book-open 1 test

Курс «Рекомендательные системы на практике»: AI в ритейле/e-commerce

8 глав

80 мин

Вместе с Data Science спецами, продактами и директорами по маркетингу из Dynamic Yield разбираем, как устроены рекомендательные системы, чем они полезны и как их внедрить на сайт.

Начать курс Начать курс

Команда, которая работала над курсом

Среди авторов эксперты с опытом в международных проектах.

Ринат Шайхутдинов

Продуктовый дизайнер (UX/UI) и Growth продакт-менеджер. Исследует результативные мировые практики развития tech-компаний и цифровых продуктов.

Ольга Жолудова

Копирайтер, UX-писатель, редактор и контент-стратег. Увлекается переводами в tech-тематиках. Помогает собрать гибкую контент-стратегию, улучшить коммуникации с пользователями и проработать tone of voice. Опыт работы в международных компаниях (iSpring), агентствах и tech-стартапах.

Егор Хлебников

Специализируется на решении комплексных задач современными технологиями в условиях ограниченных ресурсов (Vue.js, GoLang, Docker, Flutter, Fastai и др.).

Андрей Попов

Системный и бизнес-аналитик, продакт-менеджер. Специализируется на развитии веб-проектов и больших B2B/B2C-систем. Вывел в рынок с командой 45+ клиентских проектов для FinTech, EdTech, TravelTech, E-commerce.

Содержание курса

Читайте главы последовательно по одной в день или начните с наиболее интересной.

Глава 1

Что такое рекомендательные системы и как их применять для улучшения UX и роста продаж | Глава 1

Разбираем системы товарных рекомендаций (product recommender systems): рассмотрим различные стратегии рекомендаций и примеры их использования известными digital-брендами.

Глава 2

Примеры рекомендательных стратегий на сайтах и в интернет-магазинах: разбор персонализации главной страницы и карточек товаров с помощью рекомендательных виджетов | Глава 2

Правила мерчандайзинга (merchandising rules) помогают маркетологам адаптировать стратегии товарных рекомендаций под свои задачи, с глобальной целью улучшить клиентский опыт (consumer experiences).

Глава 3

Как работают рекомендательные системы и как выбрать результативную рекомендательную стратегию | Глава 3

Подробно разберем различные стратегии товарных рекомендаций в eCommerce и узнаем, как их эффективно применять для достижения максимальной рентабельности маркетинговых расходов.

Глава 4

Персональные рекомендации и коллаборативная, совместная фильтрация (collaborative filtering) | Глава 4

Совместная фильтрация (collaborative filtering) позволяет маркетологам, задействуя данные пользователей (user data), создавать очень точные товарные рекомендации с учетом индивидуальных сходств (affinities) и покупательского поведения (shopping behaviors).

Глава 5

Рекомендации на базе сходств (affinity-based recommendations): введение | Глава 5

В этой статье вы узнаете, как использовать данные о сходствах пользователей для формирования эффективных персонализированных рекомендаций в любом масштабе.

Глава 6

Deep Learning в e-commerce: рассвет рекомендательных систем на базе глубокого обучения (DL) | Глава 6

В этой статье мы разберемся, как они адаптируют deep learning для генерации эффективных товарных рекомендаций, которые усиливают клиентский опыт (customer experience) и приносят компании значительный доход.

Глава 7

Результативные стратегии товарных рекомендаций в e-commerce | Глава 7

Статья-руководство по эффективному запуску товарных рекомендаций (product recommendations).

Глава 8

AI-кейс в e-commerce: влияние рекомендательных систем на продажи в APMEX, крупнейшем онлайн-магазине драгоценных металлов в США | Глава 8

Энди Мюллер, директор по digital-аналитике в APMEX рассказал, почему так важно бороться с несогласованностью данных для установления личных отношений с каждым клиентом, и как с помощью рекомендаций подсвечивать товары для каждого типа покупательских персон (buyer persona).

Еще курсы

Курс «A/B-тестирование»

15 глав

150 мин

Вместе с Data Science спецами из Hippo Insurance и Dynamic Yield по шагам освоите методику A/B-тестов и анализа результатов. Международный опыт, 15 уроков.

Курс «Дизайн-спринт»: основы методологии

4 главы

60-80 мин

Вместе с дизайнерами и руководителями The Home Depot, Google, Northwestern Mutual, Fresh Tilled Soil, McKinsey, IBM разбираем как организовать идеальный дизайн-спринт и все, что нужно знать о процессе быстрой генерации и проверки продуктовых гипотез в Enterprise, SMB и стартапах.

Курс «Оптимизация конверсии (CRO)»: сайты и интернет-магазины

13 глав

130 мин

Вместе с Data Science спецами, продактами и директорами по маркетингу из Dynamic Yield разбираем, что такое CRO, как составить стратегию оптимизации коэффициета конверсии и реализовать ее с учетом особенностей каждой точки контакта с аудиторией на сайте и в интернет-магазине.

Смотреть все