Рекомендации должны помогать покупке, а не показывать то, что клиент уже купил. Такие ошибки делают блок бесполезным и снижают доверие к персонализации.
В чем проблема
Алгоритм может не учитывать историю заказов, показывать тот же SKU в другой вариации, не фильтровать отсутствующие товары или смешивать повторные покупки с уникальными товарами.
Что проверяю
- Какие данные использует блок рекомендаций.
- Учитывается ли история покупок пользователя.
- Есть ли исключения по SKU и группе товаров.
- Нужно ли рекомендовать расходники или аксессуары вместо повторного товара.
- Фильтруются ли товары без остатка.
Как исправляю
Я добавляю бизнес-правила поверх алгоритма: что исключать, что заменять аксессуарами, когда повторная покупка уместна.
- Анализирую текущую логику рекомендаций.
- Добавляю фильтр купленных товаров.
- Учитываю вариации и связанные SKU.
- Настраиваю альтернативные рекомендации.
- Проверяю блок на реальных покупателях.
Что получает заказчик
- Рекомендации становятся полезнее.
- Купленные товары не засоряют блок.
- Появляются аксессуары, похожие товары или расходники.
- Персонализация лучше поддерживает продажи.
Что нужно для старта
- Доступ к логике рекомендаций.
- Примеры пользователей и заказов.
- Правила, что считать повторной покупкой.
- Список категорий, где повтор допустим.
Вопросы и ответы
Всегда ли нужно исключать купленный товар?
Нет. Для расходников повтор может быть полезен, а для техники лучше предложить аксессуары.
Можно ли улучшить без ML?
Да. Часто достаточно правил, фильтров и связей товаров.
Нужна похожая задача?
Напишите, что именно сломалось или что нужно запустить. Я разберу симптомы, проверю техническую причину и предложу понятный план работ с адекватными сроками.