Какой алгоритм рекомендаций выбрать? Проверили 3 популярных решения Mindbox на практике

В выборе алгоритмов рекомендаций легко запутаться. Все они как будто делают одно и то же — предлагают покупателям товары из каталога. Но стоит выбрать неподходящий алгоритм, и рекомендации начинают работать против вас.

Лаборатория Bonfire решила протестировать три популярных алгоритма Mindbox:

«Ручное соответствие» и «Сопутствующие товары», которые помогают дополнить покупку, и алгоритм «Похожие товары», который предлагает альтернативу, если нужный товар не подходит или отсутствует.

Мы посмотрели, как эти алгоритмы ведут себя в разных сценариях, где показывают лучшие результаты и какие подводные камни встречаются при настройке.

В конце статьи дали сводную таблицу по алгоритмам и задачам.

Название немного сбивает с толку. Может показаться, что маркетолог вручную связывает между собой конкретные товары. На самом деле алгоритм работает на уровне категорий.

Например, можно заранее определить, что к ноутбукам мы будем рекомендовать сумки и мыши, к кофемашинам — кофе и фильтры, а к смартфонам — чехлы и защитные стекла.

Дальше Mindbox автоматически выбирает, какие именно товары показать пользователю внутри заданных категорий. При необходимости можно добавить дополнительные условия — например, учитывать диагональ ноутбука и размер сумки, чтобы в рекомендации попадали подходящие друг другу товары.

Получается компромисс: бизнес контролирует что рекомендовать, а алгоритм решает, какие именно товары показать пользователю.

Самая частая ошибка — пытаться настроить максимально подробные соответствия. На практике гораздо важнее убедиться, что:

Мы заметили еще одну особенность: чем больше связей и чем они детальнее между категориями, тем сложнее поддерживать их в актуальном состоянии при изменении каталога.

✔ Контроль над логикой рекомендаций.

✔ Не требует накопленной статистики — рекомендации можно использовать сразу после настройки.

✔ Есть возможность продвигать те категории, которые решают конкретные бизнес-задачи (например, распродажа остатков или продвижение конкретных брендов).

✖ При изменении структуры каталога настройки приходится регулярно проверять.

✖ Чем больше категорий и сложнее связи между ними, тем выше трудозатраты на поддержку.

✖ Не подходит для поиска альтернатив товарам или автоматической персонализации рекомендаций.

Рекомендуем, если вы заранее знаете, какие категории товаров должны рекомендоваться вместе, и хотите полностью контролировать логику рекомендаций.

Не рекомендуем, если каталог часто меняется или нужно автоматически подбирать альтернативные товары без ручной настройки.

Что же делать, если новые товары добавляются каждую неделю? Вручную поддерживать связи будет сложно.

Для таких случаев у Mindbox есть алгоритм «Сопутствующие товары». Вместо заранее заданных правил он анализирует поведение покупателей и сам определяет, какими товарами можно дополнить покупку.

Для одного из наших клиентов мы добавили блок «Сопутствующие товары» в триггер «Товар снова в наличии».

Вместе с уведомлением о поступлении пользователь получал подборку товаров, которые могли пригодиться вместе с основной покупкой.

В результате письмо не только возвращало клиента к покупке, но и помогало увеличить итоговую стоимость заказа.

Во время тестирования мы убедились, что главное преимущество алгоритма — он не требует ручного управления рекомендациями. Но есть и обратная сторона: качество рекомендаций напрямую зависит от накопленных данных о покупках.

✔ Помогает увеличить средний чек.

✔ Органично встраивается в сервисные коммуникации.

✔ Предлагает товары, которые действительно дополняют основную покупку.

✖ Для новых товаров рекомендации первое время могут быть менее релевантными из-за недостатка данных.

✖ Не подходит, если пользователь еще не определился с основной покупкой.

✖ Качество рекомендаций зависит от полноты данных о товарах и истории покупок.

Теперь представим другую ситуацию — пользователь несколько дней выбирал кроссовки, наконец нашел подходящую модель и оказалось, что нужного размера нет.

Самый простой вариант: предложить оформить подписку на поступление. Но пока товара нет в наличии, покупатель может найти похожую модель у конкурентов и не вернуться.

Именно здесь пригодится алгоритм «Похожие товары».

Его задача — не дополнить покупку, а предложить альтернативу, максимально похожую на ту, которую выбрал пользователь. Алгоритм анализирует характеристики товара и подбирает похожие позиции, чтобы помочь клиенту продолжить выбор, а не начать его заново.

Такой сценарий особенно хорошо работает в карточке товара, письмах о подписке на поступление и других коммуникациях, где важно удержать пользователя и не дать ему уйти к конкурентам.

Для интернет-магазина женской одежды мы доработали триггерное письмо «Подписка на товар».

Раньше пользователь получал обычное подтверждение подписки на поступление товара. Мы добавили в письмо блок с похожими товарами, чтобы клиент сразу видел несколько альтернатив, доступных к покупке.

В результате сервисное письмо стало выполнять продающую функцию.

Результаты:

Во время тестирования мы быстро поняли: главная ошибка при настройке такого алгоритма — делать условия поиска слишком строгими.

✔ Автоматически подбирает альтернативные товары.

✔ Помогает удержать пользователя, если нужный товар отсутствует или не подходит.

✔ Легко масштабируется даже на большие каталоги.

✖ Не всегда удается подобрать достойную замену для уникальных товаров.

✖ При слишком узких настройках рекомендации могут отсутствовать.

✖ Не подходит для продажи аксессуаров и дополнительных товаров.

На практике эти алгоритмы редко используются по отдельности.

Гораздо эффективнее комбинировать их в зависимости от сценария: «Похожие товары» помогают пользователю сделать выбор, «Сопутствующие товары» — увеличить ценность уже выбранной покупки, а «Ручное соответствие» позволяет гибко настроить рекомендации там, где важны бизнес-правила.

Такой подход делает рекомендации более полезными для клиента на каждом этапе покупки.

В сводной таблице вы можете сопоставить каждый алгоритм со своими задачами и подобрать наиболее эффективную комбинацию для своего проекта: