Now reading:
Silnik rekomendacji produktów dla stron internetowych — inteligentne narzędzie nie tylko dla e-commerce

Silnik rekomendacji produktów dla stron internetowych — inteligentne narzędzie nie tylko dla e-commerce

Avatar Zuzanna Pajorska
09 grudnia 2021
clock icon 14 min
Silnik rekomendacji produktów dla stron internetowych

Rekomendacje produktowe — to temat, w którym od jakiegoś czasu zagłębiamy się w kontekście eCommerce na naszym blogu. Najwyższy czas poszerzyć perspektywę i skupić się na innych rodzajach spersonalizowanych rekomendacji produktów opartych na sztucznej inteligencji. Przyjrzyjmy się bliżej zastosowaniom tego narzędzia w różnego rodzaju wirynach, takich jak: serwisy streamingowe, marketplace'y, apliakcje mobilne, portale rekrutacyjne i innych.

W tym artykule odpowiemy na następujące pytania:

  • Czym są rekomendacje produktów?
  • Kiedy wdrażać spersonalizowane rekomendacje produktowe?
  • W jakich serwisach można zastosować system rekomendacji?
  • W jaki sposób różne branże mogą skorzystać z systemu rekomendacji?
  • Gdzie umieścić baner z rekomendacjami na swojej stronie?
  • Jak zainstalować silnik rekomendacji?


Silnik rekomendacji produktów dla stron internetowych

Spersonalizowane rekomendacje produktów oparte na sztucznej inteligencji — od czego zacząć?


Bez względu na branżę, z której pochodzisz, zanim zamieścisz rekomendacje na swojej stronie, odpowiedz na poniższe pytania, które dla Ciebie przygotowaliśmy. Sprawdź, jakie atrybuty oferowanych przez Ciebie produktów są konieczne do zdefiniowania, aby rekomendowane produkty zgadzały się z preferencjami użytkowników.

Następnie przejdziemy do praktycznej części, w której pokażemy, jak szybko skonfigurować narzędzie. Wskażemy także, jakie typy rekomendacji powinieneś wdrożyć. Spoiler: instalacja nie wymaga kodowania!

Czym dokładnie jest silnik rekomendacji produktów?

Skoro nie mówimy dziś tylko o rekomendacjach produktowych w sklepach internetowych, to ustalmy, co w kontekście innych witryn rozumiemy poprzez termin produkt.

Produkt to element na stronie, który algorytm machine learning rozpoznaje, identyfikuje i odpowiednio klasyfikuje. Następnie filtruje dane i wyszukuje cechy wspólne pomiędzy grupą elementów o podobnych parametrach i wyświetla je w postaci spersonalizowanego banera rekomendacji dla danego użytkownika.

Produktami mogą być: filmy, ogłoszenia, posty na blogach, gry, oferty pracy, pliki muzyczne, treści w aplikacjach mobilnych itp.

System rekomendacji produktów to silnik oparty na sztucznej inteligencji, który tworzy spersonalizowany zestaw produktów dla każdego użytkownika strony.

Polecana lista produktów nie jest przypadkowa. Zaawansowane algorytmy machine learning generują ją na podstawie dwóch głównych atrybutów: specyfikacji produktu oraz danych na temat ruchu i kliknięć, które pozostawia dany użytkownik. W ten sposób każdy odwiedzający witrynę otrzymuje spersonalizowane rekomendacje.

poznaj moc rekomendacji zakupowych
Działanie silnika rekomendacji produktów

Dowiedz się więcej, jak działa silnik rekomendacji produktów z naszego poprzedniego artykułu, w którym szczegółowo omawiamy ten temat w kontekście e-commerce: Silnik rekomendacji produktowych w pigułce: co to jest i jak działa?

W przypadku innych typów witryn silnik rekomendacji produktów działa podobnie. Więcej na ten temat znajdziesz poniżej w sekcji: „5 rodzajów stron internetowych, do których warto wprowadzić rekomendacje produktów".


Kiedy wdrozyć rekomendacje produktowe?


W fazie planowania strategii rekomendacji sprawdź, czy:


Twoja witryna ma co najmniej 1 000 odsłon dziennie


Silnik rekomendacji działa w oparciu o algorytm uczenia maszynowego. Oznacza to, że do wygenerowania rekomendacji produktowych potrzebne jest co najmniej 1000 odsłon dziennie. Jeśli Twoja witryna jest odwiedzana częściej, to znaczy, że jest gotowa do przeniesienia ją na wyższy poziom automatyzacji.


Twój katalog zawiera co najmniej 100 produktów


Do działania silnika rekomendacji potrzebny jest zestaw danych, który zawiera minimum 100 produktów. Im więcej elementów jest na Twojej witrynie, tym rekomendacje są trafniejsze i dokładniejsze.

Następnym krokiem jest analiza dostępnych silników rekomendacji pod kątem:

  • szybka i łatwa integracja;
  • obsługa klienta i wsparcie;
  • długość okresu próbnego (optymalny czas dla systemu na analizę danych to 30 dni);
  • możliwość bezstronnej analizy skuteczności (np. poprzez integrację narzędzia z Twoim Google Analytics);
  • szeroki wybór modeli rekomendacji;
  • łatwe i wygodne dostosowanie wyglądu do strony oraz możliwosć umieszczenia rekomendacji w wielu miejscach na stronie;
  • przyjazny i intuicyjny interfejs.

5 rodzajów stron internetowych, do których warto wprowadzić rekomendacje produktów


1. Platformy wideo


Jeśli kiedykolwiek zastanawiałeś się, jaki jest sekret popularności YouTube, jedną z odpowiedzi jest: silnik rekomendacji.

Głównym celem systemu rekomendacji jest dopasowanie każdego materiału wideo do konkretnego widza, który z duzym prawdopodobieństwem ten film obejrzy i mu się spodoba. Alogrytm rekomendujący YouTube'a wydłuższa czas oglądania, o czym mówił w 2018 roku sam Neal Mohan, dyrektor ds. produktów YouTube:

Przez ponad 70 procent czasu, który spędzasz na oglądaniu wideo na ogromnej witrynie Google'a, jesteś zwabiony rekomendacjami opartymi na sztucznej inteligencji.

Jakiego rodzaju dane są przesyłane do silnika rekomendacji YouTube'a? Kluczowym czynnikiem w tworzeniu rekomendacji wideo jest zaangażowanie użytkowników. Rozumiemy przez to historię zachowań użytkowników mierzoną za pomocą:

  • kliknięć,
  • czasu oglądania,
  • subskrypcji,
  • udostępniania,
  • polubień,
  • komentarzy,
  • historia oglądania i przeglądania.
rekomendacje youtube
Źródło Deep Neural Networks for YouTube Recommendations

Aby system rekomendacji działał na platformie wideo, każdy materiał musi mieć szczegółowy opis, który zawiera następujące parametry:

  • tytuł,
  • opis,
  • kategoria,
  • gatunek,
  • rodzaj treści,
  • język,
  • tagi,
  • zdjęcie.

Dzięki takiemu zestawowi danych silnik jest w stanie generować spersonalizowane rekomendacje dostosowane do użytkownika.


Korzyści z rekomendacji na platformach wideo:


  • pomaga stworzyć unikalne doświadczenie użytkownika,
  • zwiększa zaangażowanie użytkowników,
  • zwiększa czas oglądania,
  • dostarcza spersonalizowaną treść dla użytkowników.

2. Portale rekrutacyjne


Działy HR również mogą skorzystać z zalet systemu rekomendacji produktów. Algorytm rekomendujący pomaga rekruterom dopasować kandydatów do oferty pracy. Dzięki temu proces aplikacji jest znacznie łatwiejszy. Silnik rekomendacji wyświetla sprofilowane oferty pracy tym kandydatom, którzy mają wymagane umiejętności, doświadczenie, zainteresowania, dostępność, lokalizację itd.

Jest to możliwe dzięki metodzie filtrowania, która kategoryzuje dane, a następnie dostosowuje rekomendacje ofert pracy do konkretnego użytkownika.

product recommendations
Źródło No Fluff Jobs

W tym przypadku również potrzebny jest zestaw dwóch rodzajów danych: zachowania użytkownika i szczegółów produktu (przez produkt rozumiemy ofertę pracy).

Szczegóły, które powinny znaleźć się w ofercie pracy:

  • nazwa stanowiska,
  • wymagania,
  • lokalizacja,
  • tryb pracy (zdalna/w biurze/hybrydowa),
  • proces rekrutacji (zdalny lub w biurze),
  • zdjęcia, logo,
  • opis firmy,
  • wielkość firmy,
  • data publikacji i wygaśnięcia ogłoszenia,
  • wysokość pensji,
  • typ umowty (B2B, UoP),
  • benfefity.

System odczytuje powyższe dane jako osobny atrybut, który można dopasować do preferencji i profilu użytkownika. System uczenia maszynowego rozpoznaje oczekiwania kandydatów i wyświetla oferty pracy, które pasują do wcześniejszych wyszukiwań lub historii aplikacji.

Rekomendacje można również uwzględnić w strategii e-mail marketingu. Rozwiązanie to umożliwia wysyłanie spersonalizowanych ofert pracy bezpośrednio na skrzynkę potencjalnego kandydata.


Korzyści z rekomendacji w usługach rekrutacyjnych:


  • łatwiejszy proces aplikacji,
  • szybsza nawigacja po portalach pracy,
  • łatwiejsze dotarcie do interesujących ofert,
  • dedykowane i spersonalizowane oferty pracy,
  • większe prawdopodobeństwo znalezienia idealnych kandydatów.

3. Marketplace


W dzisiejszych czasach coraz więcej sprzedawców internetowych sprzedaje produkty lub usługi na platformach typu Marketplace. W przeciwieństwie do tradycyjnego sklepu internetowego, sprzedaż produktów lub usług odbywa się za pośrednictwem gotowej platformy już wyselekcjonowanej bazie klientów. Kolejną różnicą jest to, że właściciele witryn marketplace otrzymują prowizję od każdej transakcji.

W celu zwiększenia sprzedaży i zaangażowania klientów, większość marketplace'ów wprowadza system rekomendacji, który wyświetla produkty uzupełniające w takich lokalizacjach jak: strona produktu, strona kategorii, strona główna, inteligentna wyszukiwarka, koszyk zakupowy i newslettery.

algorytm rekomendujący w witrynie amazon
Source: Amazon

Aby dotrzeć do jak największego grona odbiorców, osoby sprzedające za pośrednictwem marketplace'ów muszą zadbać o widocznośc swoich produktów w banerach rekomendacji. Zasada jest prosta: im bardziej szczegółowy i dopracowany opis produktu, tym większa sznsa wyświetlania jego oferty w banerze rekomendującym.

Sprzedawca internetowy powinien pamiętać o następujących atrybutach:

  • szczegółowy opis produktu,
  • dobra jakość zdjęć przedstawiająca produkt od każdej strony,
  • nazwa producenta,
  • kategoria,
  • cena,
  • stan (jeśli jest to przedmiot używany),
  • materiał wykonania,
  • kolor,
  • lokalizacja,
  • sposób wysyłki.

Co więcej, spersonalizowane rekomendacje produktów wraz z opiniami klientów są najbardziej skutecznymi sposobami na włączenie strategii social-proof (społeczny dowód słuszności).

Jeżeli użytkownik zobaczy, że inni użytkownicy o podobnym profilu kupowali dane produkty, to szansa na to, że zdecyduje się zobaczyć te produkty rośnie.

Jednym z najpopularniejszych systemów rekomendacji e-commerce na rynku marketplace'ów jest ten opracowany przez Amazon. System wybiera produkty dla każdego użytkownika na podstawie jego wcześniejszych zakupów, preferencji , interakcji i ocen innych produktów. Następnie łączy je z innymi produktami oglądanymi przez użytkowników o podobnych preferencjach i zainteresowaniach. W ten sposób zamiast przypadkowych promocji, użytkownik otrzymuje spersonalizowane zachęty zakupowe.

Dowiedz się więcej o systemie rekomendacji produktów Amazon w naszym poprzednim artykule.


Korzyści z rekomendacji produktów w marketplace'ach:


  • zwiększają sprzedaż,
  • zwiększają średnią wartość zamówienia,
  • zachęcają potencjalnego klienta do zakupu produktów,
  • zwiększają zasięg klientów,
  • zwiększają współczynnik klikalności (CTR),
  • ułatwiają nawigazję po platformie.

3. Portale streamingowe


Podobnie jak wspomniane wcześniej platformy wideo, platformy streamingowe swoją popularność zawdzięczają spersonalizowanym rekomendacjom przedmiotów. Przy tak szerokiej bibliotece filmów, filmów, muzyki, gier lub podcastów dostępnych online, konieczne jest ułatwienie użytkownikom znajdowania treści, które mogą im się spodobać.

Rzućmy okiem na system rekomendacji największych platform streamingowych, takich jak: Netflix i Spotify.

Rekomendacje muzyki i podcastów przez Spotify

Platforma streamingowa Spotify, która oferuje szeroki katalog muzyki i podcastów zbiera dane użytkownika od momentu rejestracji. System rekomendacji Spotify śledzi historię przeglądania każdego użytkownika, a następnie analizuje i kategoryzuje dane oraz wyszukuje korelacje między utworami, gatunkami muzycznymi, tematami podcastów. Następnie porównuje preferencje użytkownika z całą bazą danych użytkowników i tworzy sugestie oraz spersonalizowane playlisty.

System Spotify łączy trzy strategie rekomendacji:

Model Collaborative Filtering —ta metoda filtrowania analizuje zachowanie i preferencje każdego użytkownika.

Model NLP — analizuje teksty, opisy itemó, grafiki i zdjęcia, aktualnie topowych wykonawców, piosenki lub podcasty.

Model audio - analizuje ścieżki audio w poszukiwaniu podobieństw w rytmie, tempie, gatunkach, wokalach i instrumentach itp.

silniki rekomendacji spotify

Rekomendacje filmów i seriali Netflixa

W przypadku algorytmu Netflixa głównymi parametrami analizowanymi przez system uczenia maszynowego do generowania rekomendacji filmów są:

  • historia obejrzanych filmów,
  • produkcje oznaczone jako ulubione,
  • podobieństwo obejrzanych produkcji,
  • kategorie filmowe,
  • gatunki filmów i seriali,
  • tagi,
  • języki,
  • opis produkcji (w tym fabuła, obsada, reżyser, scenarzysta, wytwórnia, rok produkcji, itp.),
  • grafiki i zdjęcia (Netflix tworzy kilka wersji miniatury dla każdego serialu lub filmu, a następnie na podstawie danych użytkownika prezentuje mu tą, która najbardziej mu się spodoba),
  • typ (film, serial, dokument, animacja, dla dzieci),
  • lokalizacja użytkownika,
  • minimalny wiek użytkownika.

silniki rekomendacji netflix


Korzyści z rekomendacji w serwisach streamingowych:


  • wyższy czas oglądania
  • budowanie zaufania i satysfakcji użytkowników,
  • łatwiejsza nawigacja po platformie,
  • wzrost liczby subskrybentów,
  • personalizacja.

4. Aplikacje mobilne


Coraz więcej aplikacji opracowuje własny system rekomendacji, aby zwiększyć zaangażowanie użytkowników. Najlepszym przykładem tego przypadku użycia jest TikTok. W 2021 roku najpopularniejsza aplikacja mobilna gromadzi 1 miliard aktywnych użytkowników i liczba ta stale rośnie.

Jednym z głównych czynników przyczyniających się do tego fenomenu jest algorytm TikToka podpowiadający wideo.

Od zebrania danych użytkownika do wyświetlenia spersonalizowanego kanału ze spersonalizowaną treścią dzieli się 5 kroków:

  1. Pierwszy kontakt z użytkownikiem - gdy user otwiera aplikację TikTok po raz pierwszy, prezentowanych mu jest 8 popularnych filmów przedstawiających różne, obecnie popularne trendy, muzykę i inne tematy.
  2. Generowanie kolejnych rekomendacji - w kolejnym kroku silnik rekomendacji identyfikuje filmy podobne do tych, które najbardziej zainteresowały użytkownika. Robi to na podstawie dostępnych informacji na temat poszczególnych materiałów - lokalizacji, komentarzy, podpisów, hashtagów i dźwięków. W tym miejscu mamy do czynienia z klasycznym przykładem metody filtrowania content-based.
  3. Tworzenie grup podobnych filmów i użytkowników - gdy system rekomendacji TikToka zbierze wystarczającą ilość danych o danym użytkowniku, aplikacja jest w stanie odwzorować jego preferencje w odniesieniu do innych osób o podobnych zainteresowaniach i pogrupować je w tzw. „klastry”. W grupowaniu tym znaczenie mają także podstawowe kategorie i tematy filmów takie jak na przykład “motoryzacja” czy “komedia”.
  4. Mierzenie zaangażowania użytkowników w poszczególnych grupach - silnik rekomendacji przypisuje grupy materiałów do poszczególnych grup użytkowników na podstawie ich podobieństwa i sprawdza, w jaki sposób użytkownicy je odbierają.
  5. Zapobieganie nudzie- aplikacja Tik Tok i jej system rekomendacji cały czas stara się utrzymać uwagę użytkowników poprzez prezentowanie im ciekawych treści. Ze względu na to  algorytm stara się unikać nadmiarowej powtarzalności materiałów, które po czasie mogłyby nudzić danego użytkownika.
algorytm rekomendujący tiktoka
Źródło: Veed.io

Korzyści z rekomendacji produktów w aplikacjach mobilnych:


  • zwiększenie wskaźnika zaangażowania,
  • ulepszenie UX,
  • wzrost liczby nowych użytkowników,
  • spersonalizowane doświadczenie dla każdego użytkownika,
  • dostarczanie bardziej wartościowych i dopasowanych treści,
  • budowanie satysfakcji użytkowników,
  • wyższy czas spędzany w aplikacji.

6. Rekomendacje zakupowe w sklepie internetowym


Nie ma wątpliwości, że silniki rekomendacji produktów są szeroko stosowane w witrynach e-commerce. Sklep internetowy, który dba o doświadczenia klienta i chce spersonalizować ścieżkę zakupową, zdecydowanie powinien rozważyć wprowadzenie rekomendacji zakupowych.

Systemy rekomendacji e-commerce wykorzystują do swojego działania 3 rodzaje danych (atrybucji):

  • Cechy produktu - nazwa, cena, specyfikacja, opis produktu, zdjęcie, kategoria itp.
  • Ruch użytkowników – odwiedzane strony, zachowania użytkowników, strony produktów, produkty dodane do koszyka itp.
  • Interakcja użytkownika z rekomendacjami - kliknięcia w rekomendacje produktów.
rekomendacje produktowe

Silnik rekomendacji działa wydajnie dzięki informacji, które są pozyskiwane za pośrednictwem plików cookies: ( dane o zachowaniach użytkowników), jak i bezpośrednio ze strony sklepu (szczegóły na karcie produktu).

Im dłużej silnik zbiera dane na temat ruchu, transakcji, zachowań i preferencji użytkowników itp, tym lepiej dopasowane produkty będą się pojawiać w banerze rekomendacji konkretnemu użytkownikowi.

Spersonalizowane rekomendacje zakupowe to dobry wybór dla sprzedawców internetowych, którzy planują opracować strategię cross-sellingu i up-sellingu. Modele rekomendacji do sprzedaży krzyżowej, które generują zestaw uzupełniających produktów na podstawie historii przeglądanych kategorii i zachowania użytkownika, to przykładwo: „Inni też kupowali” czy „Często kupowali razem”, "Najczęściej kupowane produkty".

Jest to świetny sposób na zaprezentowanie szerszej gamy produktów, które zachęcają klientów do dodania dodatkowych akcesoriów do koszyka. Modele te działają najskuteczniej na stronie produktu, stronie koszyka oraz w pop-upach pojawiającym się po dodaniu konkretnego produktu do koszyka.


Korzyści z rekomendacji zakupowych w sklepach internetowych:


  • personalizacja zakupów,
  • wzrost sprzedaży,
  • cross-selling i up-selling,
  • łatwiejsza nawigacja po sklepie,
  • optymalizacja AI w czasie rzeczywistym,
  • budowanie zaufania klientów,
  • modernizacja sklepu internetowego,
  • poprawa wskaźnika CTR,
  • wzrost konwersji,
  • personalizacja doświadczeń klienta,
  • obserwacja nawyków zakupowych klientów,
  • odzyskiwanie konwersji na stronach niedostępnych produktów (system zaproponuje najlepszy zamiennik lub podobne produkty),
  • wzrost wartości koszyka,
  • redukcja porzuconych koszyków,
  • zwiększenie satysfakcji klientów,
  • ułatwienie dalszej eksploracji sklepu.

Strategiczne lokalizacje do wyświetlania spersonalizowanych rekomendacji produktów


Aby wykorzystać siłę rekomendacji produktowych należy wybrać odpowiedni model rekomendacji w odpowiednim miejscu na stronie sklepu. Statystyki wdrożeń systemów rekomendacji wskazują, że lokalizacje rekomendacji o największym potencjale zwiększenia przychodów to (zaczynając od najbardziej efektywnych):

  • Strona produktu
  • Strona główna
  • Strona kategorii
  • Wyszukiwarka na stronie
  • Pop-up na stronie niedostępnego produktu
  • Pop-up po dodaniu do koszyka
  • Strona główna
  • Strona koszyka na zakupy
  • Artykuł na blogu
możesz rekomendować produktu na blogu i na stronie głównej

Jak zainstalować silnik rekomendacji na mojej stronie?


Instalacja systemu rekomendacji produktów jest bardzo prosta i szybka, co czyni to narzędzie łatwo dostępnym dla każdego. Wystarczy zarejestrować witrynę i wkleić automatycznie wygenerowany fragment kodu JavaScript w sekcji <head> w kodzie witryny (np. za pomocą Google Tag Manager). Konfiguracja trwa 1 dzień roboczy. Banery rekomendacji są dostosowane do wyglądu serwisu i można swobodnie wybrać, gdzie je umieścić.


Rodzaje spersonalizowanych rekomendacji produktów do wyboru:


  • Bestsellery w sklepie
  • Cross-selling
  • Najbardziej podobne w kategorii
  • Zmaksymalizowana konwersja AI
  • Najbardziej podobne produkty w sklepie
  • Najczęściej oglądane produkty w kategorii
  • Inni również dodali do koszyka
  • Inni również oglądali
  • Rekomendacje manualne
  • Ostatnio oglądane
  • Często kupowane razem

Silnik rekomendacji jako sposób na zaprezentowanie szerszej gamy produktów


System rekomendacji ma zastosowanie w wielu branżach. Przeszliśmy przez 5 różnych typów stron internetowych, na których można zamieścić rekomendacje produktów. Wśród wielu korzyści, które wskazaliśmy, jest kilka, które odnoszą się do każdego typu strony internetowej.

Zwiększenie zaangażowania użytkowników, wzrost konwersji oraz budowanie zaufania i satysfakcji użytkowników wydają się być uniwersalne i najsilniejsze. Na szczęście nie ma potrzeby opracowywania własnego systemu rekomendacji. Obecnie dostępnych jest na rynku wiele zewnętrznych silników rekomendacji, które można łatwo zintegrować z dowolnym typem witryn.


arrow-up icon