Правила применения рекомендательных технологий

ООО «ЕАПТЕКА» (ИНН 7704865540) (далее – Общество) является владельцем сайта www.eapteka.ru (далее – Сайт), а также владельцем рекомендательной системы подбора товаров, использующей информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации (далее – Владелец информационного ресурса, на котором применяются рекомендательные технологии).

Настоящие Правила применения рекомендательных технологий (далее – Правила) содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.

Владелец информационного ресурса, на котором применяются рекомендательные технологии, не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.

Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений на основании данных о пользователе или характеристиках элементов в системе осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя.

Модель персональных рекомендаций, используемая на Сайте, обрабатывает данные о действиях пользователей, которые собираются при помощи трекера Сайта. Полученные сведения в дальнейшем загружаются в базы данных Общества. Для обучения моделей используются следующие данные:

  1. идентификатор региона;
  2. идентификатор пользователя;
  3. идентификатор заказа;
  4. идентификатор товара;
  5. дата совершения заказа;
  6. цена заказа;
  7. размер скидки в заказе;
  8. состав заказа;
  9. количество товаров в заказе.

При непосредственной рекомендации пользователям тех или иных товаров используются также дополнительные данные:

  1. список товаров в корзине пользователя;
  2. список просмотренных товаров в текущей сессии;
  3. список товаров, добавленных в избранное;
  4. список посещенных статических страниц товаров в текущей сессии.

Рекомендательные технологии Общества работают по следующей схеме:

  1. создается таблица, строки которой соответствуют уникальным пользователям, а столбцы соответствуют уникальным товарам. Значением на пересечении является вес взаимодействия – например, 0, если взаимодействия не было, или 1, если оно было;
  2. проводится матричная факторизация полученной таблицы, которая позволяет получить векторное представление товаров и пользователей;
  3. на основе векторного представления происходит ранжирование всех товаров в таблице для каждого пользователя по векторной близости – это позволяет модели выделить товары, с которыми пользователь не взаимодействовал, но которые были бы потенциально ему интересны;
  4. формируется таблица для обучения модели градиентного бустинга, при помощи которой происходит дополнительное ранжирование товаров, рекомендованных моделью. При создании данной таблицы рассчитываются различные дополнительные признаки пользователей, такие как:
    1. данные о покупках в разных категориях товаров;
    2. RFM-признаки пользователя - давность и частота покупок, сумма трат пользователя;
    3. векторное представление пользователя, на основе которого рассчитывается векторная близость пользователя и товара;
    4. факт взаимодействия пользователя и товара в прошлом;
  5. на сформированной таблице обучается модель градиентного бустинга;
  6. обученная модель используется для ранжирования списка рекомендованных товаров;
  7. по векторным представлениям товаров осуществляется поиск ближайших товаров к товарам, просмотренным пользователем в рамках сессии;
  8. осуществляется поиск сопутствующих товаров к товарам, просмотренным пользователем в рамках сессии;
  9. происходит смешивание списков ближайших и сопутствующих товаров, а после – показ конечного полученного списка пользователю.
Напомнить пароль
Телефон или электронная почта