Как работает рекомендательная система Wildberries: алгоритмы и машинное обучение
Технологическая основа рекомендаций Wildberries
Рекомендательная система Wildberries — это не набор простых категорийных фильтров. В её фундаменте лежат современные методы машинного обучения, в том числе:
- нейронные сети
- ансамбли решающих деревьев
- коллаборативная фильтрация
- классические ML-модели
Задача системы — спрогнозировать, какой товар привлечёт внимание конкретного пользователя, и вывести наиболее подходящие позиции на основе его поведения на платформе.
Как формируются рекомендации Wildberries: пошагово
- Собирается набор данных о недавней активности пользователя на сайте.
- На основе этих данных несколько алгоритмов независимо предсказывают вероятные интересы пользователя.
- Предсказания моделей объединяются в единый пул персональных рекомендаций.
- Пул проходит дополнительную сортировку — с учётом характеристик товаров и данных о пользователе.
- На завершающем шаге рекомендации перераспределяются по бизнес-правилам — это обеспечивает баланс между персональными интересами пользователя и коммерческими целями площадки.
И всё это я обнаружил прямо в мобильном приложении для покупателей)
WB объявил о появлении статистики в рекламных кампаниях с разбивкой по каждому артикулу.
В раздел Сравнения Артикулов добавлен новый блок «ТОП-10 складов по скорости продаж» конкурентов.
Напоминаем, что наш плагин для управления рекламой Турбоминимум доступен совершенно БЕСПЛАТНО. Обновления выходят еженедельно (при условии одобрения со стороны Google).
Иногда задумываюсь: мы разрабатываем столько бесплатных функций для вас — а вы ими не пользуетесь.