Оглавление

По сообщению AWS, e-commerce платформа Snoonu из Катара кардинально пересмотрела подход к персонализации, отказавшись от стандартных правил в пользу интеллектуальных рекомендаций на базе Amazon Personalize.

Проблемы традиционного подхода

Изначально Snoonu ранжировала товары по популярности, показывая одинаковые топовые товары всем пользователям. Этот подход не учитывал индивидуальные предпочтения и совершенно игнорировал длинный хвост товаров, которые могли бы идеально подойти конкретным клиентам.

Статические рекомендации обновлялись раз в неделю, быстро устаревали и не реагировали на изменения в поведении пользователей или обновления ассортимента. Результат — низкая вовлеченность и упущенные возможности для конверсии.

Эволюция персонализации

Snoonu прошла три ключевых этапа трансформации:

  • Единая глобальная модель — первоначальная реализация ежедневных рекомендаций для всех вертикалей
  • Вертикальные модели — отдельные модели для Marketplace, Food и Groceries с учетом специфики поведения
  • Ежедневное обновление — переход с 3-недельного цикла обучения на ежедневные апдейты

Техническая реализация

Архитектура решения включает несколько ключевых компонентов:

Система использует сложные фильтрующие выражения для исключения товаров, уже добавленных в корзину, и рекомендаций в рамках текущей категории просмотра. Например, при поиске ноутбуков система предлагает сопутствующие электронные товары.

Для оптимизации производительности реализовано кэширование через Amazon ElastiCache с Redis, что значительно снизило задержки API и улучшило масштабируемость системы.

Архитектура AWS для пайплайна обновления модели: подготовка данных, персонализация и оценка

История Snoonu — классический пример того, как стартапы перерастают примитивные решения и переходят к сложным архитектурам. Интересно, что они сначала пошли по пути единой модели, что типично для быстрого старта, но затем осознали необходимость вертикальной специализации. Это важный урок для рынка: персонализация — это не про «включил и забыл», а про постоянную тонкую настройку под специфику бизнеса. Кэширование через Redis — вообще необходимость для любого серьезного e-commerce, приятно видеть, что они не пытались решать все через один сервис.

Результаты и перспективы

Внедрение AI-персонализации позволило Snoonu достичь измеримого эффекта через умные, основанные на данных возможности, которые значительно повысили вовлеченность клиентов и показатели конверсии. Система теперь способна адаптироваться к изменениям инвентаря и поведенческим паттернам в реальном времени.

Эволюция подхода Snoonu демонстрирует гибкий и итеративный подход стартапа, сфокусированного на непрерывной поставке добавочной ценности. Это особенно важно на конкурентном ближневосточном рынке, где пользователи ожидают бесшовного опыта и релевантных рекомендаций.