Рекомендации «вам может понравиться»: как обучить и внедрить

Блок «вам может понравиться» на сайте выглядит просто — несколько карточек товаров под основным контентом. Но за этой простотой стоит механика, которая при грамотной настройке поднимает средний чек и глубину просмотра, а при небрежной — раздражает покупателя товарами не в наличии и подборками «пальцем в небо». Разница между этими двумя исходами — в том, на каких данных обучена модель и как встроены блоки.

В этой статье разберём, как работают рекомендации на 1С-Битрикс: чем товарные подборки отличаются от персональных, на чём обучается модель, как пережить холодный старт, где ставить блоки и как понять, что они приносят деньги, а не занимают место. Отдельно поговорим о том, почему всё упирается в качество данных из учётной системы — и почему полезно начать с аудита и оптимизации 1С.

Зачем магазину рекомендации

Рекомендации решают две коммерческие задачи. Первая — поднять средний чек: показать сопутствующие товары, аксессуары, расходники, о которых покупатель не подумал. Вторая — удержать внимание и увеличить глубину просмотра: предложить альтернативу, если текущий товар не подошёл, и не дать человеку уйти с пустыми руками.

Для покупателя хорошие рекомендации — это помощь, а не навязывание. Он ищет чехол к телефону, кабель к технике, картридж к принтеру — и блок «с этим покупают» экономит ему поиск. Плохие рекомендации, наоборот, показывают случайное или недоступное и подрывают доверие. Поэтому вопрос не «включать ли рекомендации», а «как сделать их полезными» — иначе блок работает против магазина.

Как устроены рекомендации в 1С-Битрикс

1С-Битрикс не заставляет магазин строить систему машинного обучения с нуля. В платформу встроен сервис персонализации на базе технологии BigData: он собирает обезличенные данные о поведении посетителей со множества магазинов на платформе и на их основе подбирает товары под конкретного пользователя. Магазин подключает сервис и выводит рекомендации готовыми компонентами.

На практике это несколько типовых блоков:

• Персональные рекомендации. Подборка под пользователя на основе его поведения и общей модели сервиса.
• «С этим товаром покупают». Сопутствующие позиции, которые часто берут вместе с текущей.
• Похожие и просмотренные. Альтернативы товару и история просмотров пользователя.
• Подборки для категории. Хиты, новинки, лидеры продаж внутри раздела каталога.

Данные о поведении собираются счётчиком, который проставляется на страницах каталога, карточки и корзины. Именно эти события — просмотр, добавление в корзину, покупка — питают модель. Чем полнее и чище разметка, тем точнее подбор. Настройка блоков и их шаблонов — задача уровня компонентов и вёрстки, а вот качество источника данных зависит от каталога и обмена.

Товарные и персональные рекомендации

Две большие семьи рекомендаций решают разные задачи, и путать их не стоит.

Правильная стратегия — сочетать оба типа. В карточке товара уместны товарные блоки: они не требуют истории и сразу подсказывают сопутствующее. На главной и в письмах — персональные: там есть смысл подстраиваться под вернувшегося пользователя. Начинать почти всегда стоит с товарных: они дают эффект немедленно и не страдают от холодного старта.

На каких данных обучается модель

Любая рекомендательная система — это отражение поведения покупателей. Модель учится на событиях, которые фиксирует сайт, и качество её выводов прямо зависит от полноты и чистоты этих событий.

• Просмотры карточек. Что человек смотрит — базовый сигнал интереса.
• Добавления в корзину. Более сильный сигнал намерения, чем просмотр.
• Оформленные заказы. Самый ценный сигнал: что реально покупают и в каких сочетаниях.
• Совместные покупки. Какие товары регулярно берут вместе — основа блока «с этим покупают».

Здесь важно понимать: модель отражает то, что вы ей показываете. Если каталог замусорен дублями, неактивными товарами и неверными категориями, рекомендации наследуют этот беспорядок. Поэтому подготовка данных — не разовая, а постоянная работа: чистый каталог, корректные связи товаров и стабильный обмен с учётной системой. Автоматизировать выгрузку и поддерживать порядок в номенклатуре помогает автоматизация на 1С.

Проблема холодного старта

Холодный старт — главная сложность любой рекомендательной системы. Пока данных мало (новый магазин, низкий трафик, только что добавленный товар), модели не на чем учиться, и персональные подборки получаются слабыми или случайными. Игнорировать это нельзя — иначе первые посетители увидят бесполезные блоки и решат, что рекомендации не работают.

Обходят холодный старт заменой персонализации на детерминированные подборки, которые не требуют истории:

• Хиты и лидеры продаж. Товары, которые покупают чаще всего в категории.
• Новинки. Свежие поступления — их интересно показать, даже без истории.
• Ручные подборки. Кураторские блоки от контент-менеджера под сезон или акцию.
• Товарные связи. «С этим покупают» на основе даже небольшой статистики заказов.

По мере накопления данных долю персональных рекомендаций увеличивают. Разумная тактика — начать с товарных и ручных блоков, а персональные включать там, где уже есть достаточный поток. Так магазин получает пользу с первого дня и плавно переходит к персонализации без провала на старте.

Где размещать блоки рекомендаций

Место размещения важнее алгоритма: даже отличная подборка бесполезна там, где её никто не увидит или где она не отвечает на вопрос покупателя. Каждый блок должен решать конкретную задачу в конкретной точке пути.

• Карточка товара. «Похожие» — если этот не подошёл; «с этим покупают» — сопутствующее и аксессуары.
• Корзина. «Добавьте к заказу» — мелочи и расходники, которые логично докупить перед оплатой.
• Главная и кабинет. Персональная подборка для вернувшегося пользователя.
• Страница «не найдено». Вместо пустого экрана — популярное и релевантное, чтобы удержать посетителя.
• Письма. Персональные рекомендации в рассылках и триггерных письмах.

Ключевое ограничение — не перегружать страницу. Два-три уместных блока работают лучше, чем десяток разнородных подборок, среди которых теряется главное. Каждый лишний блок разбавляет внимание и замедляет страницу. Скорость тут тоже критична: медленные блоки рекомендаций тормозят карточку, а на неё завязана вся конверсия.

Роль данных из 1С и остатков

Рекомендация приводит покупателя к товару — и если этого товара нет в наличии или у него неверная цена, эффект отрицательный. Поэтому качество рекомендаций напрямую зависит от того, насколько актуальны данные о каталоге, ценах и остатках, а они в большинстве магазинов приходят из 1С по обмену.

Что должно быть в порядке до запуска рекомендаций:

• Актуальные остатки. Из выдачи исключаются товары без остатка — иначе блок ведёт в тупик.
• Корректные цены. Рекомендованный товар с устаревшей ценой подрывает доверие.
• Активность товаров. Снятые с продажи позиции не должны попадать в подборки.
• Верные категории и связи. Без них «похожие» и «сопутствующие» подбираются мимо.

Всё это держится на стабильном и своевременном обмене с учётной системой. Если остатки обновляются раз в сутки, а продажи идут активно, рекомендации регулярно приводят к тому, чего уже нет. Настроить оперативный обмен продажами и складом помогает автоматизация продаж и склада на 1С. Про инфраструктуру, которая держит частый обмен под нагрузкой, — материал про хостинг и инфраструктуру BitrixVM.

Свой движок против штатного сервиса

Штатный BigData-сервис хорош тем, что не требует разработки модели: подключил, настроил блоки — работает. Но он даёт ограниченный контроль над логикой. Если бизнесу нужно учитывать в рекомендациях маржинальность, приоритетные бренды, остатки конкретного склада или собственные правила, штатного сервиса не хватает — и тогда строят собственный движок.

Собственная рекомендательная система обучается на ваших данных о заказах и каталоге и позволяет заложить бизнес-правила: продвигать маржинальное, не рекомендовать неликвид, учитывать регион и склад. Это отдельная разработка, и она оправдана на большом обороте, где даже небольшой рост точности даёт заметные деньги. Архитектурно такой движок обычно оформляют как отдельный модуль — о подходе к этому мы пишем в статье про разработку собственного модуля Битрикс, а про вынос тяжёлой логики в отдельный сервис — в материале про разработку модуля для маркетплейса на Битрикс.

Выбор между штатным сервисом и своим движком — это баланс скорости и контроля. Начинать почти всегда разумно со встроенного: он даёт результат быстро и дёшево. К своему движку переходят, когда упёрлись в его ограничения и есть данные и оборот, оправдывающие разработку.

Метрики и оценка эффективности

Рекомендации легко «улучшать» бесконечно, не понимая, дают ли они деньги. Чтобы решения были обоснованными, нужен набор метрик и способ сравнения — A/B-тест или контрольная группа без рекомендаций.

• CTR блоков. Доля кликов по рекомендациям — показывает, интересны ли подборки.
• Доля заказов с рекомендованным товаром. Сколько покупок содержат позицию из блоков.
• Рост среднего чека. Насколько подборки увеличивают сумму заказа.
• Выручка на посетителя. Итоговый коммерческий эффект в сравнении с группой без блоков.

Без контрольной группы легко приписать рекомендациям заказы, которые случились бы и так. Сравнение двух групп — с блоками и без — отвечает на главный вопрос: сколько дополнительной выручки принесла именно персонализация. Это и есть основа для решения, стоит ли инвестировать в свой движок или достаточно штатного сервиса.

Как внедрять пошагово

Внедрение рекомендаций — не «включить кнопку», а последовательность шагов, где подготовка данных важнее выбора алгоритма.

1. Наведите порядок в данных. Актуальные остатки, цены, категории и связи товаров из 1С — фундамент любых рекомендаций.
2. Разметьте события. Убедитесь, что просмотры, корзины и заказы корректно фиксируются на всех нужных страницах.
3. Начните с товарных блоков. «С этим покупают» и «похожие» в карточке дают эффект сразу и переживают холодный старт.
4. Добавьте подстраховку. Хиты, новинки и ручные подборки там, где данных пока мало.
5. Включите персональные блоки. На главной, в кабинете и письмах — по мере накопления истории.
6. Отфильтруйте недоступное. Исключите из выдачи товары без остатка, неактивные и с неверной ценой.
7. Замерьте эффект. Запустите A/B-тест против группы без рекомендаций и оцените выручку.

Частые ошибки

• Запуск на грязных данных. Дубли, неверные категории и неактивные товары превращают подборки в мусор.
• Товары не в наличии. Рекомендации ведут к тому, чего нет на складе, — покупатель раздражается.
• Ставка на персонализацию с первого дня. На низком трафике персональные блоки пусты; нужен холодный старт.
• Перегруз страницы. Десяток блоков вместо двух-трёх размывает внимание и тормозит сайт.
• Нет измерения. Эффект оценивают «на глаз», без контрольной группы и A/B-теста.
• Одинаковые блоки везде. «Похожие» в корзине и «сопутствующие» на главной — блок не отвечает на вопрос точки пути.
• Игнор маржи и остатков. Штатный сервис продвигает неликвид, а бизнес-правила не заложены.

Чек-лист внедрения

1. Данные в порядке. Остатки, цены, категории и связи актуальны и приходят стабильным обменом.
2. События размечены. Просмотры, корзины и заказы фиксируются на всех ключевых страницах.
3. Товарные блоки запущены. «С этим покупают» и «похожие» работают в карточке и корзине.
4. Холодный старт закрыт. Есть хиты, новинки и ручные подборки на случай нехватки данных.
5. Персонализация включена. Персональные блоки работают на главной, в кабинете и письмах.
6. Недоступное отфильтровано. В выдаче нет товаров без остатка, неактивных и с неверной ценой.
7. Эффект измеряется. Есть A/B-тест или контрольная группа и понятные метрики выручки.

Вывод

Рекомендации «вам может понравиться» — это не магия алгоритма, а следствие качества данных и продуманного размещения блоков. На 1С-Битрикс есть встроенный BigData-сервис, который снимает необходимость строить модель с нуля: магазину остаётся навести порядок в каталоге, разметить события и грамотно расставить блоки под задачи каждой точки пути покупателя.

Начните с товарных подборок — они дают эффект сразу и не боятся холодного старта. Закройте нехватку данных хитами и ручными блоками, добавьте персонализацию по мере роста трафика и обязательно измеряйте вклад в выручку через контрольную группу. А если упрётесь в ограничения штатного сервиса и обороты позволят — переходите к собственному движку с бизнес-правилами. Но фундамент всегда один: чистые, актуальные данные из учётной системы.