Recomendr

«Ничто не производит на клиента большего впечатления, чем сознание того факта, что вы потратили свое время и усилия, чтобы собрать информацию о его ситуации и способах решения его проблем».

Чтобы помочь клиенту купить, нужно убрать факторы, которые могут помешать ему выбрать товар и оплатить покупку

• Минимизировать время поиска и выбора товара (показывать максимальное количество интересующих клиента товаров и не показывать то, что ему изначально не подходит)
• Ранжировать товар не только по цене/размеру/дате поступления, но и по его «интересности» для покупателя
• Сделать удобной и простой покупку сопутствующих товаров
• Показать покупателю максимальное количество интересующих его товаров

Это программные комплексы, которые анализируют различные входные данные (информацию о товаре, информацию об интересах пользователей, поведение пользователей и т. д.), и на основе этого анализа составляют индивидуальные списки рекомендуемых товаров.

Как работает рекомендательный сервис?

• Рекомендации, основанные на общих свойствах товаров
• Рекомендации, основанные на поведении пользователя (анализ просмотренных страниц, времени, потраченного пользователем на анализ товара, истории переходов покупателя по страницам магазина)
• Рекомендации, основанные на отношении товаров друг к другу (при покупке фотоаппарата порекомендуем подходящие аксессуары, к лыжам – ботинки и палки)

На рынке существует несколько решений, каждое из которых имеет свои преимущества и недостатки:

• http://baynote.com
• http://retailrocket.ru
• http://hipredict.com

По различным данным, установка рекомендательного сервиса повышает конверсию на 100-300%.

Большие IT-компании работают над тем, чтобы подстраиваться под конкретного пользователя

• Google разработал т.н. «Google Personalized Search», смысл которого сводится к изменению поисковой выдачи в зависимости от истории поисковых запросов пользователя1
• Netflix активно использует технологии персонализации выдачи на основании рекоммендаций 2 3

Преимущества нашего продукта:

• Самостоятельная разработка первой версии такой системы может занять по меньшей мере пол года
• Отсутствие рисков на разработку продукта: подключить recomendr можно, затратив минимум времени на интеграцию
• Гибкость настроек (высокий уровень абстракции. Качество рекомендаций не зависит от типа контента).
• Высокая точность рекомендаций. Алгоритм машинного обучения, который постоянно самосовершенствуется, учитывая особенности покупателей и товаров.
• Высокая степень приватности. Вы сами решаете, какие данные открывать. Для рекомендаций высокого качества нам нужны только открытые данные.
• Простая интеграция. Нет! Очень простая интеграция!

Работая с нами, Вы получите:

• Рекомендации, которые формируются с помощью сложных алгоритмов машинного обучения и искусственного интеллекта.
• Сервис, который формирует рекомендации в реальном времени, таким образом предоставляя наилучшие условия для совершения покупок.
• Формирование рекомендаций, которое происходит на наших вычислительных мощностях, не требуя от вас никаких дополнительных ресурсных затрат.

Наши API

Data API

Служит для синхронизации каталога магазина c системой рекоммендаций

Поддерживает операции по загрузке, удалению данных.

Recommendations API

Cлужит для получения рекоммендаций. Может использоваться в двух вариантах:

• Server-side API для более глубокой интеграции, можно использовать для вывода рекоммендаций на страницах категорий
• Client-side javascript API как вариант более простой интеграции, может служить для вывода панелей с рекомендациями

Документация

http://docs.recomendr.apiary.io

Мы поможем покупателю принести вам деньги, ни разу не споткнувшись по пути!

Контакты

Александр Глаголев (aglagoliev@gmail.com)

Игорь Вовк (adwolf15@gmail.com)