ПРАВИЛА ПРИМЕНЕНИЯ РЕКОМЕНДАТЕЛЬНЫХ ТЕХНОЛОГИЙ
На информационном ресурсе применяются рекомендательные технологии. На информационном ресурсе при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
Как работают рекомендации в Pure
Что такое рекомендации
Рекомендации — это функция, система, программные комплексы, которая с помощью алгоритмических вычислений предлагает пользователям контент или товары, которые, по мнению сайта, могут быть им интересны или полезны. Они основываются на анализе данных о пользователях, их поведении и истории взаимодействий на сайте. Также можно сказать, что рекомендации - это подсказки, которые помогают быстрее и точнее находить нужное и интересное на сервисах Pure.
Современный интернет невозможно представить без рекомендаций.
Рекомендации основаны на данных о пользователе или характеристиках элементов в системе осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя.
Настоящие правила регулируют применение рекомендательных технологий на сайте https://pure.app/ в полном объеме, включая все наши подстраницы, связанные сайты или страницы ("Веб-сайт") и/или мобильное или веб-приложение PURE, доступное через браузер на мобильном телефоне, планшетном компьютере и персональном компьютере ("Приложение") (совместно "PURE").
На Веб-сайте при применении информационных технологий предоставления информации осуществляется сбор, систематизация и анализ сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
Владельцем Веб-сайта, на котором применяются рекомендательные технологии, является: Online Classifieds AG, Baarerstrasse 8, 6300 Zug, Switzerland, CHE-274.401.166 и оператором персональных данных на территории РФ является компания «ПиВиЭм Техноложиес Лимитид», адрес: 712 Тай Яу Билдинг 181 Джонстон Роуд Ванчаи Гонконг | PWM Technologies Limited, address: 712 Tai Yau Bldg 181 Johnston Road Wanchai HK. Электронный адрес для направления юридически значимых сообщений: [email protected].
Термины и определения
«Рекомендация» / «Рекомендации» – информация об услугах / пакетов услуг / подписках, которые могут быть наиболее интересны и актуальны для Пользователя, и/или о похожих по характеристикам услуг и/или о сопутствующих услугах.
«Рекомендательная модель» – это механизм, который принимает входящие к нему данные, анализирует их и выдает Рекомендации.
«Рекомендательные технологии» – это информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети «Интернет», находящихся на территории Российской Федерации.
«Сайт», «Веб-сайт» – интернет- ресурс https://pure.app/, включая все подстраницы, связанные сайты или страницы ("Веб-сайт") и/или мобильное или веб-приложение PURE, доступное через браузер на мобильном телефоне, планшетном компьютере и персональном компьютере ("Приложение"), а также ресурсы третьих лиц, интегрированные с указанными ресурсами, с целью отображения функционала ресурсов Сайта на ресурсах третьих лиц посредством программного интерфейса взаимодействия (по API).
«Пользователь» – лицо, обращающееся к Сайту за получением необходимой ему информации и использующее её вне зависимости от факта авторизации на Сайте.
«Правила» – правила применения рекомендательных технологий на Сайте.
«Услуги» – услуги, предлагаемые к использованию или приобретению через Сайт.
Процесс сбора сведений, относящихся к предпочтениям пользователей сети
Модель персональных рекомендаций, используемая на Сайте, обрабатывает данные о действиях пользователей, которые собираются во время просмотра пользователем содержимого сайта и/или мобильных приложений. Полученные сведения в дальнейшем загружаются в базы данных Общества и используются для обучения моделей и построения рекомендаций.
Метод сбора сведений, относящихся к предпочтениям пользователей сети
Сведения о пользователе собираются при помощи трекера Сайта во время просмотра пользователем содержимого сайта и/или Приложений.
Процесс систематизации и анализа сведений, относящихся к предпочтениям пользователей сети
Сведения о пользователе, полученные на предыдущем этапе, группируются для получения дополнительных сведений о пользователях и товарах из уже имеющихся. Полученные сведения используются для обучения моделей машинного обучения с целью анализа имеющихся сведений и выявления зависимостей между пользователями и товарами.
Метод систематизации и анализа сведений, относящихся к предпочтениям пользователей сети
Сведения о пользователе группируются с применением средств анализа данных машинного обучения и баз данных. К полученные в результате этого сгруппированным данным применяются методы матричной факторизации с целью анализа имеющихся сведений и выявления зависимостей между пользователями и выбранными услугами / товарами. В дальнейшем полученные сведения и зависимости в них применяются для обучения ансамбля моделей машинного обучения (решающих деревьев) методом последовательного построения моделей (бустинг).
Для рекомендаций используются следующие сведения:
- Действия пользователя, включая отметки «нравится» и «не нравится».
- Фильтры пользователя, которые пользователь установил в сервисе знакомств, а именно: место нахождения пользователя, пол, возраст, рост и другие.
- Сведения о пользователе
Все вышеперечисленные данные сохраняются в базе данных автоматизированно.
Учёт фильтров пользователя происходит через пользовательский интерфейс, работа которого обеспечивается серверным оборудованием. База данных, в которой хранится история действий пользователя, также функционирует с помощью серверного оборудования.
Сведения, относящиеся к предпочтениям пользователя, Сайт может получить только от пользователя (источник сведений).
Дополнительно рассматриваются следующие критерии по покупкам:
- о просмотре услуг – покупки через приложение, дополнительные пакеты
- о пакетах услуг, приобретённых ранее - – покупки через приложение, дополнительные пакеты
- фичи (наборы услуг, которые могут повлиять на факт покупки или действий пользователя): например, количество заказов пользователя, количество покупок Пользователем услуг / пакетов со скидкой, количество заказов с данным пакетом и пр.
Применение методов машинного обучения к используемым сведениям о предпочтениях пользователей
После систематизации данных, к сведениям о предпочтениях Пользователей и фичам применяются методы машинного обучения: Рекомендательная модель формирует набор параметров, описывающих зависимости между входными данными (Предпочтениями Пользователей и фичами) и ответом (финальной Рекомендацией). Таким образом Рекомендательная модель производит оценку вероятности того, что Пользователь совершит определённое действие (например, добавит пакет услуг в корзину, купит пакет услуг).
Выведение Рекомендаций Пользователям
На данном этапе рекомендации демонстрируются пользователям в интерфейсе Сайта и Приложений.