Правила применения рекомендательных технологий

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. Настоящие Правила применения рекомендательных технологий (далее – «Правила») содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети «Интернет», которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.

2. Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений и машинного обучения систематизируют и анализируют данные о пользователе или характеристиках элементов в системе и осуществляют предоставление рекомендаций и ранжирование контента для конечного пользователя.

3. Для алгоритмических вычислений и машинного обучения используются данные, полученные от пользователей информационного ресурса (далее — «Ресурс») методом сбора следующих видов сведений: просмотры страниц ресурса, клики на ресурсе, добавления товаров в корзину, добавления товаров в избранное, ответы на вопросы, заполнение анкет о себе, поисковые запросы, применения фильтров, геолокация пользователя, модель устройства, а также данные о сделанных заказах, выкупленных товарах. Источниками получения сведений являются ресурс и внутренние информационные системы компании. Процесс сбора сведений заключается в отправке сведений с ресурса и внутренних информационных систем компании во внутренние информационные системы компании, а также во внешние к компании аналитические системы.

4. Способом осуществления процессов и методов является изучение моделью алгоритмических вычислений и машинного обучения собранных сведений для пользователей и элементов таким образом, чтобы кодировать предпочтения пользователей к элементам. При предоставлении рекомендаций и контента предпочтения пользователей к элементам декодируются для конкретного пользователя в оценки; элементы с высокими оценками более вероятно будут интересны пользователю. Иными словами, для каждого пользователя алгоритм ищет других пользователей с похожими паттернами поведения и рекомендует тот контент, который эти пользователи посмотрели. Данный метод применяется, если пользователь не является новым для ресурса.

По всем возникшим вопросам можно писать на почту: office@monetka.ru.