Правила применения рекомендательных технологий
На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации.
1. Термины и определения
1.1. Рекомендательные технологии – информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
1.2. Сервис – сайт https://levelkitchen.com/ и мобильное приложение «Level Kitchen: рационы питания»,предоставляющее доступ к данному сайту.
1.3. Пользователь – лицо, обращающееся к Сервису за получением необходимой ему информации и использующее её вне зависимости от факта авторизации на Сервисе.
1.4. Товары – услуги по составлению меню питания, формированию и приготовлению блюд, предлагаемые к приобретению через Сервис.
1.5. Рекомендация – предложение Пользователю Товаров на Сервисе, в основе которого лежит предположение о том, что Товар наиболее релевантен Предпочтениям Пользователя.
1.6. Предпочтения – действия, совершаемые Пользователем на Сервисе.
1.7. Рекомендательная модель – механизм, который принимает входящие к нему данные о Предпочтениях Пользователей, анализирует их и выдает наиболее релевантные Предпочтениям Пользователей Товары, то есть формирует Рекомендации.
2. Какие типы Рекомендаций есть на Сервисе?
2.1. Сервис использует Рекомендации двух типов:
- персонализированные Рекомендации;
- неперсонализированные Рекомендации.
2.2. Персонализированные Рекомендации – это предположение о том, какой Товар/акция может быть интересенПользователю исходя из сведений о действиях, совершённых данным Пользователем на Сервисе. Персонализированные Рекомендации демонстрируются Пользователю при условии наличия сведений о Предпочтениях данного Пользователя на Сервисе.
Методы предоставления Персонализированных Рекомендаций на Сервисе:
- Формирование рекомендационной персонализированной подборки для информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе.
2.3. Неперсонализированные Рекомендации – это предположение о том, какой Товар/акция может быть интересен Пользователю, без использования каких-либо сведений о Предпочтениях Пользователя.
Методы предоставления Неперсонализированных Рекомендаций на Сервисе:
- Формирование рекомендационного неперсонализированного информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе.
3. Как происходит сбор предпочтений Пользователей?
3.1. Данные о Предпочтениях Пользователей основаны на действиях, которые Пользователь совершает на Сервисе.
3.2. Сбор информации о Предпочтениях Пользователей, то есть о совершенных Пользователем на Сервисе действиях, происходит способом логирования – ведения технических записей о действиях пользователей на Сервисе и сохранения таких записей на хранилище Сервиса с целью последующего создания Рекомендаций.
4. Какие сведения о Пользователях относятся к Предпочтениям?
4.1. К данным о Предпочтениях Пользователей относятся сведения о:
- просмотре товаров на Сервисе;
- товарах, приобретённых через Сервис;
- устройстве, с которого выполнен вход на Сервис;
- времени посещения Сервиса / совершения действий на Сервисе (логи);
- участии в реферальной программе;
- ответах на опросы;
- взаимодействии с баннерами на Сервисе;
- переходах на Сервис с utm-метками сторонних сервисов/партнеров.
5. Что относится к источникам получения сведений о Предпочтениях?
5.1. Источник получения сведений о предпочтениях Пользователей для Рекомендаций на Сервисе – это поведение Пользователей на Сервисе.
6. Как создаются Рекомендации и происходит анализ Предпочтений Пользователей?
6.1. Для формирования Рекомендаций создаются Рекомендательные модели. Процесс создания Рекомендательной модели состоит из приведённых ниже этапов.
6.2. 1-й этап: Сбор сведений о Предпочтениях Пользователей.
Сбор сведений о Предпочтениях Пользователей осуществляется способом их логирования и последующего сохранения на хранилище данных Сервиса.
6.3. 2-й этап: Систематизация и анализ сведений о Предпочтениях Пользователей.
Систематизация и анализ сведений о Предпочтениях Пользователей происходит исходя из цели создания Рекомендательной модели и Рекомендаций, которые необходимо получить (например, подбор наиболее популярных Товаров/акций среди Пользователей, которые показывают схожие сценарии поведения на Сервисе). После определения цели происходит подбор требуемых для реализации цели данных о Предпочтениях, на основе которых будет выстроена Рекомендательная модель. Выделяются фичи (наборы свойств Товаров, которые могут повлиять на факт покупки Товара Пользователем): например, количество заказов Пользователя с данным товаром при наличии скидки на товар, количество покупок Пользователем товаров со скидкой, предыдущая цена товара, количество заказов с данным товаром и пр.
6.4. 3-й этап: Применение методов машинного обучения к используемым сведениям о Предпочтениях.
После систематизации данных, к сведениям о Предпочтениях Пользователей и фичам применяются методы машинного обучения: Рекомендательная модель формирует набор параметров, описывающих зависимости между входными данными (Предпочтениями Пользователей и фичами) и ответом (финальной Рекомендацией). Таким образом Рекомендательная модель производит оценку вероятности того, что Пользователь совершит определённое действие на Сервисе (например, добавит товар в корзину, купит товар).
6.5. 4-й этап: Проверка полученных результатов.
На данном этапе происходит проверка работы Рекомендательной модели и соответствия её ответов (финальных Рекомендаций для Пользователей) целям создания Рекомендательной модели. Проверка происходит следующим способом: Рекомендательной модели задаётся определённый вопрос, после чего она формирует ответ, который далее оценивается на предмет его корректности и соответствия заданным параметрам. На основании оценки качества ответов Рекомендательной модели принимается решение о применении Рекомендательной модели для выведения Рекомендаций Пользователям.
6.6. 5-й этап: Выведение Рекомендаций Пользователям.
На данном этапе Рекомендации демонстрируются Пользователям путем информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе, которые описаны в разделе 2 Правил применения рекомендательных технологий.
ООО «ЛЕВЕЛ МСК»
ОГРН 1187746870497
ИНН 7724457620
КПП 772501001
ОКПО 33700178
Юридический адрес и адрес для направления корреспонденции: 115432, г. Москва, вн. тер. г. муниципальный округ Даниловский, проезд Проектируемый 4062-й, д. 6, стр. 1, помещ. 15Б/5
Банк: ПАО «Сбербанк России» г. Москва БИК: 044525225
Корр. счет: 30101810400000000225
Расчетный счет: 40702810038000060637
1. Термины и определения
1.1. Рекомендательные технологии – информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
1.2. Сервис – сайт https://levelkitchen.com/ и мобильное приложение «Level Kitchen: рационы питания»,предоставляющее доступ к данному сайту.
1.3. Пользователь – лицо, обращающееся к Сервису за получением необходимой ему информации и использующее её вне зависимости от факта авторизации на Сервисе.
1.4. Товары – услуги по составлению меню питания, формированию и приготовлению блюд, предлагаемые к приобретению через Сервис.
1.5. Рекомендация – предложение Пользователю Товаров на Сервисе, в основе которого лежит предположение о том, что Товар наиболее релевантен Предпочтениям Пользователя.
1.6. Предпочтения – действия, совершаемые Пользователем на Сервисе.
1.7. Рекомендательная модель – механизм, который принимает входящие к нему данные о Предпочтениях Пользователей, анализирует их и выдает наиболее релевантные Предпочтениям Пользователей Товары, то есть формирует Рекомендации.
2. Какие типы Рекомендаций есть на Сервисе?
2.1. Сервис использует Рекомендации двух типов:
- персонализированные Рекомендации;
- неперсонализированные Рекомендации.
2.2. Персонализированные Рекомендации – это предположение о том, какой Товар/акция может быть интересенПользователю исходя из сведений о действиях, совершённых данным Пользователем на Сервисе. Персонализированные Рекомендации демонстрируются Пользователю при условии наличия сведений о Предпочтениях данного Пользователя на Сервисе.
Методы предоставления Персонализированных Рекомендаций на Сервисе:
- Формирование рекомендационной персонализированной подборки для информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе.
2.3. Неперсонализированные Рекомендации – это предположение о том, какой Товар/акция может быть интересен Пользователю, без использования каких-либо сведений о Предпочтениях Пользователя.
Методы предоставления Неперсонализированных Рекомендаций на Сервисе:
- Формирование рекомендационного неперсонализированного информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе.
3. Как происходит сбор предпочтений Пользователей?
3.1. Данные о Предпочтениях Пользователей основаны на действиях, которые Пользователь совершает на Сервисе.
3.2. Сбор информации о Предпочтениях Пользователей, то есть о совершенных Пользователем на Сервисе действиях, происходит способом логирования – ведения технических записей о действиях пользователей на Сервисе и сохранения таких записей на хранилище Сервиса с целью последующего создания Рекомендаций.
4. Какие сведения о Пользователях относятся к Предпочтениям?
4.1. К данным о Предпочтениях Пользователей относятся сведения о:
- просмотре товаров на Сервисе;
- товарах, приобретённых через Сервис;
- устройстве, с которого выполнен вход на Сервис;
- времени посещения Сервиса / совершения действий на Сервисе (логи);
- участии в реферальной программе;
- ответах на опросы;
- взаимодействии с баннерами на Сервисе;
- переходах на Сервис с utm-метками сторонних сервисов/партнеров.
5. Что относится к источникам получения сведений о Предпочтениях?
5.1. Источник получения сведений о предпочтениях Пользователей для Рекомендаций на Сервисе – это поведение Пользователей на Сервисе.
6. Как создаются Рекомендации и происходит анализ Предпочтений Пользователей?
6.1. Для формирования Рекомендаций создаются Рекомендательные модели. Процесс создания Рекомендательной модели состоит из приведённых ниже этапов.
6.2. 1-й этап: Сбор сведений о Предпочтениях Пользователей.
Сбор сведений о Предпочтениях Пользователей осуществляется способом их логирования и последующего сохранения на хранилище данных Сервиса.
6.3. 2-й этап: Систематизация и анализ сведений о Предпочтениях Пользователей.
Систематизация и анализ сведений о Предпочтениях Пользователей происходит исходя из цели создания Рекомендательной модели и Рекомендаций, которые необходимо получить (например, подбор наиболее популярных Товаров/акций среди Пользователей, которые показывают схожие сценарии поведения на Сервисе). После определения цели происходит подбор требуемых для реализации цели данных о Предпочтениях, на основе которых будет выстроена Рекомендательная модель. Выделяются фичи (наборы свойств Товаров, которые могут повлиять на факт покупки Товара Пользователем): например, количество заказов Пользователя с данным товаром при наличии скидки на товар, количество покупок Пользователем товаров со скидкой, предыдущая цена товара, количество заказов с данным товаром и пр.
6.4. 3-й этап: Применение методов машинного обучения к используемым сведениям о Предпочтениях.
После систематизации данных, к сведениям о Предпочтениях Пользователей и фичам применяются методы машинного обучения: Рекомендательная модель формирует набор параметров, описывающих зависимости между входными данными (Предпочтениями Пользователей и фичами) и ответом (финальной Рекомендацией). Таким образом Рекомендательная модель производит оценку вероятности того, что Пользователь совершит определённое действие на Сервисе (например, добавит товар в корзину, купит товар).
6.5. 4-й этап: Проверка полученных результатов.
На данном этапе происходит проверка работы Рекомендательной модели и соответствия её ответов (финальных Рекомендаций для Пользователей) целям создания Рекомендательной модели. Проверка происходит следующим способом: Рекомендательной модели задаётся определённый вопрос, после чего она формирует ответ, который далее оценивается на предмет его корректности и соответствия заданным параметрам. На основании оценки качества ответов Рекомендательной модели принимается решение о применении Рекомендательной модели для выведения Рекомендаций Пользователям.
6.6. 5-й этап: Выведение Рекомендаций Пользователям.
На данном этапе Рекомендации демонстрируются Пользователям путем информирования посредством электронной почты, sms, push-уведомлений, баннеров на Сервисе, которые описаны в разделе 2 Правил применения рекомендательных технологий.
ООО «ЛЕВЕЛ МСК»
ОГРН 1187746870497
ИНН 7724457620
КПП 772501001
ОКПО 33700178
Юридический адрес и адрес для направления корреспонденции: 115432, г. Москва, вн. тер. г. муниципальный округ Даниловский, проезд Проектируемый 4062-й, д. 6, стр. 1, помещ. 15Б/5
Банк: ПАО «Сбербанк России» г. Москва БИК: 044525225
Корр. счет: 30101810400000000225
Расчетный счет: 40702810038000060637