Что такое рекомендательная система на самом деле
«Рекомендации» — не блок «с этим товаром покупают» из 2010-х, собранный вручную маркетологом. Современная рекомендательная система — это модель, которая для каждого покупателя в моменте решает: из тысяч позиций каталога показать именно эти шесть — потому что они сочетаются с корзиной, похожи на прошлые покупки и не были показаны вчера.
Технически это гибрид: контентные признаки (категории, свойства, тексты описаний — их несут эмбеддинги русского языка), коллаборативные сигналы (кто что купил) и бизнес-правила (маржа, остатки, акции). LLM добавляет объяснение — «подходит к вашему выбору, потому что…» — и понятный интерфейс для покупателя. Для 9 из 10 задач хватает готовых моделей поверх ваших данных, без обучения собственной нейросети с нуля.
Как выглядит результат через месяц после пилота
Часть трафика сайта видит персональные подборки вместо случайных «популярных» блоков: покупателю показывают то, что сочетается с его корзиной и историей. A/B-тест копит статистику — конверсия, средний чек, глубина просмотра — и разница между группами видна на дашборде. Хвост каталога, который раньше не находил никто, начинает продаваться. Маркетолог управляет бизнес-правилами без разработчика: поднять в подборках акционные позиции, исключить товар с низким остатком — и это применяется мгновенно.
Кому подходят ИИ-рекомендации
Рекомендации работают там, где есть выбор: много позиций, много контента, много вариантов — и внимание пользователя ограничено. Чем шире ассортимент и чем дороже привлечение посетителя, тем больше стоит каждый показанный «не тот» товар, тем быстрее окупается персонализация подборок. Четыре типовых профиля заказчиков и то, что каждый из них получает от персональных подборок:
- Интернет-магазин с каталогом от сотни позиций.. Покупатель не видит хвост каталога; рекомендации вытягивают длинные категории и растут средний чек.
- Контентный проект: медиа, блог, база знаний.. «Читайте также» и персональные ленты удерживают: читатель проводит на сайте больше времени и возвращается.
- Услуги со сложным выбором.. Кредитные продукты, тарифы, страховки: система подсказывает менеджеру, что предложить этому клиенту, опираясь на профиль и историю.
- B2B-поставщик с повторными закупками.. «Вам обычно нужно ещё и это»: рекомендации по истории заказов клиента снижают долю забытых позиций в заказе.
Что делаем: этапы разработки
От прототипа на реальных данных до A/B-проверенного контура:
- Разбор данных — бесплатно.. Смотрим, что есть: каталог, история заказов, события поведения. От dataSize зависит план; КП — за 1 рабочий день.
- Прототип — от 90 000 ₽, 3–5 рабочих дней.. Работающий рекомендер на выгрузке ваших данных: подборки для реальных пользователей, оценка качества офлайн-метриками.
- Пилот — от 480 000 ₽, 4–6 недель.. Интеграция в сайт или приложение, A/B-тест на части трафика: конверсия, средний чек, глубина просмотра — против контрольной группы.
- Модель под ваш случай.. Гибрид контентных и поведенческих сигналов, векторный поиск по каталогу, бизнес-правила поверх (маржа, остатки, исключения).
- Объяснения и интерфейс.. Понятные «почему» к каждой подборке (LLM-формулировки), аккуратные блоки в письмах и на сайте без ощущения навязчивости.
- Эксплуатация.. Переобучение на свежих данных, мониторинг качества, защита от деградации при смене каталога. Сопровождение — от 50 000 ₽/мес.
Технологии и стек
Качество рекомендаций держится на поиске: эмбеддинги превращают товары и запросы в векторы, векторные БД (Milvus, Qdrant) дают быстрый поиск похожих, гибридный поиск с реранкингом смешивает сигналы. Обзор — в разделе технологий.
Цены и сроки
Ориентиры открытого прайса (сентябрь 2026):
| Этап | Цена | Срок |
|---|---|---|
| Разбор данных и КП | бесплатно | 1 рабочий день |
| Прототип рекомендера | от 90 000 ₽ | 3–5 рабочих дней |
| Пилот с A/B-тестом | от 480 000 ₽ | 4–6 недель |
| Полный контур (все площадки, письма) | 0,9–1,2 млн ₽ | по КП |
| Сопровождение и переобучение | от 50 000 ₽/мес | постоянно |
Цены — «от», без НДС (УСН, п. 2 ст. 346.11 НК РФ). Сентябрь 2026. Метрики пилота фиксируются в КП за 1 рабочий день.
На цену влияют готовность данных (чистый каталог и история заказов ускоряют прототип), число площадок показа (сайт, письма, приложение) и глубина персонализации — от контентных похожих до полного гибрида с поведенческими сигналами. A/B-тест в пилоте — обязательная часть сметы: без контрольной группы любые «рекомендации работают» — мнение, а не факт. Дальнейшее сопровождение — от 50 000 ₽/мес: переобучение и мониторинг качества.
Метрики пилота: что измеряем
| Метрика | Как считаем |
|---|---|
| Конверсия | A/B-группа с рекомендациями против контрольной |
| Средний чек | по покупкам с взаимодействием с подборками |
| Глубина каталога | доля просмотров позиций вне топ-100 |
| Свежесть модели | возраст данных последнего переобучения |
| CTR подборок | клики по рекомендациям против обычных блоков |
| Доля хвоста в выручке | продажи позиций вне топ-100 до/после |
Смежные услуги и материалы
Рекомендации — часть данных-контура компании:
Сайты, порталы и личные кабинеты
Площадка, где живут рекомендации — от 250 000 ₽.
Данные как сервис (датапайплайны)
Сбор данных о покупках и поведении в единый контур.
ML-моделирование под задачу
Свои модели прогноза спроса и сегментации.
Как считать эффект от ИИ-внедрения — в гайде по ROI ИИ-ассистента (методология метрик переносится на рекомендации); обзор ИИ-направления — в центре разработки и защиты ИИ. Полный каталог — услуги НЬЮ-ССТ.
Пришлите выгрузку каталога и истории заказов хотя бы за несколько месяцев — уже на прототипе за 90 000 ₽ мы покажем, какие подборки модель собирает прямо сейчас и какой потенциал у полного контура с A/B-тестом; КП с метриками будет готово за один рабочий день.
Чего рекомендации не сделают
- Не продадут плохой ассортимент. Рекомендации ускоряют поиск подходящего; если товара нет в наличии или описание пустое — модель бессильна. Сначала данные, потом модель.
- Не заменят ценообразование и маркетинг. Бизнес-правила (маржа, акции, исключения) задаются вами и стоят поверх модели — ИИ не решает, что дисконтировать.
- Не дадут эффект без трафика. A/B-тесту нужны посетители: на малых объёмах статистика зреет дольше, пилот это учитывает.
- Не работают вечно без присмотра. Каталог и поведение меняются — без переобучения (сопровождение от 50 000 ₽/мес) качество деградирует за месяцы.