book-open 1 heart Created with Sketch. 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. Активно 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. Работала с UsabilityLab и «iSpring».

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 «Growth-менеджмент»: основы управления ростом продукта

3 главы

60-80 мин

Вместе с growth-менеджерами, продактами, маркетологами, дата-сайнтистами, стратегами и основателями Slack, Pinterest, GrubHub, Intercom, Wistia разбираем кто такой growth-менеджер, в чем заключается его работа, как устроен рост продукта и на что опираться, чтобы им управлять.

Курс «Minimal Viable Product (MVP)»: основы методологии

5 глав

60-80 мин

Вместе с дизайнерами и руководителями Dropbox, Foursquare, Virgin Air, Groupon, MailChimp, Buffer, Moz, IDEO разбираем множество точек зрения на MVP (Minimum Viable Product), подходы, критерии, а также способы тестирования MVP-гипотез.

Курс «Базовые продуктовые метрики»: какими они бывают и как выбрать подходящие для развития (growth)

4 главы

60 мин.

Ребята из Mixpanel изучили работу 459 специалистов вовлеченных в развитие цифровых продуктов и узнали, какие метрики в продукте самые важные, а также какую роль продуктовая аналитика играет в открытиях и стимулировании роста (growth). Среди участников опросов представители из малого (SMB), среднего (Mid-Market) и крупного бизнеса (Enterprise), в том числе из Fortune 100.

Смотреть все