитывается в реальном времени в зависимости от заказов клиента.

Сопутствующие продукты рассчитываются на основе частоты, с которой они встречаются вместе в одном чеке. Также учитываются совместные покупки категорий и признаков товаров. В результате работы ML модели, алгоритм может предсказать рекомендации даже для продуктов без заказов.

Тип алгоритма: персональные рекомендации
Для клиентов: идентифицированных и анонимных
Способы вызова: API (виджет рекомендаций), email
Частота пересчета: в реальном времени

Автоматически проверяет, что:

• Продукт в наличии в зоне клиента
• Бренд продукта совпадает с брендом клиента (для мультибрендовых проектов)

Рекомендуется к использованию в механиках:

• «Брошенная корзина»
• «Рекомендации к избранному»
• «Корзина на сайте»

Ограничение:

• 3 алгоритмов на проект

Сопутствующие продукты к последнему заказуСопутствующие продукты к последнему заказу

Алгоритм рассчитывает сопутствующие продукты, и формирует рекомендации для каждого товара в последнем измененном заказе клиента, в количестве, пропорциональном его цене. Для дорогих продуктов больше рекомендаций, для дешевых меньше. Пересчитывается в реальном времени в зависимости от заказов клиента.

Сопутствующие продукты рассчитываются на основе частоты, с которой они встречаются вместе в одном чеке. Также, учитываются совместные покупки категорий и признаков товаров. В результате работы ML модели алгоритм может предсказать рекомендации даже для товаров без заказов.

Заказы клиента учитываются в пределах 180 дней. Если последний заказ клиента был совершен раньше этого периода, рекомендация не сформируется.

Тип алгоритма: персональные рекомендации
Для клиентов: идентифицированных
Способы вызова: API (виджет рекомендаций), email
Частота пересчета: в реальном времени

Автоматически проверяет, что:

• Продукт в наличии в зоне клиента
• Бренд продукта совпадает с брендом клиента (для мультибрендовых проектов)

Рекомендуется к использованию в механиках:

• «Спасибо за заказ»
• «Предложение к следующему заказу»

Ограничение:

• 1 алгоритм на проект

Создание алгоритмаСоздание алгоритма

1. Переходим в раздел Контент → Продуктовые рекомендации → нажимаем Добавить механику:

   

2. Выбираем необходимый алгоритм

   

3. Задаем название и нажимаем Продолжить

4. Задаем Общие настройки:

   

   • «Учитывать действия с товарами за» — будет учитываться статистика по заказам за период от 1 до 180
   • «Рекомендовать для товаров» — к какому пересчитываемому сегменту формируем рекомендации (необязательно)
   • «Рекомендовать из» — из какого пересчитываемого сегмента формируются рекомендации (необязательно)
   • «Бренд» (на мультибрендовых проектах) и «Список продуктов» — для алгоритма «Сопутствующие продукты к списку продуктов»
   • Рекомендовать только продукты из той же внешней системы — по умолчанию включено, можно отключить

   Также в соответствующем блоке можно настроить Исключение производителей:

   

   Для алгоритма "Сопутствующие продукты к списку продуктов" также выбираем список продуктов.

5. Запускаем алгоритм:

   

После запуска в работу на странице рекомендаций будет выведена информация: статус и время обновления:

Пример использованияПример использования

Например, хотим вывести сопутствующие продукты из сегмента «Шарфы» к сегменту «Пальто» (системное имя Coats).

1. Создаем рекомендацию с алгоритмом «Сопутствующие продукты»

   • Выбираем в настройках сегменты:

   

   • Запускаем рекомендацию в работу
   • Получаем параметр Product.Recommendations.Soputstvuyuschieprodukti:

   

2. Подставляем параметр в письмо

   Устанавливаем ограничение на сегмент с помощью функции Take(), чтобы письмо могло сформироваться даже при большом размере сегмента.

   Верстка для нашего примера с выводом названия рекомендуемого товара:

   @{for prod in Products.GetBySegment("Coats").Take(5)}
              @{for item in prod.Product.Recommendations.Soputstvuyuschieprodukti.Take(2)}
                 ...${item.Name}...
              @{end for}
           @{end for}
           

Готово!