#common

Аналитика на фронте 2/2.

В нашем случае важными действиями для рекомендаций можно считать клики на конкретные товары (если пользователь кликнул на продукт, значит ему он интересен). Но есть и более сильные сигналы вроде добавления в корзину/покупки товара (добавить в корзину != купить). Подобную информацию можно также использовать, чтобы понимать, какие товары часто покупают вместе и учитывать это при рекомендациях.

Мы ещё используем данные о кликах (CTR) для ранжирования в поиске. Как мы писали в статье, мы учитываем, как часто пользователи кликают на конкретные товары для конкретного запроса. Логика простая: если большинству пользователей на фиксированном запросе понравился конкретный товар, то возможно текущему пользователю он тоже понравится, так что надо поднять его повыше.

Также подобную информацию можно использовать для различных оффлайн процессов. Если продолжать говорить про наш поиск, мы можем взять события просмотра поисковой выдачи и достать реальные пользовательские запросы. Далее мы можем получить выдачу от нашего поискового движка на этот конкретный запрос и отправить эти данные в Толоку. После того, как в Толоке данные будут размечены на (не)релевантность, мы можем собрать разные статистики и понять, насколько хорошо мы сейчас что-то ищем (тут правда стоит понимать, что в данной метрике речь идёт про качество (precision), а не полноту (recall)), собрать примеры нерелевантной выдачи и каким-то образом их починить.
Ну или можно посмотреть, как много пользователей смотрят вашу полную выдачу/полные рекомендации, чтобы понимать, стоит ли делать выдачу больше/рекомендовать больше товаров. То есть если вы показываете пользователю 100 товаров и при этом 50% долистывают до конца, можно сделать вывод, что пользователь не нашёл то, что хотел бы купить -> можем показать ещё сто товаров.

Ну и конечно это всё используется для аналитиков. Обычно эти данные уезжают в какое-то OLAP-хранилище, где можно выполнять сложные аналитические запросы. Это позволяет исследовать какие-то гипотезы про происходившее или находить новые зависимости (что иногда позволяет понимать, какие-то боли пользователей -> решать их и делать продукт лучше).