Правила применения рекомендательных технологий
Правила применения рекомендательных технологий ООО «Залог Успеха «Ломбард»
-
ООО «Залог Успеха «Ломбард» (ИНН 7733706230) (далее – «Общество») является владельцем сайта www.zu.ru (далее – «Сайт»), на котором применяются информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации (далее - «Владелец информационного ресурса, на котором применяются рекомендательные технологии»).
-
Настоящие Правила применения рекомендательных технологий (далее – «Правила») содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.
-
Владелец информационного ресурса, на котором применяются рекомендательные технологии, не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.
-
Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений и машинного обучения на основании данных о пользователе или характеристиках элементов в системе осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя.
-
Для алгоритмических вычислений и машинного обучения Общество использует полученные от пользователей Сайта данные, а именно:
- просмотр товаров или категорий товаров;
- наличие товаров в «Избранном», корзине, листе ожидания или других списках;
- состав и даты заказов;
- взаимодействия с коммуникациями (например, открытие писем и переходы по ссылкам из рекламы).
Также для более точных рекомендаций могут учитываться данные о самих пользователях, например о:
- местонахождении, чтобы показывать рекомендации для конкретного региона, и часовом поясе, чтобы делать это вовремя;
- поле или возрасте, чтобы предлагать подходящие товары (например, кольца с бриллиантами — женщинам, запонки — мужчинам).
Все эти данные поступают с Сайта, из мобильного приложения, касс, рекламных кабинетов.
-
Для работы рекомендательных технологий Общество применяет три подхода к формированию рекомендаций на основе предпочтений пользователей Сайта:
Подбор похожих и сопутствующих товаров.
Алгоритмы анализируют свойства тех продуктов, которыми интересовался пользователь: цвет, вид, коллекцию, категорию или производителя. По этим признакам подбираются товары, которые также могут его заинтересовать.
Например, если покупатель искал на сайте ювелирного магазина кольца с драгоценными камнями, в рекомендациях появятся кольца с полудрагоценными камнями.
Рекомендации популярных продуктов.
Алгоритм анализирует взаимодействие всех пользователей с товарами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Это полезно, если пользователь впервые пришел на Сайт и о нем еще ничего неизвестно. Пользователю будет порекомендовано то, что нравится большинству других пользователей (например, на сайте магазина ювелирных украшений рядом с самыми популярными моделями появится виджет «Популярные товары»).
Рекомендации как для клиента с похожими предпочтениями.
Алгоритм анализирует сходства в поведении пользователей. Если двум пользователям нравится одна и та же группа товаров, их предпочтения похожи. Значит, первому можно рекомендовать то, что заинтересовало второго, и наоборот (например, двум посетителям ювелирного магазина нравятся кольца с бриллиантами и серьги с драгоценными камнями. Один из них еще и фанат золотых цепей — второму тоже можно порекомендовать эту товарную категорию). Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.
-
По итогу формирования рекомендаций на основе предпочтений пользователей Сайта мы делаем их еще точнее, добавив дополнительные условия (например, показывать товары только в географической зоне пользователя, а также исключить из рекомендаций товары, которые покупают независимо от предпочтений — скажем, упаковку).
-
Когда рекомендательные алгоритмы настроены и обучены, они показывают покупателю подборки товаров в любой точке контакта: на сайте — при помощи виджета, в рассылках, мобильном приложении, колл-центре, на кассе.
-
Настоящие Правила могут быть изменены Обществом в одностороннем порядке, учитывая новые данные и изменения в предпочтениях пользователей.
-
Адрес электронной почты для направления юридически значимых сообщений: jurist@zu.ru
Правила применения рекомендательных технологий ООО «Ювелирный ресейл-сервис»
-
ООО «Ювелирный ресейл-сервис» (ИНН 7729733707) (далее – «Общество») является владельцем сайта www.zu.ru (далее – «Сайт»), на котором применяются информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации (далее - «Владелец информационного ресурса, на котором применяются рекомендательные технологии»).
-
Настоящие Правила применения рекомендательных технологий (далее – «Правила») содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.
-
Владелец информационного ресурса, на котором применяются рекомендательные технологии, не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.
-
Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений и машинного обучения на основании данных о пользователе или характеристиках элементов в системе осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя.
-
Для алгоритмических вычислений и машинного обучения Общество использует полученные от пользователей Сайта данные, а именно:
- просмотр товаров или категорий товаров;
- наличие товаров в «Избранном», корзине, листе ожидания или других списках;
- состав и даты заказов;
- взаимодействия с коммуникациями (например, открытие писем и переходы по ссылкам из рекламы).
Также для более точных рекомендаций могут учитываться данные о самих пользователях, например о:
- местонахождении, чтобы показывать рекомендации для конкретного региона, и часовом поясе, чтобы делать это вовремя;
- поле или возрасте, чтобы предлагать подходящие товары (например, кольца с бриллиантами — женщинам, запонки — мужчинам).
Все эти данные поступают с Сайта, из мобильного приложения, касс, рекламных кабинетов.
-
Для работы рекомендательных технологий Общество применяет три подхода к формированию рекомендаций на основе предпочтений пользователей Сайта:
Подбор похожих и сопутствующих товаров.
Алгоритмы анализируют свойства тех продуктов, которыми интересовался пользователь: цвет, вид, коллекцию, категорию или производителя. По этим признакам подбираются товары, которые также могут его заинтересовать.
Например, если покупатель искал на сайте ювелирного магазина кольца с драгоценными камнями, в рекомендациях появятся кольца с полудрагоценными камнями.
Рекомендации популярных продуктов.
Алгоритм анализирует взаимодействие всех пользователей с товарами и может подсказать тот, у которого самый высокий спрос или лучшие оценки. Это полезно, если пользователь впервые пришел на Сайт и о нем еще ничего неизвестно. Пользователю будет порекомендовано то, что нравится большинству других пользователей (например, на сайте магазина ювелирных украшений рядом с самыми популярными моделями появится виджет «Популярные товары»).
Рекомендации как для клиента с похожими предпочтениями.
Алгоритм анализирует сходства в поведении пользователей. Если двум пользователям нравится одна и та же группа товаров, их предпочтения похожи. Значит, первому можно рекомендовать то, что заинтересовало второго, и наоборот (например, двум посетителям ювелирного магазина нравятся кольца с бриллиантами и серьги с драгоценными камнями. Один из них еще и фанат золотых цепей — второму тоже можно порекомендовать эту товарную категорию). Такой подход помогает выявлять неочевидные предпочтения и составлять более разносторонние рекомендации.
-
По итогу формирования рекомендаций на основе предпочтений пользователей Сайта мы делаем их еще точнее, добавив дополнительные условия (например, показывать товары только в географической зоне пользователя, а также исключить из рекомендаций товары, которые покупают независимо от предпочтений — скажем, упаковку).
-
Когда рекомендательные алгоритмы настроены и обучены, они показывают покупателю подборки товаров в любой точке контакта: на сайте — при помощи виджета, в рассылках, мобильном приложении, колл-центре, на кассе.
-
Настоящие Правила могут быть изменены Обществом в одностороннем порядке, учитывая новые данные и изменения в предпочтениях пользователей.
-
Адрес электронной почты для направления юридически значимых сообщений: jurist@zu.ru
