Что такое рекомендательная система товаров для интернет-магазина
Покупатель редко заходит в интернет-магазин с идеально сформулированным запросом.
Иногда он точно знает, что ему нужен, например, «чёрный рюкзак 25 литров». Но гораздо чаще поиск выглядит иначе: человек открывает одну карточку, смотрит похожие товары, возвращается в категорию, меняет фильтры, открывает ещё несколько вариантов и только потом принимает решение.
Чем больше ассортимент магазина, тем заметнее эта проблема. Покупателю становится сложно самостоятельно просмотреть сотни или тысячи товаров и понять, какие из них действительно подходят именно ему.
Здесь и появляется рекомендательная система товаров.
Что такое рекомендательная система
Рекомендательная система — это механизм, который автоматически подбирает товары, потенциально интересные конкретному покупателю или подходящие к текущему товару.
Самый простой пример знаком практически каждому:
«Похожие товары»;
«Вам может понравиться»;
«С этим товаром покупают»;
«Другие покупатели также смотрели»;
«Рекомендуем для вас».
На первый взгляд это просто дополнительные блоки с товарами. Но хорошая рекомендательная система работает значительно глубже.
Она должна понимать, что именно сейчас ищет человек и какие товары действительно похожи между собой, а не просто показывать случайные позиции из той же категории.
Почему обычного каталога становится недостаточно
Представим интернет-магазин одежды с 500 товарами.
Покупатель может открыть категорию «Куртки», выбрать размер, цвет и диапазон цены. После этого останется, например, 20 вариантов. Такой каталог ещё относительно легко просмотреть вручную.
Теперь представим магазин с 20 000 товаров.
Даже хорошие категории и фильтры уже не всегда решают задачу. Покупателю приходится постоянно уточнять параметры, сравнивать карточки и возвращаться назад.
Особенно сложно, если человек сам не знает точного названия товара.
Он может искать:
«что-то похожее на эту сумку»
или:
«такое же платье, только другого цвета»
Обычная строка поиска плохо справляется с такими запросами. А рекомендательная система может помочь продолжить поиск уже от выбранного товара.
Как работают рекомендации товаров
Рекомендации могут строиться совершенно разными способами.
Самый простой вариант — заранее связать товары вручную.
Например, администратор магазина указывает, что для определённого смартфона подходят конкретный чехол, защитное стекло и зарядное устройство.
Такой подход работает, но при большом каталоге поддерживать связи вручную становится сложно.
Поэтому современные системы используют данные самого магазина.
Они могут учитывать:
категории товаров;
характеристики;
производителя;
бренд;
цену;
цвет;
размер;
описание;
историю просмотров;
товары в корзине;
предыдущие покупки;
популярность товаров;
поведение других покупателей.
Чем больше таких сигналов используется, тем точнее можно подобрать товары.
«Похожие товары» — это тоже рекомендательная система
Одна из самых полезных задач — поиск товаров, похожих на тот, который покупатель уже смотрит.
Например, человек открыл кресло определённой формы и цвета.
Вместо предложения любых кресел из той же категории магазин может показать модели:
похожего дизайна;
примерно той же стоимости;
похожего материала;
подходящего размера;
близкого цвета.
Это заметно сокращает путь покупателя по каталогу.
Он уже нашёл что-то близкое к тому, что ему нужно. Теперь задача магазина — помочь посмотреть альтернативы, а не заставлять начинать поиск заново.
Чем рекомендации отличаются от фильтров
Фильтр работает по правилам, которые задаёт покупатель.
Например:
цвет — чёрный, размер — M, цена — до 10 000 рублей.
Рекомендательная система работает иначе. Она сама пытается определить, какие товары могут быть наиболее подходящими.
Поэтому фильтры и рекомендации не заменяют друг друга.
Хороший интернет-магазин использует оба инструмента:
фильтры помогают сузить ассортимент, а рекомендации помогают исследовать его.
Рекомендации особенно полезны там, где товар выбирают визуально
Есть категории, где характеристики товара описывают далеко не всё.
Например:
одежда;
обувь;
мебель;
украшения;
предметы интерьера;
сумки;
аксессуары;
косметика;
товары для дома.
Покупателю может нравиться конкретная форма, фактура, сочетание цветов или общий стиль товара.
Передать это словами сложно.
Поэтому одним из следующих этапов развития рекомендательных систем становится анализ самих изображений.
Поиск похожих товаров по фотографии
Представим ситуацию.
Покупатель увидел в интернете понравившиеся кроссовки, сохранил фотографию и хочет посмотреть похожие модели в магазине.
Вместо того чтобы пытаться описывать их словами, он загружает изображение.
Система анализирует фотографию и находит визуально похожие товары в каталоге.
То же самое можно сделать прямо из карточки товара.
Покупателю понравилось платье — магазин показывает другие модели, которые похожи на него визуально.
Это уже другой подход к поиску.
Человек ищет не только словами и характеристиками, а самим изображением товара.
Рекомендательная система не должна мешать покупателю
Иногда рекомендации реализованы формально.
В карточке товара появляется огромный блок «Вам также понравится», в котором находятся практически случайные товары.
Такой блок занимает место, но почти не помогает покупателю.
Хорошая рекомендация должна отвечать на понятный вопрос.
Например:
Есть ли похожий вариант?
Есть ли такой товар дешевле?
Что подходит к этому товару?
Что ещё посмотреть перед выбором?
Какие товары максимально похожи на этот?
Если система не может объяснить хотя бы логически, почему определённый товар оказался в подборке, качество рекомендаций обычно будет низким.
Где рекомендации можно использовать в интернет-магазине
Карточка товара — только одно из мест.
Рекомендательная система может работать практически на всём пути покупателя.
На главной странице она может показывать интересные товары исходя из предыдущих просмотров.
В категории — помогать находить наиболее подходящие позиции среди большого ассортимента.
В карточке — предлагать аналоги.
В корзине — показывать действительно дополняющие товары.
После покупки — предлагать то, что может понадобиться позже.
Даже страница с отсутствующим товаром может перестать быть тупиком, если сразу показать несколько наиболее близких альтернатив.
Нужна ли рекомендательная система небольшому магазину
Не обязательно.
Если в магазине 50 товаров и покупатель легко просматривает весь ассортимент, сложная система рекомендаций может не дать заметного эффекта.
Но ситуация меняется вместе с ростом каталога.
При нескольких тысячах товаров становится практически невозможно вручную показать каждому покупателю наиболее интересную часть ассортимента.
В этот момент проблема интернет-магазина уже не только в том, как добавить больше товаров, а в том, как помочь человеку найти нужные среди уже добавленных.
Именно эту задачу решают рекомендации.
Следующий этап поиска в интернет-магазине
Долгое время поиск в интернет-магазинах строился почти исключительно вокруг текста.
Покупатель вводит название — магазин ищет совпадения.
Сейчас постепенно появляется более гибкая модель:
текстовый поиск → исправление ошибок → понимание характеристик → похожие товары → персональные рекомендации → поиск по изображению.
В результате каталог начинает работать не просто как список товаров, а как система навигации по ассортименту.
Покупателю становится проще перейти от приблизительного желания к конкретному товару.
Что планируется в Ewonta
Сейчас в экосистеме Ewonta готовится полноценная рекомендательная система для интернет-магазинов. В неё планируется объединить несколько механизмов: рекомендации товаров, поиск похожих позиций и поиск товаров по фотографии.
Идея заключается не в том, чтобы добавить в магазин ещё один стандартный блок «Вам может понравиться», а в том, чтобы помочь покупателю действительно ориентироваться в большом каталоге.
Например, открыть понравившийся товар и сразу увидеть максимально близкие альтернативы или загрузить изображение и найти похожие позиции среди товаров самого интернет-магазина.
Мы ещё будем отдельно рассказывать о возможностях этой системы по мере её развития.
Рекомендации — это прежде всего навигация
Рекомендательные системы часто воспринимают исключительно как инструмент увеличения продаж.
Но их основная ценность немного шире.
Большой ассортимент бесполезен, если покупатель не может в нём ориентироваться.
Поэтому хорошая рекомендательная система должна прежде всего сокращать расстояние между покупателем и нужным ему товаром.
Иногда для этого достаточно правильного блока похожих товаров.
Иногда нужна история просмотров.
А иногда проще загрузить фотографию, чем пытаться объяснить поисковой строке, что именно хочется найти.
И, скорее всего, именно в эту сторону поиск и навигация по интернет-магазинам будут развиваться дальше.