В настоящих Правилах применения рекомендательных технологий (далее – «Правила») описаны процессы и методы 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.

Под рекомендательными технологиями понимаются программные комплексы, которые с помощью алгоритмических вычислений и/или машинного обучения осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя на основании данных о пользователе или характеристиках элементов в системе.
Рекомендации — это набор слотов/баннеров на сайте и в приложении с подборкой товаров / категорий товаров / брендов. Рекомендательная система отвечает за отбор товаров и порядок отображения этих товаров. Рекомендации можно разделить на 2 группы: товарные и персональные.

Примеры товарных рекомендаций:
• похожие товары на карточке товара,
• сопутствующие товары на карточке товара,
• товары, которые смотрят с текущим товаром другие пользователи, на карточке товара
• сопутствующие товары при добавлении в корзину текущего товара

Примеры персональных рекомендаций:
• персональная подборка бестселлеров на главной странице
• персональная подборка товаров со скидками на главной странице

Для целей предоставления рекомендаций собирается информация о действиях пользователей на сайте, в мобильном приложении и в розничных точках. Примеры видов собираемых сведений:
• просмотр продуктов или категорий продуктов;
• клики на элементы интерфейса страницы;
• покупка продуктов;
• добавление продуктов в «Избранное», корзину, лист ожидания или другие списки;
• возврат продуктов;
• состав и даты заказов;
• местонахождение;

1. Расчет статистических правил и связей. Для товарных рекомендаций анализируются насколько статистически значимо количество совместных покупок и просмотров товара А с товаром Б, насколько товар А похож на товар Б, насколько товар А популярен на текущий момент среди пользователей и т.д. Для персональных рекомендаций анализируются категории, в которых пользователь покупал или смотрел товары.
2. Отбор кандидатов. Рекомендательный сервис выбирает товары, релевантные контексту показа рекомендаций и бизнес-смыслу.
3. Ранжирование кандидатов. Отобранные товары оцениваются исходя из статистических правил, описанных в п.1. Конкретный набор правил и важность каждого правила может изменяться в зависимости от контекста.
4. Диверсификация кандидатов. При необходимости в финальной выдаче устанавливаются ограничения на количество товаров, имеющих одинаковую товарную характеристику.
5. Отображение рекомендаций. В выдаче рекомендаций отображаются товары с наибольшей оценкой, отобранные на предыдущем шаге.