К содержимому
MoranaLabs.
40 — направление

Рекомендательная система на заказ: персональные рекомендации 

Выше средний чек, больше повторных покупок, меньше оттока.

пилот от 600 000 ₽5–7 недель

входной этап, не весь проект

холодный старт честно про товары и клиентов без истории — не магия

Отвечает инженер за пару часовсмета фиксируется на этапправа на код ваши после оплаты

Рекомендательная система на заказ: движок подбирает каждому покупателю товары и контент, которые он купит с большей вероятностью. Эффект замеряем в деньгах на живом трафике.

A/B-тест
прирост выручки в деньгах, честное сравнение
ед. мс
ответ системы даже под нагрузкой
холодный старт
честно про товары и клиентов без истории — не магия

Строим рекомендательные системы на заказ. Блоки «к этому берут» и персональные подборки встают в карточку товара, корзину, главную и письма.

Коробочные модули у всех одинаковые и сильны лишь на бестселлерах. Заказной движок настроен под ваш каталог и вашу экономику, поэтому закрывает весь ассортимент.

Где система рекомендаций дает деньги

  • Допродажи. Дополнения и аналоги в карточке и корзине увеличивают сумму заказа.
  • Персональные рекомендации. Главная, подборки и рассылки собираются под конкретного человека.
  • Удержание и возврат клиентов. Движок напоминает о товарах и контенте, к которым человек вернется.

Как устроен рекомендательный движок

Движок работает в два шага. Сначала из миллионов позиций за миллисекунды отбираются сотни подходящих — через семантический поиск и векторные базы: подбор товаров по смыслу.

Затем они сортируются под вашу цель: выручку, маржу или конверсию (долю посетителей, которые покупают). Поверх действуют бизнес-правила: остатки, маржинальность, регион, ограничение 18+. Система не предложит товар, которого нет на складе.

Холодный старт и реальное время

Холодный старт — новый товар или посетитель, по которым нет данных. Первые рекомендации для них слабее персональных. Это закладываем в план до запуска.

Реакцию на действия покупателя в моменте закрывает потоковая аналитика в реальном времени. Прогноз спроса и оттока наперед — предиктивная аналитика.

Чем отличаемся

Результат сдаем по приросту выручки в честном сравнении на части трафика (A/B-тест), а не по внутренним показателям модели. Права на код и модели остаются у вас. Прикинуть бюджет можно в калькуляторе стоимости.

Что на выходе
  • Рекомендательный движок: быстрый отбор кандидатов и сортировка под вашу цель
  • Персональные рекомендации в карточке, корзине, на главной и в рассылках
  • Бизнес-правила: остатки, маржа, регион, ограничения
  • A/B-тесты с замером выручки и среднего чека
  • Развертывание на вашей инфраструктуре — серверах или облаке
  • рекомендательные системы
  • персонализация
  • апсейл/кросс-сейл
  • ретеншн
пилот от
600 000
входной этап, не весь проект
пилот 5–7 недель
Кейс по направлению

Рекомендательный ранкинг на 1.2 млн запросов в секунду

1.2M RPSпиковый ранкинг в реальном времени
Смотреть кейс
как это работает

От задачи до результата — по шагам

01

Данные и цель

Подключаем клики, заказы, просмотры и каталог. Фиксируем цель — выручка, маржа, конверсия или досмотр — и способ замера.

02

Замер «как сейчас» и цели

Бейзлайн — стартовая выдача без персонализации, например блок популярных товаров. Замеряем ее показатели и дальше улучшаем движок относительно этой точки отсчета.

03

Система: отбор и сортировка

Собираем двухступенчатую схему: быстрый отбор подходящих товаров и сортировка под вашу цель. Поверх подключаем ваши бизнес-правила и фильтры.

04

Проверка на части трафика (A/B)

Показываем новую выдачу части посетителей и сравниваем с текущей. Считаем средний чек, конверсию и выручку.

05

Запуск в работу и дообучение

Запускаем движок в работу и держим скорость ответа под нагрузкой. Дообучаем его на свежем поведении покупателей и следим за качеством выдачи.

сценарии

Где это дает результат

Маркетплейс

Персональная выдача, сопутствующие товары и аналоги по всему каталогу, включая редкие и новые позиции.

Розница и интернет-магазины

Рекомендации под историю покупок каждого клиента: средний чек растет без скидочной гонки.

Медиа и контент

Подборки фильмов, статей и треков под вкус зрителя — больше досмотров и времени в продукте.

Подписки и онлайн-сервисы

Подсказки контента и функций под профиль подписчика снижают отмены подписки.

Реклама и промо

Персональные офферы и баннеры под сегмент и поведение вместо одного баннера на всех.

Еда и доставка

Допозиции к заказу и повторные корзины под привычки клиента — сумма повторного заказа растет.

FAQ

Частые вопросы по направлению

Сколько стоит разработка рекомендательной системы?
Пилот — от 600 000 ₽ и 5–7 недель. За это время поднимаем движок на ваших данных и проверяем его A/B-тестом на части трафика. Цена полного внедрения зависит от размера каталога, нагрузки и числа точек показа: сайт, приложение, рассылки. После пилота эта цифра известна точно.
Чем заказная система рекомендаций лучше готового модуля?
Готовый модуль не знает ваших остатков, маржи и региональных ограничений и не дает настроить цель. Заказная система рекомендаций обучается на ваших данных, применяет эти правила и оптимизируется под то, что важно вам: выручку или маржу.
Сколько данных нужно, чтобы рекомендации заработали?
Чем больше истории кликов и заказов, тем точнее персональные рекомендации. Обычно хватает нескольких месяцев активности. Если данных меньше, начинаем с популярного и свойств товаров, а персонализацию наращиваем по мере накопления. Реалистичность оцениваем на старте проекта.
Что с холодным стартом — новыми товарами и пользователями?
У нового товара и нового пользователя еще нет истории. Первое время движок опирается на описания, категории и похожие позиции. По мере накопления кликов и покупок выдача подтягивается автоматически.
Как вы докажете, что рекомендации приносят деньги?
Через A/B-тест: часть покупателей видит новую выдачу, часть — текущую. Сравниваем средний чек, конверсию и выручку с блока. Если прироста нет, мы сообщаем это прямо и с цифрами.
Выдержит ли движок нашу нагрузку и пиковый трафик?
Да: тяжелые вычисления выполняются заранее, в момент запроса остается быстрая сортировка, поэтому ответ занимает единицы миллисекунд. Под распродажи готовим заранее просчитанные подборки и запасной сценарий: при перегрузке блок показывает популярные товары, и витрина продолжает работать. Целевую скорость ответа и запас по нагрузке фиксируем на пилоте под вашу инфраструктуру.
Данные клиентов не уйдут наружу? Как с 152-ФЗ?
Нет. Система разворачивается в вашем контуре — на ваших серверах или в вашем облаке. История заказов, профили и поведение клиентов не передаются внешним сервисам. Это закрывает требования 152-ФЗ — закона о персональных данных — и защищает коммерческую тайну.
гарантии

«Сольем бюджет, а оно не взлетит» 

Страх обоснованный: на ИИ-проектах сгорело много денег. Пять правил ниже устроены так, чтобы вы видели результат раньше, чем платите крупно.

01

Начинаем с пилота

Первый этап — недорогая проверка на ваших данных и оборудовании. Масштабируем только то, что показало результат.

02

Не решается — скажем до старта

Оцениваем достижимую точность до подписания сметы. Если метод задачу не вытянет, вы узнаете это на бесплатном разборе.

03

Цена и объем зафиксированы на этап

Никаких «вышло дороже»: этап — это согласованные заранее смета и результат. Платите по факту принятого этапа.

04

Код и права — ваши

После оплаты этапа исключительные права на код и модели переходят вам. Это пункт оферты.

05

NDA и данные под контролем

NDA подписываем до обсуждения деталей. Видео и документы обрабатываются на вашем оборудовании, данные не уходят на сторону — требования 152-ФЗ закрыты.

Другие направления
— заявка

Опишите задачу  ответим как инженеры. 

Оставьте имя и Telegram — остальное обсудим. Без брифов на 40 слайдов и звонков по три раза.

Отвечаем за пару часовотвечает инженер, а не отдел продажNDA по запросу

Любой один канал — куда удобнее, туда и ответим

Или сразу написать в Telegram

Без спама и звонков-роботов. Нажимая кнопку, вы соглашаетесь с политикой конфиденциальности и обработкой персональных данных.