Рекомендательные технологии

Правила применения рекомендательных технологий
01 июля 2026 г.

На Сервисе применяются рекомендательные технологии.
Правила описывают механизмы и принципы работы рекомендательных технологий Сервиса, а также раскрывает, какие именно сведения о пользователях собираются и используются для формирования рекомендаций.
Если у вас возникнут вопросы, напишите нам на support@ibt.ru.

Термины
Компания — ООО «БТ Юнайтед»
Сервис — сайт и программный комплекс Компании, расположенный по адресу www.ibt.ru (включая поддомены)
Пользователь — физическое лицо, использующее Сервис
Рекомендательные технологии — информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.

Рекомендательные технологии представляют собой автоматизированные системы, предназначенные для подбора наиболее релевантных товаров и услуг для каждого пользователя с целью персонализации клиентского опыта.
Для формирования индивидуальных предложений алгоритмы анализируют поведенческие факторы пользователя на сайте, включая историю просмотров товаров и категорий, совершенные покупки, выставленные оценки и поисковые запросы на Сервисе.

Как формируются рекомендации
1. Сбор данных и обучение алгоритмов. Процесс формирования рекомендаций начинается со сбора и анализа данных о взаимодействии пользователей с Сервисом. В расчет принимаются следующие действия:

просмотры страниц товаров и услуг;
просмотры страниц категорий;
просмотры страниц результатов поиска;
составы оформленных заказов.

Сбор и обработка данных осуществляются в строгом соответствии с политикой конфиденциальности. Вся информация является полностью обезличенной, не позволяет идентифицировать конкретного пользователя или его устройство и используется исключительно в рамках функционирования рекомендательной системы данного Сервиса.

2. Сопоставление данных о поведении с данными каталога. Для генерации точных рекомендаций алгоритмы сопоставляют поведенческие данные с характеристиками товаров из каталога. Анализ свойств товаров (категория, бренд, цена, технические параметры) позволяет определить релевантные связи и найти товары, которые с наибольшей вероятностью заинтересуют пользователя.

3. Подбор рекомендаций. На платформе применяются два основных подхода к формированию рекомендаций: персонализированные и неперсонализированные.

Неперсонализированные рекомендации:

подбор похожих товаров. Алгоритмы анализируют атрибуты продукта, которым интересуется пользователь (категория, производитель, характеристики), а также агрегированные данные о просмотрах других пользователей. На основе этих признаков формируется список товаров-аналогов;
подбор сопутствующих товаров. Система анализирует агрегированные данные о том, какие товары чаще всего приобретались или просматривались вместе с данным товаром другими пользователями. На основе этих ассоциативных правил предлагаются сопутствующие позиции;
подбор популярных товаров. Алгоритмы определяют наиболее востребованные товары на основе общей статистики просмотров и покупок всех пользователей интернет-магазина.

4. Персонализированные рекомендации: данный подход основан на анализе поведенческих данных конкретного пользователя. Алгоритм формирует предложения, наиболее релевантные его индивидуальным интересам и текущей сессии на Сервисе.

Работа с дополнительными характеристиками
На финальном этапе для повышения точности рекомендаций к сформированным спискам могут применяться дополнительные фильтры и условия, такие как ценовой диапазон, наличие товара на складе или участие в акции.

Где отображаются рекомендации
После настройки и обучения алгоритмов блоки рекомендаций интегрируются на страницы Сервиса для стимулирования продаж и улучшения навигации. Места размещения: главная страница, разделы каталога, страница с результатами поисковой выдачи, страницы конкретных товаров, корзина, а также страницы оформления заказа.