Товарные рекомендации
Блоки «с этим покупают», замена вместо «нет в наличии» и персональные подборки в рассылках. Связки пересчитываются по вашим продажам каждую ночь, учитывают остаток и наценку, а прирост считается против контрольной группы.
Иллюстрация показывает рабочий контур направления; конкретные шаги и интеграции разобраны ниже.
Как это выглядит без автоматизации
Товарные блоки в магазине обычно живут своей жизнью: их однажды заполнил контент-менеджер, с тех пор ассортимент обновился наполовину, а связки остались прежними. Рядом стоит вторая проблема — карточка без остатка, которая просто заканчивает сессию, и третья: рассылка с одной подборкой на всю базу. Каждая из них по отдельности выглядит мелочью, а вместе они дают заметную дыру в выручке, которую никто не измеряет, потому что измерять нечем.
Связки проставлены руками и устарели
Типичная картина: блоки заполнены у 300–500 карточек из 12 000, причём год назад. За это время треть ассортимента сменилась, часть рекомендуемых позиций снята с продажи, а часть подорожала так, что предлагать её к дешёвому товару бессмысленно. Обновлять это вручную некому: на полную ревизию каталога уходят недели.
«Нет в наличии» — это тупик, а не развилка
При каталоге в 12 000 позиций 5–8% в любой момент без остатка, и на эти карточки приходит около 5 000 визитов в месяц — из поиска, из рекламы, из старых писем. Человек пришёл с деньгами и конкретной задачей, увидел серую кнопку и ушёл. Предложить ему аналог того же класса некому.
Одна подборка на всю базу подписчиков
Рассылка собирается вручную: маркетолог выбирает 8–12 товаров, которые кажутся ему интересными, и отправляет их всем. Клиент, который купил эту же позицию две недели назад, получает её снова. Открытия падают, отписки растут, а на сборку каждого выпуска уходит по 6–8 часов.
Никто не знает, сколько приносит блок
Спор «убрать блок или оставить» решается вкусом руководителя, потому что цифры нет: выручка, прошедшая через блок, не равна приросту — часть этих заказов клиент сделал бы и так. Без контрольной группы отличить одно от другого невозможно.
Во что это обходится: 2 400 заказов в месяц × 5 200 ₽ = 12,5 млн ₽ выручки. Даже консервативные 2,5% прироста среднего чека за счёт живых связок — это 312 000 ₽ выручки и около 78 000 ₽ валовой маржи ежемесячно. Отдельной строкой — 5 000 визитов в месяц, которые упираются в карточку без остатка и уходят без единого предложения замены.
Возможности системы
Мы строим слой товарных рекомендаций поверх вашего магазина: он берёт историю заказов, каталог с характеристиками и остатки из учётной системы, ночью пересчитывает связки между товарами и раздаёт готовые подборки в карточку, корзину, приложение и письма. Это не витрина заново и не смена платформы — блоки встают в существующие шаблоны. Поверх модели работают ваши правила мерчандайзинга: остаток, коридор цены, наценка, стоп-листы. И с первого дня рядом живёт контрольная группа, чтобы прирост можно было предъявить в рублях.
Связки строятся по фактическим чекам, а не по памяти
Система смотрит, что реально покупают вместе, что берут следом через две-три недели и какие товары похожи по характеристикам. Слабые совпадения отсекаются по статистической значимости: связка попадает в блок, когда она подтверждена десятками заказов, а не двумя случайными.
Замена вместо тупика
Для каждой позиции заранее готовится матрица аналогов: тот же класс, коридор цены ±15%, ключевые характеристики совпадают. Как только остаток обнулился, карточка вместо серой кнопки показывает три доступных варианта с датой доставки и предложение сообщить о поступлении исходного товара.
Персональная подборка в письме и пуше
Одна вёрстка письма — разное наполнение под каждый адрес: по истории покупок, просмотрам, категории и циклу повторного расхода. Купленное на прошлой неделе не предлагается снова, отписки и частота контактов учитываются, товары без остатка в письмо не попадают физически.
Фильтр по остаткам и региону перед каждой выдачей
Перед показом список сверяется с учётной системой: позиции без остатка, снятые с продажи, недоступные в регионе клиента или в конкретном магазине сети убираются. Клиент не видит того, что нельзя купить сегодня.
Ранжирование с учётом наценки и оборачиваемости
Из десятков подходящих кандидатов вверх поднимаются те, что выгоднее продать: наценка, залежавшийся остаток, срок хранения. Вес маржи в формуле — настраиваемый рычаг: от чистой релевантности до заметного продвижения собственных марок, и отчёт показывает, чем этот сдвиг оборачивается.
Ручное слово мерчандайзера остаётся последним
Связку можно закрепить принудительно или запретить навсегда, задать несовместимость, кратность упаковки, ограничение по бренду. Правила применяются мгновенно и переживают переобучение — модель их не перетирает.
Путь одного события через систему
Каждый шаг оставляет след в журнале: любое решение системы можно открыть и проверить — что пришло, что проверено, что сделано.
Ночная сборка исходных данных
Забираем заказы и возвраты за сутки, актуальный каталог с характеристиками, цены, остатки по складам и точкам, признак снятия с продажи. Источники — сайт и учётная система; расхождение по количеству заказов сверяется автоматически и попадает в лог.
Пересчёт связок
Считаются три вида связей: совместная покупка в одном чеке, покупка следом в течение цикла, похожесть по характеристикам и описанию. Отдельно строится матрица замен по классу и коридору цены. Слабые и случайные совпадения отбрасываются по порогу значимости.
Слой правил мерчандайзинга
Из кандидатов вылетают позиции без остатка, из стоп-листов, вне ценового коридора, несовместимые по характеристикам. Оставшиеся переранжируются с учётом наценки и оборачиваемости, применяются закреплённые вручную связки и ограничения по брендам.
Раздача в точки показа
Сайт и приложение получают готовый список по API за 20–40 мс, рассылочная платформа — персональный блок в момент отправки письма. Если сервис не ответил, показывается заранее подготовленный запасной блок по категории: витрина не ломается никогда.
Возврат результата
Показ, клик, добавление в корзину и оплата привязываются к конкретной выдаче и к группе (тест или контроль). Эти же события идут в следующее переобучение — система учится на том, что сработало у вас, а не на среднем по рынку.
Еженедельный отчёт в деньгах
Доход на сессию, средний чек, доля заказов с допродажей, спасённые визиты с карточек без остатка — по каждому месту показа и в разрезе тест/контроль. Сценарии, которые не дают прироста, отключаются, а не остаются «на всякий случай».
Что происходит по неделям
Каждый этап заканчивается результатом, который вы видите и принимаете. Оплата привязана к приёмке, а не к обещаниям.
Замер базы и разметка мест показа
Считаем текущие показатели: доход на сессию, средний чек, доля заказов с допродажей, выручка существующих блоков и писем. Смотрим, сколько визитов приходит на карточки без остатка и чем они заканчиваются. Размечаем места показа: карточка, корзина, категория, поиск без результата, письма, приложение.
Данные, каталог и качество характеристик
Выгружаем историю заказов за 12 месяцев, каталог с категориями и характеристиками, остатки и цены. Проверяем, хватает ли атрибутов для построения замен: если у половины позиций пустые характеристики, аналог подобрать не по чему — показываем, что именно нужно дозаполнить и в каком объёме.
Связки, матрица замен и правила
Строим и проверяем связки на данных, которых модель не видела: берём заказы последних недель и смотрим, попал бы реально докупленный товар в первую тройку рекомендаций. Сравниваем с базовой линией «хиты категории» — она обязана быть побита с запасом. Собираем матрицу замен и слой правил: стоп-листы, коридоры цены, несовместимости, кратность упаковки, вес наценки.
Встраивание в сайт и рассылки
Поднимаем сервис выдачи с кэшем и запасным блоком, встраиваем блоки в шаблоны карточки, корзины и категории, подключаем замену на карточках без остатка. Собираем персональные подборки в вашей рассылочной платформе: одна вёрстка, наполнение под каждый адрес, проверка остатков в момент отправки.
Эксперимент на живом трафике
Делим аудиторию: 85% видят рекомендации, 15% остаются контролем. Три недели копим статистику и еженедельно разбираем срезы по местам показа, категориям, новым и повторным клиентам. Отдельно измеряем эффект замен — по визитам на карточки без остатка.
Переобучение и ревизия связок
Пересчитываем связки по расписанию, следим за деградацией при смене сезона и ассортимента, добавляем новые места показа. Раз в квартал перезапускаем эксперимент на короткий срок, чтобы подтвердить, что прирост не растворился, и разбираем связки, которые мерчандайзер запретил чаще других.
Модельный расчёт: из чего складывается эффект
Не «до 90% экономии», а конкретная модель с вводными, которые можно оспорить и пересчитать под себя.
| Показатель | Сейчас | После внедрения |
|---|---|---|
| Доход на сессию | не измеряется, блоки заполнены вручную год назад | +4,4% против контрольной группы в модели (наблюдаемый диапазон 3–8%) |
| Средний чек | 5 200 ₽ | 5 330 ₽ за счёт сопутствующих позиций |
| Доля заказов с допродажей | 11% | 17–19% |
| Визиты на карточки без остатка | уходят без предложения замены | 45–60 заказов в месяц на аналогах |
| Сборка подборок для рассылок | 30–40 часов в месяц, одна подборка на всю базу | 3–4 часа на ревизию правил, наполнение персональное |
Полная цена владения — три составляющие
Никаких скрытых платежей: внешние сервисы вы оплачиваете напрямую по своим договорам, мы не делаем наценку на чужие тарифы.
Внедрение
- типовой проект: 520 000 ₽
- срок: 5–10 недель
- диагностика, разработка, интеграции, пилот
- документация и обучение команды
Поддержка
- мониторинг и реагирование по SLA
- исправление дефектов бесплатно
- обновление сценариев и интеграций
- ежемесячный отчёт о работе системы
Эксплуатация
- Вычисления для ночного пересчёта и сервиса выдачи: 4 000–15 000 ₽/мес
- Хранение витрины выдачи и событий (PostgreSQL или ClickHouse): 2 000–8 000 ₽/мес
- Языковая модель для заголовков подборок и пояснений «почему это»: 1 000–6 000 ₽/мес, опционально
- Отправка писем и пушей: по тарифу вашей рассылочной платформы
- число мест показа в первой очереди: один блок в карточке или полный набор от категории до писем и приложения
- состояние каталога: если у половины позиций пустые характеристики, замены строить не по чему и нужен этап дозаполнения
- источник остатков: готовый обмен с 1С или ночная выгрузка, которую придётся переделывать под почасовое обновление
- сложность правил мерчандайзинга: совместимость, кратность упаковки, региональные ограничения, собственные марки
- нужен ли отдельный интерфейс управления связками для команды или достаточно настроек в конфигурации
Участие заказчика
На диагностике достаточно обезличенных примеров. Боевые доступы — только после договора и NDA, через защищённые каналы.
С чем соединяем
Работаем с тем, что у вас уже есть. Если вашей системы нет в списке — скорее всего, подключимся через API: уточним на диагностике.
Как это решение работает в разных бизнесах
Магазин товаров для дома, каталог 14 000 позиций: 7% карточек в любой момент без остатка, на них приходит около 5 000 визитов в месяц из поиска и рекламы. Блок замен по классу и коридору цены возвращает в воронку 50–60 заказов ежемесячно, а связки по фактическим чекам поднимают долю заказов с допродажей с 11% до 18%.
Сеть из 25 магазинов с приложением и картой лояльности: вместо одной акции на всю базу письмо собирается под каждого клиента — по его покупкам и остаткам его магазина. Отклик на выпуск вырастает в 2–3 раза, а жалобы вида «в письме было, в зале нет» исчезают, потому что подборка строится по остаткам конкретной точки.
Оптовик хозтоваров, 700 клиентов в личном кабинете: при отсутствии позиции кабинет сразу показывает аналог другого бренда в той же фасовке и пересчитывает кратность упаковки. Доля строк заказа, которые менеджеру приходилось править по телефону, падает с 15% до 5%, а расходники с циклом 6–8 недель предлагаются к повторному заказу автоматически.
Сервис с интернет-витриной запчастей: к записи на обслуживание подбираются расходники под конкретный автомобиль — масло нужного объёма, фильтры, щётки по размеру. Несовместимые позиции отсекаются правилом по характеристикам каталога, доля заказов с допродажей растёт с 12% до 20%.
Сеть салонов с розничной полкой и интернет-витриной: после процедуры клиент получает подборку домашнего ухода под свою услугу и цикл расхода — средство на 250 мл заканчивается за 7–8 недель, письмо уходит на шестой. Розничная выручка на клиента прибавляет 8–10% без единого дополнительного звонка администратора.
Что обычно спрашивают
Чем это отличается от полноценной рекомендательной системы?
У нас Битрикс. Придётся менять платформу или переписывать сайт?
Как вы докажете, что прирост дали рекомендации, а не сезон или реклама?
Сколько данных нужно, чтобы связки были осмысленными?
Мерчандайзер хочет продвигать свои марки. Это возможно?
Что происходит с новым товаром и новой категорией?
Когда это решение не окупится
- меньше 20 000 заказов в истории — связки будут строиться на случайных совпадениях, дешевле собрать вручную полсотни хороших пар и вернуться через год
- каталог до 300 позиций без сопутствующих товаров: клиент видит весь ассортимент за пару кликов, рекомендовать нечего
- остатки обновляются раз в неделю или живут в голове менеджера — блоки будут вести к товарам, которых нет, и это хуже, чем их отсутствие
- нет возможности править шаблоны сайта и писем: подборку некуда вывести, а работать в обход вёрстки мы не берёмся
- ожидание немедленных +30% выручки: реальный измеримый прирост в рознице — 3–8%, и об этом лучше договориться на берегу
Если на диагностике расчёт не сойдётся — мы предложим более простой вариант или честно скажем, что автоматизация вам пока не нужна. Это дешевле для всех, чем проект ради проекта.
Персонализация сайта
Блоки, офферы и порядок выдачи собираются под конкретного посетителя: откуда пришёл, что смотрел, из какого города, что лежит в корзине. Каждое правило проверяется A/B-тестом против контрольной группы и учитывает остатки и маржу.
Маркетинг и e-commerceСоздание карточек товаров
Конвейер, который берёт факты о товаре из вашей учётной системы и собирает готовые карточки под правила каждой площадки — описание, характеристики, SEO-поля. С автопроверками до публикации и утверждением редактором в один клик.
Аналитика и прогнозированиеРекомендательная система
Подбирает каждому посетителю свои товары — на сайте, в приложении и в письмах — с учётом остатков и маржи. Эффект считается не на глаз, а против контрольной группы.
Посчитать «Товарные рекомендации» на ваших цифрах?
Пришлите объёмы и пару примеров — вернёмся с картой процесса, честным расчётом экономики и точной сметой. Если не сойдётся — так и скажем.
