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 предпроектной подготовке, старте и развитии веб-проектов. Исследует культуру работы с данными и способы повышения эффективности цифровых решений.

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 «Remote: Организация работы распределенных дизайн-команд»

5 глав

65 мин

Продакты и дизайнеры InVision делятся опытом того, как выстроить совместную работу над проектами, удаленно, в любом помещении, в любом регионе, когда угодно и где угодно. В штате InVision 800 сотрудников из 30 стран, все работают в распределенном формате («на удаленке»). Офисов нет. Среди клиентов 100 компаний из Fortune 100.

Школа управления для дизайнеров: качаем бизнес-мышление

6 глав

60 мин

Для дизайнеров, дизайн-лидов, арт-, дизайн- и креативных директоров, руководителей дизайн-студий и всех творческих, кто хочет сделать бизнес сильнее. Авторская методика от Райана Рамси, дизайн-тимлида Apple и EA.

Смотреть все