Персональные подборки на "Яндекс Маркете" теперь формирует ИИ: как работают рекомендации
"Яндекс Маркет" внедрил персональные подборки товаров, созданные с помощью искусственного интеллекта. Новый инструмент уже доступен для категорий одежды, обуви, аксессуаров и товаров для дома. Система анализирует интересы конкретного покупателя и предлагает ему вещи, которые могут соответствовать его стилю, размеру и текущим потребностям.
По данным компании, рекомендации становятся одним из главных способов поиска товаров на маркетплейсе. Около 45% заказов в категории "Одежда, обувь и аксессуары" пользователи оформляют после просмотра персональных предложений. Это показывает, что покупателям удобнее выбирать из ограниченного списка подходящих вариантов, чем самостоятельно просматривать тысячи карточек.
Какие данные учитывает нейросеть
Алгоритм формирует выдачу на основе поведения пользователя в приложении. В расчет могут приниматься:
- история прошлых заказов;
- просмотренные карточки товаров;
- поисковые запросы;
- товары, добавленные в "Избранное";
- выбранные размеры;
- интерес к определенным брендам, цветам и категориям;
- реакция на предыдущие рекомендации.
Например, если покупатель искал зеленый свитер или сохранял похожие модели, система покажет ему другие варианты в том же стиле. В подборке могут оказаться изделия популярных марок, товары брендов, которые пользователь уже выбирал, а также новые модели с аналогичными характеристиками.
При этом алгоритм не ограничивается прямым повторением прошлых запросов. Если человек интересовался верхом одежды, ему могут предложить подходящие джинсы, сумку, кроссовки или другие элементы образа. Благодаря этому подборка превращается не просто в список похожих товаров, а в готовые идеи для покупки.
Почему в рекомендациях учитывают стилистов
Нейросеть обучали с участием профессиональных стилистов. Их задача заключалась в том, чтобы научить модель оценивать не только технические параметры товара, но и его актуальность, сочетаемость с другими вещами и соответствие современным тенденциям.
Поэтому в персональной выдаче могут появляться не только базовые предметы гардероба, но и модные новинки. Алгоритм старается учитывать сезонность, популярность моделей и возможность собрать из нескольких товаров цельный комплект.
Особое значение имеет наличие нужного размера. Даже привлекательная вещь не принесет пользы, если ее невозможно заказать. Поэтому система старается показывать модели, доступные в параметрах, которые покупатель выбирал ранее или указывал во время поиска.
Как улучшить персональные рекомендации
Пользователь может самостоятельно "обучать" алгоритм. Чем активнее он взаимодействует с товарами, тем точнее со временем становится подборка. Для этого достаточно просматривать интересующие модели, сохранять понравившиеся позиции и оформлять покупки в привычных категориях.
Полезно также использовать более конкретные поисковые запросы. Если вместо общего слова "куртка" указать цвет, фасон, сезон или материал, системе будет проще определить предпочтения покупателя. Аналогичным образом работают отметки в "Избранном": сохраненные товары помогают алгоритму понять, какие характеристики действительно важны.
На качество выдачи влияют и действия с неподходящими предложениями. Если пользователь регулярно пропускает определенные товары, система постепенно снижает вероятность появления похожих вариантов. Однако рекомендации не становятся неизменными: они могут меняться вслед за новыми покупками, сезонными потребностями и изменением интересов.
Где искать подборки
Персональные предложения доступны в приложении "Яндекс Маркета". Их содержание может отличаться у разных пользователей, поскольку формируется индивидуально. Один покупатель увидит повседневную одежду и спортивные товары, другой - аксессуары, товары для дома или сезонные новинки.
Подборки особенно удобны в ситуациях, когда человек не ищет конкретную модель, а хочет найти идею для обновления гардероба или интерьера. Вместо длинного каталога он получает сокращенный набор товаров, отобранных с учетом уже известных предпочтений.
Чем ИИ-подборки отличаются от обычных рекомендаций
Обычные рекомендации часто строятся на популярности товара, рекламных показах или совпадении с одной категорией. Персональный алгоритм учитывает значительно больше сигналов и старается составить индивидуальный профиль покупателя.
Например, два человека могут искать одинаковую обувь, но получать разные предложения. Один увидит модели для повседневной носки, если ранее покупал базовую одежду, а другой - трендовые варианты, если часто просматривал новинки и товары определенных марок.
Такой подход помогает сократить время поиска и повысить вероятность того, что предложенная вещь действительно подойдет покупателю. Для маркетплейса это также способ сделать навигацию по каталогу более удобной и увеличить число заказов.
Какие категории появятся в будущем
В дальнейшем "Яндекс Маркет" планирует расширить технологию на детские товары. В этой категории персонализация особенно востребована: родителям приходится учитывать возраст ребенка, рост, размер, сезон, назначение покупки и безопасность материалов.
В перспективе алгоритм сможет подбирать не отдельные позиции, а комплексные решения - например, комплект одежды для ребенка, набор товаров к школе или необходимые вещи для определенного возраста. Вероятно, рекомендации будут учитывать и регулярность покупок, помогая заранее находить товары, которые требуется обновлять по мере роста ребенка.
Что важно учитывать покупателям
Персональные подборки не гарантируют идеального совпадения с ожиданиями. Алгоритм делает выводы на основе действий пользователя, поэтому случайный просмотр или ошибочно сохраненный товар может повлиять на будущую выдачу. Кроме того, ассортимент, цены и наличие размеров постоянно меняются.
Перед оформлением заказа стоит проверить характеристики, отзывы, состав материала, размерную сетку и условия доставки. ИИ помогает быстрее найти подходящие варианты, но окончательный выбор остается за покупателем.
В целом новая функция превращает "Яндекс Маркет" из обычного каталога в более персонализированный сервис. Пользователь получает не только доступ к большому ассортименту, но и автоматического помощника, который запоминает его интересы, предлагает сочетающиеся товары и постепенно адаптируется к изменениям вкуса.
