На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации

Правила применения рекомендательных технологий

Настоящие Правила применения рекомендательных технологий разработаны в целях выполнения требования Федерального закона «Об информации, информационных технологиях и о защите информации» от 27 июля 2006 года № 149-ФЗ. Рекомендации — это набор виджетов с подборкой товаров, который размещается на сайте, в приложении или в e-mail с целью решения задач пользователей и маркетинга интернет-магазина.

1. Используемые данные.

1.1. Существует два источника данных для рекомендаций — пользовательское поведение и товарная база магазина. Алгоритмы рекомендаций являются гибридными: в зависимости от ситуации они могут использовать как поведение, так и данные по товарам.

1.2. Данные собираются посредством размещения на сайте трекинг-кодов и/или вызовов методов API.

1.3. 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;
• данные о взаимодействии пользователя на сайте с товарами;
• данные поисковых запросов пользователя на сайте;
• IP адрес и т.д.

1.4. Наибольшим влиянием в поведении обладают события взаимодействия с товарами. Активно используются события просмотра карточки товара, добавления товара в корзину и заказа товара. Кроме того, могут быть использованы данные о взаимодействии пользователей с внутренней поисковой системой магазина и данные о взаимодействии с самой системой рекомендаций.

1.5. Данные о товарной базе магазина включают все предоставляемые магазином атрибуты товаров, в частности информацию о категориях, ценах, доступности. Эти данные могут быть использованы, если пользовательского поведения недостаточно для определения интересов к товарным атрибутам, фильтрации товаров и других задач.

2. Основные алгоритмы рекомендаций.

2.1. 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.

2.2. Популярные товары из интересных пользователю категорий.

Вариант сценария «Популярные товары», где пользователю показываются товары только из тех категорий, которые интересны ему в долгосрочной перспективе.

2.3. Персональные рекомендации товаров.

В этом сценарии анализируется поведение пользователя и показываются товары, которые наиболее интересны ему в контексте текущей задачи.

2.4. Персональные рекомендации на основе прошлых заказов.

Алгоритм рекомендует пользователю товары, которые он уже покупал. Учитывается давность и частота покупок.

2.5. Новинки.

Алгоритм показывает товары, отсортированные по дате поступления – от самых новых до тех, что давно в продаже.

2.6. 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.

3. Модификации алгоритмов рекомендаций.

3.1. Товарная выдача многих алгоритмов может быть ограничена только товарами определенной категории, брендом, товарами со скидкой и по другим признакам.

3.2. Адрес электронной почты для направления юридически значимых сообщений: hotline@lgcity.ru.