Что такое рекомендательные системы и зачем они бизнесу

Введение

Представьте, что вы заходите в огромный магазин, где 10 миллионов товаров. Что вы будете смотреть? Вероятно, то, что лежит на видных местах. Но если бы продавец знал ваши вкусы и заранее выложил то, что вам нужно, вы бы купили больше и быстрее.

Рекомендательная система — это тот самый продавец, который знает вас и предлагает то, что вы с высокой вероятностью купите.

Что такое рекомендательная система

Рекомендательная система — это алгоритм, который предсказывает, насколько пользователю понравится определённый товар, фильм, статья или услуга, и на основе этого предсказания предлагает наиболее релевантные варианты.

Примеры из жизни:

Почему рекомендательные системы важны для бизнеса

Цифры из индустрии:

• Amazon — 35% всех продаж генерируется рекомендательной системой

• Netflix — 80% просмотров идёт из рекомендаций

• YouTube — 70% времени просмотра приходится на рекомендованные видео

• AliExpress — рост конверсии на 40% после внедрения персонализации

Основные бизнес-задачи, которые решают рекомендации:

Экономический эффект:

Исходные данные:
- Магазин: 100 000 посетителей в месяц
- Конверсия: 3%
- Средний чек: 3000₽
- Выручка: 9 000 000₽/мес

После внедрения рекомендаций (умеренный прогноз):
- Конверсия: 3,5% (+17%)
- Средний чек: 3300₽ (+10%)
- Выручка: 11 550 000₽/мес

Рост выручки: +2 550 000₽/мес (+28%)

Типы рекомендательных систем

Тип 1. Популярные рекомендации (Non-personalized)

Самый простой тип. Всем пользователям показывается одно и то же — самые популярные товары, новинки, хиты продаж.

Примеры:

• «Лидеры продаж»

• «Новинки»

• «Самые просматриваемые»

Плюсы:

• Простота внедрения

• Не нужны данные о пользователе

• Работают для новых пользователей (холодный старт)

Минусы:

• Не учитывают вкусы конкретного пользователя

• Все видят одно и то же

• Низкая персонализация

Тип 2. Персонализированные рекомендации

Каждый пользователь видит свой набор товаров, основанный на его истории покупок, просмотров и лайков.

Примеры:

• «Рекомендации для вас»

• «Потому что вы смотрели...»

• «Вам может понравиться»

Плюсы:

• Высокая релевантность

• Рост конверсии и чека

• Удержание пользователей

Минусы:

• Нужны данные о пользователе

• Сложнее в реализации

• Проблема холодного старта (для новых пользователей)

Тип 3. Гибридные системы

Комбинируют популярные и персонализированные подходы, а также несколько алгоритмов одновременно.

Пример:
Сначала показываем персонализированные рекомендации. Если их мало — добавляем популярные.

Типы алгоритмов рекомендаций

Метрики качества рекомендаций

Бизнес-метрики (что важно для компании):

Технические метрики (что важно для Data Scientist):

Пример расчёта Precision@3:

Товары, которые понравились пользователю (ground truth): [A, B, C, D]
Рекомендации системы (топ-3): [A, E, B]

Релевантные из рекомендаций: A и B (2 товара)
Precision@3 = 2 / 3 = 0.67 (67%)

Проблемы рекомендательных систем

Когда рекомендательная система НЕ нужна

1. Маленький ассортимент (< 100 товаров) — проще показать все

2. Мало пользователей (< 1000 активных в месяц) — нет данных для обучения

3. Товары уникальные (недвижимость, B2B-контракты) — каждый случай индивидуален

4. Нет цели увеличить продажи — рекомендации нужны для роста

Резюме урока

Рекомендательная система — это мощный инструмент для:

• Увеличения среднего чека на 10–30%

• Роста конверсии на 15–40%

• Удержания клиентов и снижения оттока

Существует несколько типов систем — от простых (популярные товары) до сложных (матричная факторизация, нейросети). Выбор зависит от размера бизнеса, данных и целей.

В следующих уроках мы реализуем каждую из этих моделей на практике.

Контрольные вопросы

1. Сколько процентов продаж Amazon генерируется рекомендациями?

2. Назовите три типа рекомендательных систем.

3. Чем Precision@K отличается от Recall@K?

4. Какая проблема называется «холодный старт»?

5. В каких случаях НЕ стоит внедрять рекомендательную систему?