Сервис MoodRec: как сделать продуктовые рекомендации по-настоящему уместными

Возможности персонализации в маркетинге помогают точнее выстраивать взаимодействие клиента с продуктом. Это касается в том числе и рекомендаций: грамотные предложения способны влиять на общий пользовательский опыт, а вместе с этим и на продажи.

Но создавать подборки вручную сложно, особенно когда ассортимент регулярно обновляется, а покупательские привычки меняются. Возможно ли формировать релевантные предложения для каждого пользователя автоматически и в нужный момент?

Что такое MoodRec и зачем он нужен

MoodRec — это сервис продуктовых рекомендаций, сочетающий модели машинного обучения и управляемую бизнес-логику. Он анализирует поведение пользователей и на основе этого формирует для них персональные предложения.

Рекомендации генерируются автоматически в режиме, близком к реальному времени. Их можно настраивать под текущие задачи, чтобы выдача соответствовала актуальным целям.

Сервис способен закрывать сразу несколько направлений, связанных с персонализацией и рекомендательными блоками:

• Персонализация продуктовых витрин. Вместо того чтобы показывать всем пользователям одинаковые блоки товаров, подборки адаптируются под историю взаимодействий и интересы конкретного клиента.
  
  
• Кросс-сейл и альтернативы. Алгоритмы рекомендаций формируют список сопутствующих товаров или предлагают наиболее похожие варианты. Это расширяет выбор и мягко подталкивает клиента к дополнительным действиям внутри каталога.
  
  
• Управление ассортиментом. С помощью MoodRec можно усиливать определённые продуктовые категории, продвигать нужные бренды в рамках маркетинговой кампании и перенаправлять внимание пользователей на приоритетные товары.

Когда клиент получает релевантные предложения, ему становится проще ориентироваться в каталоге и находить максимально подходящие варианты. А сценарии с сопутствующими товарами повышают вероятность того, что в корзину отправится сразу несколько позиций.

Какому бизнесу будет полезен MoodRec

Сервис подходит для самых разных компаний и организаций. Основное условие — наличие каталога продуктов и цифровых каналов взаимодействия с клиентами, таких как сайт или мобильное приложение.

Отрасли, где MoodRec может быть полезен, включают:

• розничные сети и оптовая торговля;
  
  
• интернет-магазины и маркетплейсы;
  
  
• банки и страховые компании;
  
  
• контентные платформы;
  
  
• сервисные организации и многие другие.

Масштаб бизнеса при этом не становится ограничением для использования сервиса. MoodRec одинаково хорошо подходит и для небольших проектов, и для крупных организаций с высоким трафиком и внушительной клиентской базой.

Как работает персонализация рекомендаций в MoodRec

Каталог и пользовательские события

В основе работы сервиса лежат продуктовые данные из каталога и события, которые обрабатываются в момент взаимодействия пользователя с товарной позицией.

MoodRec не только анализирует текущую сессию, но также берёт во внимание исторические данные. С одной стороны, учитываются действия пользователя «здесь и сейчас»: какие страницы он открывает, какие товары просматривает, на что обращает внимание. С другой — анализируются устойчивые предпочтения, накопленные за всё время взаимодействий.

Благодаря этому рекомендации не ограничиваются лишь сиюминутным поведением или прошлым опытом. Например, если клиент регулярно покупает товары из одной категории, но в данный момент изучает другую, система видит оба сигнала и балансирует выдачу между ними.

Плейсмент, кампания и аудитория

В логике работы рекомендаций задействуются три базовых элемента.

В связке эти элементы работают как единый механизм. Аудитория определяет, для кого готовится рекомендация, кампания задаёт правила и цели, а плейсмент отвечает за отображение. В одном и том же месте можно показывать совершенно разные товарные позиции в зависимости от предпочтений клиента и заданных условий.

Гибкое управление рекомендациями

Рекомендации в MoodRec можно настраивать отдельно для разных мест на одном сайте. С этой целью используются разные плейсменты и кампании со своими моделями и условиями.

Кроме того, выдачу рекомендаций можно ограничить только определёнными брендами или продуктовыми категориями. Здесь в дело вступают правила мерчендайзинга и фильтры внутри кампаний:

• фильтры задают жёсткие ограничения: например, исключают отдельные продукты или, наоборот, оставляют только подходящие по условиям позиции;
  
  
• правила более мягко влияют на ранжирование, повышая или понижая позиции продуктов в выдаче.

Всё это даёт контроль над тем, какие продукты попадают в рекомендации и в каком порядке распределяются.

Как оценить эффективность рекомендаций

Для оценки того, как рекомендации влияют на бизнес-показатели, используются основные метрики, связанные с поведением пользователей и результатами продаж:

• Один из базовых показателей — CTR (Click-through Rate). Он отражает, как часто пользователи взаимодействуют с рекомендациями: кликают по карточкам и переходят к товарам или услугам.
  
  
• Второй важный показатель — выручка. Через него оценивают, какой вклад рекомендации вносят в продажи и как они влияют на общий доход.

Дополнительно анализируют конверсию, средний чек и другие показатели эффективности маркетинга в e-commerce. К примеру, их можно оценить через сравнение двух групп пользователей: тех, кто взаимодействовал с рекомендациями, и тех, кто этого не делал.

Выбор подходящей метрики зависит от задачи конкретного плейсмента. Так, если цель — увеличить вовлечённость и количество переходов, ориентируются на CTR. Если же на первом месте стоят рост прибыльности и усиление продающих позиций, то в качестве основной метрики выбирают выручку.

Сложно ли внедрять MoodRec

Подключение сервиса не требует сложной подготовки.

После оформления подписки на email пользователя приходит сообщение для авторизации. При первом входе в систему создаётся Проект (аналог магазина или сервиса пользователя). В нём можно настроить:

• тип бизнеса;
  
  
• тип продуктов;
  
  
• тип передаваемых событий и так далее.

Затем на сайт необходимо добавить SDK MoodRec. Через него сервис получает данные и взаимодействует с системой. После этого настраивается передача событий электронной коммерции, чтобы система могла точно учитывать действия клиентов и использовать их при формировании рекомендаций.

Далее следует подключение каталога через фид, API или YML-файл с продуктовой лентой. Следующий шаг — создание плейсмента. Уже после этого можно получить первую рекомендательную выдачу и встроить её в интерфейс, например, в блоки или виджеты на сайте. Дальнейшая настройка включает работу с аудиториями, кампаниями и правилами в соответствии с задачами вашего бизнеса.

На старте, когда у системы ещё нет данных о пользователях, задействуются базовые сценарии: похожие товары по описанию или популярные продукты. По мере накопления событий MoodRec начинает учитывать поведение клиентов, а рекомендации становятся более точными и персонализированными.

Заключение

MoodRec — это не просто виджет рекомендаций, а полноценный сервис, расширяющий возможности управления маркетингом. Он превращает ручные подборки в гибкий автоматизированный процесс, адаптируемый под ваши бизнес-задачи. Подключая MoodRec, вы получаете инструмент для масштабирования персонализации и органичного встраивания рекомендаций в пользовательский опыт.