#
🤖 Алгоритмы рекомендаций
Алгоритмы формируют основу рекомендательных стратегий в Gravity Field. Каждый алгоритм отвечает за логику формирования товарной выдачи на основе поведения пользователя, контекста страницы и продуктового фида.
#
Персональные алгоритмы
Эти алгоритмы строят рекомендации на основе индивидуального поведения пользователя.
#
User Affinity
Рекомендует товары на основе профиля интересов (аффинити) пользователя, который строится в реальном времени. Алгоритм анализирует атрибуты товаров (категория, бренд, цвет и т.д.), с которыми взаимодействовал пользователь.
Подходит для: Всех страниц, особенно для главной и страниц категорий.
Обновление: В реальном времени.
Fallback-цепочка: Viewed with Recently Viewed → Popularity.
Подробнее об аффинити-профиле →
#
Recently Viewed
Показывает последние просмотренные пользователем товары в порядке от новых к старым.
- Ограничение: Хранит до 100 последних товаров.
- Особенность: Не проверяет наличие товара (
in_stock), поэтому рекомендуется использовать с правилом "в наличии".
Подходит для: Всех страниц, особенно для блоков "Вы недавно смотрели".
Обновление: В реальном времени.
Fallback: Не применяется.
#
Recently Purchased
Показывает последние купленные пользователем товары.
- Ограничение: Хранит до 500 последних товаров.
- Особенность: Не зависит от фида и не проверяет наличие товара.
Подходит для: Страниц благодарности за заказ, личного кабинета.
Обновление: В реальном времени.
Fallback: Не применяется.
#
Last Purchase
Показывает товары из последней покупки пользователя в том порядке, в котором они были в заказе.
- Особенность: Учитывает только один, самый последний заказ.
Подходит для: Сценариев "Спасибо за заказ", повторных продаж.
Обновление: В реальном времени.
Fallback: Не применяется.
#
Контекстные алгоритмы (Item-to-Item)
Эти алгоритмы строят рекомендации на основе связей между товарами.
#
Similarity
Рекомендует товары, похожие на текущий просматриваемый товар.
- Логика: Анализирует атрибуты товаров из фида:
categories,keywords,price,name. Чем реже совпавший атрибут, тем выше его вес. - Требование: Качественный и подробно заполненный продуктовый фид.
Подходит для: Страниц товаров, корзины.
Обновление: Ежедневно.
Fallback-цепочка: Viewed Together → Popularity.
#
Viewed Together
Рекомендует товары, которые другие пользователи часто просматривали вместе с текущим товаром в рамках одной сессии.
- Логика: Анализирует совместные просмотры. Популярные товары, которые смотрят со всем подряд, получают меньший вес.
Подходит для: Страниц товаров, корзины.
Обновление: Ежедневно.
Fallback-цепочка: Similarity → Popularity.
#
Purchased Together
Рекомендует товары, которые другие пользователи часто покупали вместе с текущим товаром в рамках одной транзакции.
- Логика: Учитывает силу связи между товарами в заказах. Недавние покупки имеют больший вес.
Подходит для: Страниц товаров, корзины, страниц благодарности за заказ.
Обновление: Ежедневно.
Fallback-цепочка: Viewed Together → Similarity → Popularity.
#
Гибридные алгоритмы
Эти алгоритмы комбинируют персональное поведение и связи между товарами.
#
Viewed with Recently Viewed
Показывает товары, которые другие пользователи просматривали вместе с товарами, которые текущий пользователь недавно смотрел.
- Логика: Берет до 50 последних просмотренных товаров пользователя и находит для них популярные сопутствующие товары.
Подходит для: Главной страницы, страниц категорий.
Обновление: Ежедневно.
Fallback-цепочка: Viewed Together → Popularity.
#
Purchased with Recently Purchased
Аналогично предыдущему, но на основе покупок. Показывает, что обычно покупают вместе с тем, что текущий пользователь купил ранее.
- Логика: Берет до 50 последних купленных товаров и находит для них сопутствующие товары из покупок других пользователей.
Подходит для: Главной страницы, личного кабинета.
Обновление: Ежедневно.
Fallback-цепочка: Purchased Together → Similarity → Popularity.
#
Алгоритмы на основе популярности
#
Popularity
Ранжирует товары по взвешенной популярности, учитывая просмотры, добавления в корзину и покупки за последние 180 дней.
- Формула весов: Покупка > Добавление в корзину > Просмотр.
- Коэффициент давности: Недавние события (до 2 дней) имеют больший вес.
Подходит для: Всех страниц, особенно для новых пользователей.
Обновление: Ежедневно.
Fallback: Не применяется.
#
🔁 Fallback логика
Если основной алгоритм не дал нужного количества товаров — включается fallback по заранее заданной логике:
❗ Фильтры и ослабления, заданные в стратегии, переносятся на fallback-алгоритмы.
#
📌 Особенности
- Для стратегий, где передаётся контекст корзины (
CART), товары из корзины исключаются. - Для Recently purchased и Recently viewed выдаются товары вне зависимости от наличия. Остальные алгоритмы используют
in_stock = true. - Алгоритмы работают по
group_id, чтобы исключить дубли (одинаковые товары с разными SKU). - При использовании нескольких виджетов на одной странице — выдача дедуплируется.
- Для запуска некоторых алгоритмов (Affinity, Purchased Together) требуется накопление данных (от 30 дней).