Уже давно в порядке вещей, что если вы разрешили все куки на сайте и зашли на страничку товара, или установили мобильное приложение, то алгоритмы ретаргетинга, рекомендаций и прочие AI-эффективные менеджеры резко начнут вас догонять и рекомендовать прикупить всякого. Но что часто не так в рекомендациях?

Использование слишком узкого контекста

Большинство рекомендаций строится либо на истории просмотров, либо на популярных товарах среди схожих пользователей. Но это не учитывает реальный контекст потребления.

Человек купил пылесос → система продолжает предлагать пылесосы. Это рабочая схема в фудритейле, но не рабочая в электронике или товарах для дома с высоким чеком. Другой кейс, пользователь зашёл в раздел детских товаров, чтобы купить подарок племяннику → теперь ему везде показывают подгузники.

Как исправить:

— Отслеживать не только действия, но и их смысл (например, покупка против исследования). — Разделять долгосрочные интересы (хобби, стиль) и одноразовые потребности (подарки, редкие покупки). — Использовать временные окна для персонализации: если человек смотрит билеты в Лондон, это не значит, что он интересуется Лондоном вечно.

Игнорирование пользовательского пути

Рекомендации часто работают в отрыве от этапа, на котором находится пользователь.

— Новому пользователю сразу предлагают сложные подписки или дорогие товары, хотя он ещё не освоился в сервисе. — Опытному пользователю продолжают показывать базовый контент, хотя он уже заинтересован в более продвинутых функциях.

Как исправить:

— Разделять пользователей по стадиям вовлечённости/уровням лояльности и менять рекомендации в зависимости от их поведения. — Предлагать релевантные сценарии: например, в приложении для изучения языков новичку показывать простые упражнения, а опытному пользователю – сложные статьи.

Отсутствие объяснимости (explainability)

Люди не доверяют рекомендациям, если не понимают, почему им показывают тот или иной контент.

— В маркетплейсах пользователи часто видят товары без контекста («Почему мне это показывают?»). А там бывает невероятная дичь.

Как исправить:

Добавлять объяснения («Этот товар популярен среди людей, купивших X»). Позволять корректировать рекомендации (убрать ненужные категории, ставить «мне не интересно», гибко настраивать). Классный пример — Steam, они постоянно экспертиментируют с основной рекомендательной витриной, а их великое множество внутри сервиса.

Их раздел Labs вообще пример для подражания.