О фабрике Доставка Оплата Гарантия
Контакты
Ваш город: Владимир
с 09:00 до 22:00

Рекомендательные технологии

Правила применения рекомендательных технологий

На сайте применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации).

Владелец сайта https://good-mebel.com/ - Общество с ограниченной ответственностью "Гуд Мебель Ритейл" ИНН 7727421004, 117218, город Москва, Большая Черёмушкинская ул., д. 34, этаж 6 комната ам606

Адрес электронной почты для направления юридически значимых сообщений:

os@good-mebel.ru

Владелец сайта не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.

При несогласии с используемыми рекомендательными технологиями Пользователь обязан отказаться от доступа к сайту  прекратить его посещение или использование.

  1. Используемые данные

Виды сведений, относящихся к предпочтениям пользователей сети "Интернет", которые используются для предоставления информации с применением рекомендательных технологий, источники получения таких сведений.

Полный перечень собираемой информации:

  • данные о посещении пользователем на сайте страниц, такие как время визита, url-адрес страниц и их числовых или строковых идентификаторов, при наличии;
  • информация о перемещении по страницам сайта (в т.ч. нажатий на ссылки и элементы сайта);
  • данные о взаимодействии пользователя на сайте с товарами, такие как
    просмотр, добавление в корзину, оформление заказа;
  • данные поисковых запросов пользователя на сайте;
  • IP адрес;
  • файлы cookies;
  • идентификатор пользователя, присваиваемый сайтом;
  • длительность пользовательской сессии;
  • точки входа (сторонние сайты, с которых пользователь по ссылке переходит на сайт);
  • браузер пользователя;
  • архитектура процессора устройства пользователя;
  • Операционная система пользователя;
  • параметры экрана (разрешение, глубина цветности, параметры размещения
    страницы на экране);
  • источник перехода (UTM метка);
  • значение UTM меток от source до content;
  • данные, содержащиеся в личном кабинете пользователя, зарегистрированного на сайте

Источники получения: Пользовательское поведение при использовании сайта и
товарная база интернет-магазина. Алгоритмы рекомендаций являются гибридными
в зависимости от ситуации они могут использовать как поведение, так и данные по
товарам

  1. Алгоритмы и процессы

Описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", предоставления информации на основе этих сведений, а также способов осуществления таких процессов и методов.

    1. Данные собираются путем отправки событий с устройства пользователя на серверы и аккумулируются в системе для систематизации, анализа и последующего формирования рекомендаций на основе этих данных, с применением специальных алгоритмов. Применяемые алгоритмы являются записанной последовательностью правил обработки данных, настройки параметров формул на основании данных и формирования выводов для последующего предоставления рекомендаций.
    2. Для работы рекомендательных технологий Владелец сайта применяет алгоритмы фильтрации на основе контента и коллаборативной фильтрации. Собираемые данные владелец сайта оцифровывает и представляет в векторном виде. При фильтрации на основе контента алгоритмы рекомендуют контент, похожий на тот, который пользователь Сайта выбирал в прошлом или которые он изучает в настоящее время. При коллаборативной фильтрации используется информация о поведении пользователей с похожими интересами. Система находит пользователей или элементы с историей действий, аналогичной текущему пользователю или элементу, и генерирует рекомендации на основании этой схожести.
  1. Алгоритмы рекомендаций:
    1. Популярные товары
      Рекомендации популярных товаров формируются на основе всех взаимодействий посетителей с интернет-магазином. Алгоритм стремится показывать товары, с которыми чаще всего взаимодействуют, в первую очередь покупают. Алгоритм показывает наиболее разнообразные товары, что помогает лучше познакомиться с товарной базой магазина и облегчает процесс выбора.
    2. Популярные товары из интересных пользователю категорий
      Вариант сценария «Популярные товары», где пользователю показываются товары только из тех категорий, которые интересны ему в долгосрочной перспективе. 
    3. Персональные рекомендации товаров
      В этом сценарии анализируется поведение пользователя и показываются товары, которые наиболее интересны ему в контексте текущей задачи. Если у пользователя пока нет истории просмотра, ему можно показать популярные товары. Если пользователь проявлял интерес к определенным товарам, алгоритм подбирает альтернативные предложения и таким образом поможет ему найти наиболее подходящий и приблизит к покупке. Если же пользователь уже что-то заказывал, то алгоритм предложит ему сопутствующие товары.
    4. Персональные рекомендации на основе прошлых заказов
      Алгоритм рекомендует пользователю товары, которые он уже покупал. Учитывается давность и частота покупок.
    5. Новинки
      Алгоритм показывает товары, отсортированные по дате поступления - от
      самых новых до тех, что давно в продаже. Алгоритм обеспечивает разнообразие товаров и таким образом помогает познакомиться с ассортиментом, упрощает навигацию.
    6. Альтернативные товары
      Алгоритм показывает товары, похожие на текущий товар. Подборка формируется на основе описаний и свойств товаров, а также на основе поведения других пользователей, которые интересовались этим же товаром: что они еще изучают и покупают. Поэтому алгоритм может предложить не всегда схожий по описанию, но действительно подходящий товар.
    7. Upsell
      Этот алгоритм рекомендует максимально похожие товары, но с улучшенными
      характеристиками и более дорогие. 
    8. Сопутствующие товары
      Алгоритм показывает товары, которые дополняют текущие товары в заказе. Например, при покупке дивана можно сразу порекомендовать средство для его чистки. 
    9. Аксессуары
      Разновидность алгоритма «Сопутствующие товары». Подбирает к текущему товару дополнительные аксессуары.
    10. Поисковые рекомендации
      В этом сценарии рекомендуются товары, которые лучше всего подходят под поисковый запрос пользователя на сайте. При их формировании алгоритм опирается на поведение пользователей, которые уже искали что-то подобное. Если таких товаров недостаточно, добавляются альтернативы к ним.
    11. Дизайнерские рекомендации
      Алгоритм рекомендует вещи, которые хорошо сочетаются с текущим товаром и могут дополнить дизайнерское решение. Например, если пользователь интересуется черным диваном, система подберет к ней кресло подходящего цвета. Образы составляются с учетом общепринятых правил стиля.
Интернет-магазин
+7 (495) 252-03-24
ежедневно 9:00 – 22:00
Магазин Велозаводский
+7 (499) 455-96-62
ежедневно 9:00 – 21:00
г. Москва, ул. Велозаводская, д.13, стр. 1, здание Велозаводского рынка, цокольный этаж, павильон 315
Магазин г. Химки
+7 (499) 302-28-74
ежедневно 10:00 – 22:00
МО г.Химки, ул. Бутаково, дом 4