Разработка Smart-баннеров с персонализацией под каждого пользователя

Разработка Smart-баннеров с персонализацией под каждого пользователя

Вы тратите бюджет на рекламные баннеры, но их CTR не дотягивает до 1%. Проблема в том, что все видят одно и то же предложение. Мы решаем это с помощью smart-баннеров: динамических блоков, которые показывают каждому пользователю именно те товары, которые он просматривал или которые алгоритм считает релевантными. Результат — рост CTR в 2–3 раза и конверсии на 15–30%. Снижается и стоимость привлечения клиента (CAC) на 20–30% за счёт более релевантного таргетинга. Закажите разработку smart-баннеров — получите консультацию инженера для предварительной оценки.

Как работает трекинг просмотров?

Персонализация начинается со сбора данных. Мы используем JavaScript-класс ViewHistoryTracker, который сохраняет историю просмотров в localStorage и синхронизирует с сервером для авторизованных пользователей. Это минимально инвазивное решение — не требует cookie-банера и GDPR-согласий для анонимных сессий.

class ViewHistoryTracker {
  private readonly KEY = 'view_history';
  private readonly MAX_ITEMS = 50;

  track(item: ViewedItem): void {
    const history = this.get();
    const filtered = history.filter(i => i.id !== item.id);
    const updated = [
      { ...item, viewed_at: Date.now() },
      ...filtered,
    ].slice(0, this.MAX_ITEMS);
    localStorage.setItem(this.KEY, JSON.stringify(updated));
    this.syncToServer(item);
  }

  get(): ViewedItem[] {
    try {
      return JSON.parse(localStorage.getItem(this.KEY) ?? '[]');
    } catch {
      return [];
    }
  }

  getRecent(count = 10): ViewedItem[] {
    return this.get().slice(0, count);
  }

  private async syncToServer(item: ViewedItem): Promise<void> {
    if (!getAuthToken()) return;
    await fetch('/api/views', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
      },
      body: JSON.stringify(item),
    });
  }
}

Что даёт коллаборативная фильтрация?

Простой показ последних просмотренных товаров даёт низкий CTR — пользователь уже видел их. Мы используем ранжирование с учётом весов категорий и популярности, а также коллаборативную фильтрацию для построения матрицы "пользователь-товар". Недавние просмотры получают больший вес, а дубли исключаются. Такой подход увеличивает CTR в 2–3 раза по нашим замерам.

function rankItems(history: ViewedItem[], candidates: CatalogItem[]): CatalogItem[] {
  const categoryWeights: Record<string, number> = {};
  const viewedIds = new Set(history.map(i => i.id));
  history.forEach((item, index) => {
    const recencyWeight = 1 / (index + 1);
    categoryWeights[item.category] = (categoryWeights[item.category] ?? 0) + recencyWeight;
  });
  return candidates
    .filter(c => !viewedIds.has(c.id))
    .map(candidate => ({
      ...candidate,
      score: (categoryWeights[candidate.category] ?? 0) * (candidate.popularity ?? 1),
    }))
    .sort((a, b) => b.score - a.score)
    .slice(0, 6);
}

Для крупных проектов (от 10k товаров) выносим движок на сервер на PHP/Laravel с матрицей в PostgreSQL. Кешируем рекомендации в Redis — время ответа API не превышает 50 мс.

Кейс: интернет-магазин электроники с каталогом 5000 товаров. После внедрения smart-баннера CTR вырос с 0,8% до 2,4%, конверсия из баннера в покупку — 12%. Средний чек увеличился на 8% за счёт кросс-сейлов.

Сравнение подходов к реализации

Сравнение алгоритмов рекомендаций

Как мы реализуем рендеринг smart-баннера?

Компонент на React (или Vue) встраивается в нужное место: sidebar, inline или sticky-bottom. Он запрашивает рекомендации через API и отображает товары с фото, названием и ценой. При клике отправляется событие в Google Analytics.

interface SmartBannerProps {
  placement: 'sidebar' | 'inline' | 'sticky-bottom';
  title?: string;
}

function SmartBanner({ placement, title = 'Вы смотрели' }: SmartBannerProps) {
  const [items, setItems] = useState<CatalogItem[]>([]);
  const [loading, setLoading] = useState(true);

  useEffect(() => {
    const history = tracker.getRecent();
    if (history.length === 0) {
      setLoading(false);
      return;
    }

    fetch('/api/recommendations', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        viewed_ids: history.map(i => i.id),
        categories: [...new Set(history.map(i => i.category))],
        limit: placement === 'sidebar' ? 4 : 6,
      }),
    })
      .then(r => r.json())
      .then(data => setItems(data.items))
      .finally(() => setLoading(false));
  }, [placement]);

  if (loading) return <BannerSkeleton count={4} />;
  if (items.length === 0) return null;

  return (
    <div className={`smart-banner smart-banner--${placement}`}>
      <h3 className="smart-banner__title">{title}</h3>
      <div className="smart-banner__grid">
        {items.map(item => (
          <a
            key={item.id}
            href={item.url}
            className="smart-banner__item"
            onClick={() => trackBannerClick(item, placement)}
          >
            <img src={item.image} alt={item.title} loading="lazy" />
            <span className="smart-banner__name">{item.title}</span>
            <span className="smart-banner__price">{formatPrice(item.price)}</span>
          </a>
        ))}
      </div>
    </div>
  );
}

function trackBannerClick(item: CatalogItem, placement: string): void {
  gtag('event', 'smart_banner_click', {
    item_id: item.id,
    item_name: item.title,
    placement,
    item_category: item.category,
  });
}

Серверный эндпоинт рекомендаций

Мы используем Laravel-контроллер, который исключает просмотренные товары и ранжирует по категории и популярности. Для ускорения запросов добавляем Redis-кэш.

class RecommendationsController extends Controller
{
    public function index(Request $request): JsonResponse
    {
        $viewedIds = $request->input('viewed_ids', []);
        $categories = $request->input('categories', []);
        $limit = min($request->input('limit', 6), 12);

        $items = Product::query()
            ->whereNotIn('id', $viewedIds)
            ->where('is_active', true)
            ->where(function ($q) use ($categories) {
                $q->whereIn('category_slug', $categories)
                    ->orWhere('is_bestseller', true);
            })
            ->orderByRaw(
                ' CASE WHEN category_slug = ANY(?) THEN 1 ELSE 2 END, popularity DESC ',
                ['{' . implode(',', $categories) . '}']
            )
            ->limit($limit)
            ->get(['id', 'title', 'price', 'image', 'url', 'category_slug']);

        return response()->json(['items' => $items]);
    }
}

Когда подключать внешние платформы?

Для магазинов с каталогом от 10k товаров или когда нужна готовая ML-модель, интегрируем Retail Rocket или Mindbox. Базовая интеграция Retail Rocket занимает 1-2 дня:

rrApi.view(123456);
rrApi.addToBasket(123456);
rrApiOnReady(function() {
  rrApi.recommend('block_id_from_rr_panel', {
    callback: function(items) {
      renderRecommendations(items);
    }
  });
});

Что входит в работу?

• Проектирование схемы трекинга и хранения данных
• Разработка клиентского компонента баннера с поддержкой разных placement
• Серверный эндпоинт рекомендаций с кэшированием
• Интеграция с аналитикой (GA/Яндекс.Метрика)
• Документация API и инструкция по встраиванию
• Передача доступов к репозиторию и хостингу
• Обучение вашего разработчика (1 час онлайн)
• Гарантия 3 месяца на корректную работу алгоритмов

Сроки и стоимость

Сроки реализации: от 3 до 8 дней в зависимости от сложности. Стоимость рассчитывается индивидуально — оценим проект после брифа. За время работы мы реализовали smart-баннеры для десятков интернет-магазинов, средний рост CTR составил 180%. Наша команда имеет 5+ лет опыта в e-commerce персонализации.

Если вы хотите увеличить конверсию с рекламных блоков без лишних затрат, свяжитесь с нами — обсудим вашу задачу и предложим оптимальное решение. Получите консультацию инженера для предварительной оценки.