Искусственный интеллект научился угадывать точное время покупки конкретного товара в онлайне

Игорь Бахарев

Ученые из Лаборатории исследований искусственного интеллекта Tinkoff Research совершили открытие в области рекомендательных систем в онлайн-торговле — они разработали новый алгоритм TAIW (Time-Aware Item-based Weighting) для более точного прогнозирования потребительских покупок в интернете с учетом времени покупок и их периодичности. 

Новый метод позволит пользователям сэкономить время, затрачиваемое на составление конкретной корзины, а также напомнит купить товар, про который пользователь мог забыть. 

Бизнесу использование разработанного учеными Тинькофф алгоритма поможет повысить удовлетворенность клиентов, увеличить конверсию в покупку и простимулировать рост среднего чека. 

Как устроен алгоритм TAIW: модули «Повторная покупка» и «Соседство»

Разработка получила признание мирового сообщества: результаты исследования были представлены на главной конференции по рекомендательным системам ACM RecSys, которая входит в число лучших научных конференций в мире. В этом году она прошла в 17-й раз и состоялась в Сингапуре. Ее организатором выступает Ассоциация вычислительной техники — крупнейшее в мире образовательное и научное компьютерное сообщество. 

Суть открытия

Алгоритм TAIW более точно предсказывает, какие товары клиенту потребуются в ближайшем будущем с учетом точного момента покупки. Он учитывает не только состав предыдущих покупок конкретного человека и схожих по профилю пользователей — он также анализирует точное время приобретения конкретных товаров в прошлом и периодичность покупок, выявляет взаимосвязи между приобретением товаров из разных категорий. Это помогает сделать рекомендации максимально персонализированными, что особенно важно в случае нетипичных паттернов поведения отдельных клиентов.

Человек может покупать какой-то товар с уникальной частотой: например, устраивать себе читмил с определенным продуктом в субботу каждой третьей недели месяца. В остальное время рекомендации этого продукта или схожих товаров не актуальны для пользователя, несмотря на то что он неоднократно покупал их раньше. Ранее эти данные редко учитывались рекомендательными системами. 

Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW стал самым эффективным методом среди аналогов в задаче next basket recommendation (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Согласно результатам экспериментов, алгоритм повышает точность рекомендательной системы до 8%. 

Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на контроль домашних запасов и выбор новых товаров. TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент. 

Чем алгоритм отличается от других методов

Специалисты в области искусственного интеллекта уже долгое время работают над улучшением рекомендаций для интернет-торговли. Чтобы предсказать повторные покупки, ученые часто используют такие методы, как цепи Маркова (математическая модель, которая помогает предсказывать будущие события на основе прошлых событий) и рекуррентные нейронные сети (модели машинного обучения, которые анализируют последовательность действий пользователя). 

Однако эти инструменты не всегда позволяют корректно учесть при прогнозировании частоту покупки — которая не только различается у разных товаров, но также бывает индивидуальна для разных пользователей. Например, один человек может покупать кондиционер для белья каждые три недели, а другой — раз в полгода.

Алгоритм TAIW, в свою очередь, состоит из двух модулей: «Повторная покупка» и «Соседство». Модуль «Повторная покупка» работает на основе процесса Хоукса — статистической модели, которая позволяет понять временные закономерности и зависимости между событиями. Так алгоритм определяет, какие товары покупал пользователь, как часто и когда была совершена последняя покупка. Этот модуль помогает определить, когда конкретные товары будут наиболее актуальными для конкретного покупателя.

Модуль "Соседство" помогает описать привычки пользователей с похожими предпочтениями. Эти данные используются, чтобы обеспечить более разнообразные рекомендации для конкретного человека. 

Зачем нужны рекомендательные системы 

Мировой рынок онлайн-торговли растет ускоренными темпами с начала пандемии COVID-19. По данным eMarketer, в 2023 году объем глобального e-commerce приблизился к 6 трлн долларов, а в 2027 году превысит 8 трлн. Это одно из самых динамично развивающихся направлений экономики, где разворачивается серьезная конкуренция как между технологическими гигантами, которые выступают площадками, так и между отдельными небольшими продавцами (например, по данным на 2022 год, более 60% продаж на Amazon делают независимые селлеры). Также растет и ассортимент — к примеру, на маркетплейсах могут быть представлены миллионы или даже миллиарды товаров.

Технологии, в частности рекомендательные алгоритмы, — одно из главных направлений, где уже разворачивается конкурентная борьба, которая будет становиться все более серьезной в ближайшие годы. Для пользователей растет число похожих вариантов для покупки, а процесс выбора становится все более затруднительным. 

Для продавцов также все сложнее становится привлечь и удержать внимание покупателей. Когда пользователи сталкиваются с огромным выбором товаров, алгоритмы рекомендаций становятся персональными помощниками, предлагая подходящие варианты и сокращая временные затраты на поиск. 

Например, в онлайн-магазинах часто решается задача next basket recommendation (NBR), во время которой требуется предугадать состав следующей корзины пользователя в соответствии с его потребностями.

Материал по теме

Масштабирование VS Сокращение затрат: какую сторону выбрать компаниям eCommerce?

Материал по теме

Amazon представил нового персонального консультанта по покупкам

Материал по теме

Alibaba рассказала о своих новых технологиях

Подписаться на новости

Актуальное сейчас

83% жителей городов-миллионников совершают онлайн-покупки: аналитика "Даркстор у дома"

Исследование сервиса "Даркстор у дома" показало, что россияне все чаще совершают покупки в интернете. В 2023 году интенсивность онлайн-заказов выросла на 13% по сравнению с 2022 годом. Чаще всего в интернет...

Покупатели начали реализовывать отложенный спрос

По данным аналитического сервиса "Продажи.рф", в 2023 году в России отмечен рост покупательской активности на 9%. Накопленный спрос реализовывается, то есть потребители впервые за долгое время обращают вним...

АКИТ: 46% россиян покупают ювелирные украшения онлайн

Ассоциация компаний интернет-торговли (АКИТ) и ювелирный холдинг SOKOLOV опубликовали результаты ежегодного совместного исследования, посвященного четырехлетию легализации электронной ювелирной коммерции в ...

В М.Видео рассказали об успехах собственного маркетплейса

В 2023 году оборот маркетплейса электроники и сопутствующих товаров группы М.Видео-Эльдорадо удвоился. Это говорят в компании, произошло благодаря увеличению числа партнёров, расширению ассортимента и разви...

Яндекс Маркет открыл доступ к своей рекламной площадке для внешних рекламодателей

Теперь запускать медийную рекламу на Яндекс Маркете смогут не только продавцы и производители товаров, продающихся на сервисе. Click out — это реклама внешних ресурсов на Яндекс Маркете, в которой баннер ве...

Ozon сделал доступной аналитику для поиска новых ниш

Ozon открывает бесплатную аналитику по продажам для всех игроков ритейл-рынка. В сервисе "Что продавать на Ozon" стали доступны инструменты для поиска перспективных ниш и товаров. Это поможет малому и с...

Согласие на обработку персональных данных

×

Физическое лицо, оставляя заявку на веб-сайте e-pepper.ru через форму «Обсудим ваш проект» и форму подписки на e-mail рассылку, действуя свободно, своей волей и в своем интересе, а также подтверждая свою дееспособность, предоставляет свое согласие на обработку персональных данных (далее — Согласие) Обществу с ограниченной ответственностью «АЭРОКОМ» (ООО «АЭРОКОМ») (ИНН 9705136776, info@aeroidea.ru, +7(495)120-12-38, +7 968 900-23-45), которому принадлежит веб-сайт https://e-pepper.ru и которое зарегистрировано по адресу 111024, г. Москва, вн.тер.г.муниципальный округ Лефортово, ул. Авиамоторная, д.50, стр.2, этаж 2, помещ.XI, комната 25, офис А79, на обработку своих персональных данных со следующими условиями:

  1. Данное Согласие дается на обработку персональных данных, как без использования средств автоматизации, так и с их использованием.
  2. Согласие дается на обработку следующих моих персональных данных: персональные данные, не относящиеся к специальной категории персональных данных или к биометрическим персональным данным: адрес электронной почты (e-mail); имя; сведения о месте работы; номер мобильного телефона.
  3. Цель обработки персональных данных: обсуждение возможного проекта.
  4. В ходе обработки с персональными данными будут совершены следующие действия: сбор; запись; систематизация; накопление; хранение; уточнение (обновление, изменение); извлечение; использование; передача (предоставление, доступ); блокирование; удаление; уничтожение.
  5. Третьи лица, обрабатывающие персональные данные по поручению ООО "Аэроком” для указанной в согласии цели:
    • АО "АМОЦРМ", 21205, г. Москва, вн.тер.г. Муниципальный Округ Можайский, Тер Сколково Инновационного Центра, б-р Большой, д. 42 стр. 1
    • ООО "Яндекс", 119021, г. Москва, ул. Льва Толстого, д. 16
  6. Персональные данные обрабатываются в течение 30 дней с момента отказа в дальнейшем обсуждении проекта или с момента принятия решения о заключении договора на проект в соответствии с ч. 4 ст. 21 152-ФЗ, смотря что произойдет раньше.
  7. Согласие может быть отозвано вами или вашим представителем путем направления ООО "Аэроком” письменного заявления или электронного заявления, подписанного согласно законодательству Российской Федерации в области электронной подписи, по адресу, указанному в начале Согласия.
  8. В случае отзыва вами или вашим представителем Согласия ООО "Аэроком” вправе продолжить обработку персональных данных без него при наличии оснований, указанных в пунктах 2 — 11 части 1 статьи 6, части 2 статьи 10 и части 2 статьи 11 Федерального закона № 152-ФЗ «О персональных данных» от 27.07.2006 г.
  9. Настоящее согласие действует все время до момента прекращения обработки персональных данных, указанных в п. 6 и п. 7 Согласия.