Система рекомендаций товаров на сайтах интернет-магазинов работает с помощью алгоритмов машинного обучения. 1 Они анализируют большие данные и находят в них закономерности, чтобы с высокой вероятностью предсказать, какие товары могут быть интересны пользователю. 1

Некоторые данные, которые используются для рекомендаций:

• характеристики товаров; 1
• цены; 1
• описания; 1
• отзывы и оценки; 1
• поисковые запросы пользователей; 1
• прошлые покупки; 1
• время, которое пользователь провёл на странице товара. 1

Существуют разные типы рекомендательных систем, которые различаются по тому, что служит фильтром для прогноза: 1

• Контентная фильтрация. 5 Система строит рекомендации на основе характеристик товара и показывает похожие или сопутствующие товары. 5 Например, если пользователь ищет чайник на 2 литра, то рекомендательная система покажет другие чайники на 2 литра. 5
• Коллаборативная фильтрация. 5 Алгоритм рекомендует товары на основе поведения покупателей: какие товары в категории быстрее покупают, добавляют в избранное, смотрят чаще всего и так далее. 5 Например, если вместе с плащом часто покупают зонт, то система может рекомендовать посетителю зонт. 5
• Фильтрация на основе знаний. 1 Система подбирает рекомендации по данным, которые объединены какой-то общей темой или интересами. 1 Например, если эту модель смартфона уже покупали вместе с чехлом, плёнкой на экран, наушниками и адаптером питания, то система предложит такое сочетание. 1
• Гибридная система. 15 Совмещает в себе контентную и коллаборативную фильтрацию, а также регрессивную модель. 5

Рекомендации обычно отображаются на странице сайта или приложения в отдельном блоке. 3 Иногда для рекомендаций также используются рассылки по электронной почте. 3