В прошлой статье про RecSys Studio мы разобрали, как загрузить в Gravity Field собственный рекомендательный алгоритм и проверить его на выручке: какие бывают способы подключения, как проходит запуск, какие метрики смотреть. Это ответ на вопрос «как модель попадает в прод».
Эта статья — про следующий шаг. Алгоритм загружен: что с ним делать дальше и как сочетать его с возможностями платформы — фильтрами, правилами мерчандайзинга, миксом алгоритмов по слотам, превью выдачи и A/B-тестами. Коротко: как из «своя модель в проде» получить управляемую выдачу, которую можно перестраивать под задачи бизнеса за минуты и без переобучения модели.
Зачем это нужно: две типичные ситуации
Алгоритм уже есть — его сделала ваша ML-команда
У вас есть модель, обученная на своих данных и под свою специфику: сезонность и размерные сетки в fashion, совместимость комплектующих в электронике и DIY, регулярность покупок в e-grocery. Она знает ваш каталог лучше любой универсальной модели, офлайн-метрики ранжирования хорошие — но покупатель её пока не видит.
Дальше начинается инфраструктура: на каких страницах и в каких блоках показывать результат, как связать модель с витриной и товарным фидом, что показывать новому пользователю, если модель не вернула ответ, как сравнить новую логику с текущей и посчитать вклад в заказы и выручку. Если строить это под каждую модель отдельно, «выкатить рекомендации» превращается в проект на недели — и часть моделей так и остаётся в ноутбуках аналитиков.
Правилами и фильтрами нужно управлять оперативно
Даже когда алгоритм уже работает, к нему постоянно приходят задачи, которые он не решает сам: до конца августа продвигаем летнюю распродажу; из этого блока убираем СТМ, потому что он про бренды поставщиков; два хита промо — на первые позиции; в рекомендациях к товару не показываем то, что покупатель уже купил.
Если такие правила живут в коде модели или в вашем сервисе показа, каждая формулировка категорийного менеджера превращается в тикет разработке и релиз. Пока правка доедет до прода, промо может закончиться. Нужно наоборот: правила, фильтры и дополнительные настройки меняются в интерфейсе за минуты, силами маркетолога или мерчандайзера, и не требуют переобучения модели.
Общий знаменатель у обеих ситуаций один: у товарных рекомендаций две цели, и отвечают за них разные слои. Релевантность — задача алгоритма. Стоки, маржа, промо, ограничения по СТМ — задача правил поверх него. Именно так разделена ответственность в Gravity Field: через RecSys Studio вы загружаете свой алгоритм, а платформа даёт всё остальное — показ на сайте, фильтры и правила мерчандайзинга, превью, A/B-тесты и отчётность по выручке. Модель остаётся вашей, а управление выдачей становится настройкой, а не разработкой.
Коротко: что такое RecSys Studio
RecSys Studio — это среда для запуска собственных алгоритмов (BYOA — Bring Your Own Algorithm) внутри платформы Gravity Field. Разделение ответственности простое: ваш алгоритм решает, какие товары и в каком порядке предложить, а Gravity Field превращает этот результат в управляемый сценарий — со страницами, блоками, аудиториями, правилами показа и A/B-тестами.
Подключить алгоритм можно двумя способами:
- Предрасчёт — рекомендации рассчитываются заранее на стороне Gravity Field и публикуются для показа.
- API в реальном времени — Gravity Field в момент запроса обращается к API вашей модели.
При этом «алгоритм» не обязан быть ML-моделью: подойдут и наборы правил, и подбор по свойствам товара. А если своей модели нет, но есть особая логика, которую хочется проверить, — специализированный алгоритм может собрать команда Gravity Field.
Отдельная возможность — версионирование. Каждая версия модели регистрируется в каталоге со своим номером, и новую версию можно выкатить в A/B-тесте против текущей. Долю трафика на новую версию вы повышаете только тогда, когда она выигрывает по конверсии, заказам и выручке — а не по офлайн-метрикам ранжирования.
Подробный разбор подключения — в статье про запуск своих алгоритмов: сценарии по индустриям, порядок работ, требования к данным. Дальше в этой статье — только про то, что делать с уже загруженным алгоритмом.
Почему релевантности недостаточно
Модель оптимизирует то, чему её учили: клики, конверсию, точность предсказания следующей покупки. Она ничего не знает про то, что склад переполнен прошлой коллекцией, что у категории разная маржинальность, что с поставщиком подписан контракт на продвижение, а долю СТМ в выдаче нужно ограничить — или, наоборот, нарастить.
Это нормально. Зашивать такие ограничения в саму модель — плохая практика: бизнес-условия меняются быстрее, чем успевает переобучиться модель. Сегодня вы распродаёте летнюю коллекцию, через месяц — продвигаете новинки осенней. Правильная архитектура — релевантность на стороне алгоритма, бизнес-логика на стороне правил, которые можно включить и выключить за минуты.
Именно так устроено управление выдачей в Gravity Field: фильтры и правила мерчандайзинга применяются поверх любого алгоритма — встроенного в платформу или вашего собственного, подключённого через RecSys Studio.
Фильтры и правила: управление выдачей без переобучения модели
Предустановленные фильтры
Готовые фильтры включаются в настройках стратегии и решают типовые задачи на основе поведения пользователя и контекста страницы: исключить недавно просмотренные или купленные товары, показывать только товары из категории текущего товара, включить или исключить товары с теми же свойствами (бренд, цвет, сезон), а на странице поиска — показывать только товары, соответствующие запросу.
Важная деталь — логика ослабления (relaxation). Если по строгому условию товаров не хватает, фильтр не «роняет» виджет, а поэтапно ослабляется: сначала система ищет полное совпадение по пути категории («Одежда > Мужская > Брюки»), затем отрезает последний уровень и повторяет поиск. То же со свойствами: для списка «бренд + цвет + сезон» сначала уйдёт сезон, потом цвет, а бренд останется обязательным условием. Если товаров всё равно мало — подключается fallback-алгоритм, и виджет в любом случае будет заполнен. Для покупателя это значит, что блок рекомендаций не окажется пустым из-за слишком узкого фильтра.
Правила мерчандайзинга: Include, Exclude, Pin
Пользовательские правила дают контроль над выдачей по любым полям продуктового фида — категории, бренду, цене, скидке, сезону, признаку СТМ:
- Include — включить в выдачу только товары, соответствующие условию. Например, только товары со скидкой из летней коллекции.
- Exclude — исключить товары по условию. Например, убрать собственные торговые марки из блока, где продвигаются бренды поставщиков.
- Pin — закрепить конкретный товар на конкретной позиции. Правило с наивысшим приоритетом: слот отдаётся товару вне зависимости от того, что решил алгоритм.
Правила можно применять как ко всей выдаче, так и к отдельным слотам — и комбинировать: включить во всех слотах кефир, но исключить СТМ-кефир. На одну стратегию доступно до 30 правил, между разными правилами действует логика «И», внутри одного правила можно использовать «ИЛИ».
Так решаются типовые задачи мерчандайзинга: распродажа стоков (Include по скидке и сезону на часть слотов), продвижение новинок и коллекций, гарантированный показ промо-товаров (Pin на первые позиции), управление маржинальностью (Include по маржинальным категориям в заметных слотах).
С Pin стоит быть аккуратным: если закреплённый товар закончится на складе, слот может остаться пустым. А фильтры и правила не должны противоречить друг другу — включить категорию в фильтре и исключить её же в правиле означает пустую выдачу.
Динамические фильтры
Отдельный класс — realtime-правила, которые передаются прямо в запросе рекомендаций и работают на данных текущей сессии: показать товары дороже или дешевле просматриваемого, отфильтровать выдачу по бренду, который пользователь выбрал в фильтрах листинга. Так рекомендации адаптируются к контексту, который известен только в моменте.
Один виджет — несколько алгоритмов
Обычно рекомендательный блок работает на одном алгоритме. В Gravity Field это ограничение снято на двух уровнях.
Первый — функция «Алгоритм на слот»: разные позиции виджета можно отдать разным алгоритмам. Например, слоты 1–3 — персональные рекомендации на основе интересов пользователя, слоты 4–6 — «покупают вместе», остальные — популярные товары категории. Самые персональные рекомендации оказываются на самых заметных местах, а выдача не выглядит однотипной. Система при этом дедуплицирует товары между слотами, а если какой-то алгоритм не вернул результат (например, персональный — для нового пользователя), слот заполняется алгоритмом по умолчанию.
Второй уровень — смешивание своих и платформенных алгоритмов. Подключённая через RecSys Studio модель не заменяет движок рекомендаций Gravity Field, а дополняет его: часть позиций может отдавать ваша модель, часть — встроенный движок, часть — другая ваша модель. Например, смешать персональные рекомендации с товарами повышенной маржи и новинками — в одном виджете. Микс сравнивается в A/B-тесте с текущей стратегией, и остаётся тот вариант, который лучше и для покупателя, и для бизнеса.
Для команды, которая развивает рекомендации, это меняет саму скорость экспериментов: гипотеза «а что если в топе блока показывать нашу модель, а хвост отдать популярным товарам» проверяется настройкой стратегии, а не отдельным проектом разработки.
Скорость запуска: превью вместо релиза
Классическая проблема любых правил выдачи — «настроили, опубликовали, а потом увидели, что фильтр слишком узкий». В Gravity Field между настройкой и публикацией есть промежуточный шаг — превью рекомендательной стратегии.
В превью вы указываете контекст: идентификатор пользователя и сессии, тип страницы (карточка товара, категория, корзина), конкретный SKU или категорию — и видите, какую выдачу стратегия соберёт именно в этом контексте, с учётом алгоритма, фильтров, пинов и fallback-логики. Можно проверить стратегию на пользователе с историей покупок и на новом, на ходовой категории и на «тонкой», где товаров мало.
Рабочий цикл выглядит так: собрать базовую стратегию с алгоритмом и критичными фильтрами — посмотреть превью — добавить фильтры — снова превью — добавить правила мерчандайзинга — снова превью — опубликовать лучший вариант и запустить A/B-тест, например «с правилами против без правил». Каждая итерация занимает минуты и не требует ни релиза, ни участия разработки.
Аналитика: какие деньги принесла каждая стратегия
Финальное звено — отчётность. Каждая рекомендательная стратегия в Gravity Field видна в отчёте по стратегиям с бизнес-метриками:
- Direct Revenue — выручка от товаров, на которые пользователь кликнул в виджете и затем купил, и её доля в общей выручке сайта;
- Direct Revenue (All Variants) — то же с учётом вариантов товара: клик по майке размера L и покупка размера M засчитываются;
- Assisted Revenue — выручка всех покупок в сессии после взаимодействия с виджетом;
- Direct Revenue per 1000 — прямая выручка на 1000 видимых показов, главная метрика для сравнения стратегий между собой;
- CTR, конверсия из клика в покупку, Visibility — воронка виджета: видят ли его, кликают ли, покупают ли после клика;
- Fallback % и Empty % — как часто срабатывает запасная логика и не слишком ли жёсткие у стратегии ограничения.
Ключевая настройка отчёта — окно атрибуции: Session, 1, 7, 14 или 30 дней. Для e-grocery и FMCG покупка из рекомендаций происходит в той же сессии; для мебели или электроники решение созревает неделями — и оценивать такие категории по сессионному окну значит недооценить вклад рекомендаций в разы. Возможность смотреть эффективность каждой стратегии в разных окнах атрибуции — в том числе именно то, чего не хватает командам, привыкшим к стандартным отчётам веб-аналитики: такой глубины анализа рекомендаций в разрезе метрик и окон атрибуции нет в других инструментах на рынке.
Для сквозной аналитики доступна выгрузка в xlsx на уровне отдельных покупок — с SKU, товарной группой, суммой заказа и типом атрибуции, чтобы проверять гипотезы уже в своей BI-системе.
Это замыкает цикл: правило мерчандайзинга — не «настроили и верим», а проверяемая гипотеза. Включили Include по распродаже, сравнили в A/B, посмотрели Direct Revenue в подходящем окне атрибуции — и оставили вариант, который приносит деньги.
Как это выглядит на практике
Представим fashion-ритейлера, которому к августу нужно распродать летнюю коллекцию, не обрушив маржу.
- Data-команда подключает через RecSys Studio свою модель ранжирования, которая учитывает сезонность и маржинальность.
- В стратегии первые слоты виджета отдаются этой модели, хвост — популярным товарам категории через «Алгоритм на слот».
- Правило Include «летний сезон + скидка» применяется к части слотов, а два хита распродажи закрепляются пинами на видных позициях.
- Стратегия проверяется в превью — на пользователе с историей и на новом, на разных категориях.
- Запускается A/B-тест против текущей стратегии; решение принимается по Direct Revenue и конверсии в окне атрибуции 7 дней.
Ни один из этих шагов не потребовал отдельного проекта разработки — и через месяц, когда задача сменится на продвижение осенних новинок, перестроить выдачу можно будет так же быстро.
Вывод
RecSys Studio снимает главный барьер на пути собственных рекомендательных алгоритмов — инфраструктурный: модель подключается к готовой системе показа, таргетинга, A/B-тестов и отчётности. Фильтры и правила мерчандайзинга добавляют к релевантности язык бизнес-задач: стоки, маржа, промо, новинки — без переобучения моделей. Превью стратегии и «Алгоритм на слот» дают скорость: гипотезы собираются и проверяются за минуты, в том числе миксы из нескольких алгоритмов в одном виджете. А отчётность с окнами атрибуции показывает, какие деньги принесла каждая стратегия.
Стоит учитывать текущие ограничения: подключение нового алгоритма пока проходит вместе с командой Gravity Field, на стратегию действуют лимиты (до 3 фильтров и до 30 правил), а жёсткие инструменты вроде Pin требуют аккуратности. Но именно связка «свой алгоритм + управляемая выдача + быстрая проверка» позволяет развивать рекомендации как продукт, а не как серию разовых интеграций.
Если вы уже сотрудничаете с Gravity Field — обратитесь к вашему менеджеру, чтобы обсудить подключение своего алгоритма и настройку правил выдачи. Если только присматриваетесь — запросите персональную демонстрацию: покажем RecSys Studio и инструменты мерчандайзинга на примерах вашей отрасли.
