Второй класс 🚀 — переопределение самих рекомендательных сценариев и создание новых.

Здесь задача уже совсем другая. Мы не пытаемся выжать ещё пару процентов качества из существующего алгоритма. Мы задаём более фундаментальный вопрос: а правильно ли мы вообще придумали, что, где и в какой момент рекомендовать клиенту? 🧐

Допустим, у нас есть PDP-карточка товара. Сейчас на нём живут две классические рекомендательные полки: похожие товары и сопокупаемые товары. Но почему мы вообще решили, что именно они должны там находиться? 🤔

Если клиент открыл карточку макароны, возможно, ему гораздо полезнее предложить рецепт ужина и сразу добавить в корзину недостающие ингредиенты. А может быть ему вообще предложить рекомендации “итальянское меню” на PDP-карточке в котором персонализированно отобразить что любят фанаты Макарон. 🍝

Другой пример — листинги. Сейчас рекомендательные блоки обычно привязаны к конкретным местам в интерфейсе. Но что, если вместо этого система будет анализировать текущий CJM клиента и сама выбирать момент для рекомендации? Например, человек долго выбирает продукты для завтрака, и в какой-то момент ему появляется небольшая персональная плашка с предложением собрать готовый набор. Причём для другого клиента в этом же месте вообще ничего не появится, потому что рекомендация сейчас ему не нужна 🛒

К 2030 году, на мой взгляд, LLM-агенты смогут самостоятельно искать новые рекомендательные сценарии на всём CJM клиента 🤖. Они будут анализировать поведение пользователей, находить моменты, когда клиенту нужна дополнительная помощь, и предлагать совершенно новые механики: от персональных рецептов на PDP до контекстных рекомендаций прямо внутри листингов.🪜

Детальнее можно почитать вот такие источники: 1. Managing Proactivity in E-Commerce Interfaces: Context-Aware Conversational Agents for Enhanced User Engagement (2025) 2. Generative Interfaces for Language Models (2025) 3. AgentDR: Dynamic Recommendation with Implicit Item-Item Relations via LLM-based Agents (2026) 4. Tunable LLM-based Proactive Recommendation Agent (2025) 5. AgentA/B: Automated and Scalable Web A/B Testing with Interactive LLM Agents (2025) Ну или подождать пока я их разберу для вас ))