Что на самом деле скрывается за подборками «Вам может понравиться»: две стороны AI-рекомендаций

Пять минут скроллинга — и в моей корзине уже три товара, и всё благодаря «AI-рекомендациям». Я зашла всего лишь за одной рубашкой, но блок «Вам также может понравиться» привел меня к кардигану и шарфу. Когда понимаешь, что 35% выручки Amazon приносят алгоритмы рекомендаций (McKinsey), всё сразу встает на свои места, не так ли?

Как алгоритмы читают ваши мысли

Почему AI-рекомендации кажутся пугающе точными? Неужели они читают ваши мысли?

На самом деле, они читают не мысли, а ваше поведение.

Искусственный интеллект собирает три основных типа сигналов. Во-первых, поведенческие сигналы: на что вы кликаете, как долго задерживаете взгляд, что ищете и что в итоге покупаете. За одну сессию собираются десятки таких точек данных. Во-вторых, атрибуты товаров: цвет, материал, фасон, бренд и ценовой диапазон. В-третьих, контекстная информация: время суток, погода, местоположение и устройство, которым вы пользуетесь.

Комбинируя эти три фактора, AI вычисляет вероятность того, что вам понравится конкретный Предмет. Он определяет, что пришлось по вкусу людям с похожими паттернами поведения — этот процесс называется коллаборативной фильтрацией.

Недавно технологии шагнули еще дальше с появлением разговорного ИИ. Теперь алгоритмы могут понимать вопросы на естественном языке, такие как: «Что мне надеть на неформальный бранч в выходные?», и предлагать рекомендации с учетом контекста. Исследования показывают, что такой подход обеспечивает даже более высокий уровень удовлетворенности клиентов, чем традиционные методы.

Хотя сама технология впечатляет, настоящая проблема кроется в другом.

Дизайн, скрытый за удобством

Чем точнее становятся AI-рекомендации в онлайн-магазинах, тем больше мы покупаем. И это не совпадение — всё продумано заранее.

Главная метрика успеха для алгоритма рекомендаций — это коэффициент конверсии (процент рекомендаций, которые привели к покупке). Цель алгоритма — поднять этот показатель как можно выше. Другими словами, он оптимизирован для того, чтобы заставить вас «купить», а не для того, чтобы подсказать, что вам действительно нужно.

В систему встроено несколько психологических тактик:

Пузырь фильтров. AI постоянно показывает вам стили, которые вам уже нравятся. Это удобно, но ваш стиль может «застояться», лишая вас возможности попробовать что-то новое.

Создание чувства спешки. Сообщения в духе «Предложение действует 24 часа», «3 человека просматривают этот товар» или «Осталось мало на складе» вынуждают принимать быстрые решения. Предметы, мимо которых вы бы прошли, будь у вас время подумать, оказываются в корзине из-за ощущения дефицита.

Пассивный сбор данных. Данные собираются обо всем: от того, сколько секунд вы смотрите на Предмет, до скорости скроллинга. Эта информация возвращается в алгоритм, чтобы создать такую Ленту, перед которой будет «трудно устоять».

В этом нет ничего плохого по умолчанию. Хорошие рекомендации могут помочь открыть новые бренды или найти нужные Предметы. Однако есть огромная разница между пониманием того, как работает эта система, и слепым следованием ей.

Когда вы понимаете механику процесса, вы можете создать свой собственный фильтр.

Ваш Гардероб как фильтр

ИИ маркетплейса знает, что вы «купили», но он не знает, чем вы «владеете». Он понятия не имеет, сколько раз вы надевали ту или иную вещь, есть ли у вас уже что-то похожее и будет ли этот новый Предмет сочетаться с остальными вещами из вашего шкафа.

Именно здесь данные вашего цифрового Гардероба выступают в роли фильтра.

Когда вы видите рекомендацию, откройте свой цифровой Гардероб и спросите себя: «Есть ли у меня уже похожий трикотаж в Гардеробе?», «Если я куплю это, смогу ли я составить хотя бы 3 разных Образа с моими текущими вещами?», «Достаточно ли у меня вещей в этой Категории?».

Чтобы ответить на эти вопросы, вам нужны реальные данные о вашем арсенале одежды. Если полагаться только на память, легко попасть в ловушку мыслей: «Кажется, у меня нет ничего подобного».

В то время как платформенный AI настроен на то, чтобы вы «купили», данные вашего Гардероба помогают вам «определить, действительно ли вам это нужно». Используя их вместе, вы сможете наконец прийти к осознанному и независимому потреблению.

Но делать это вручную каждый раз утомительно. Нужен более системный подход.

Правило 5 секунд для рекомендаций

Вам не нужен глубокий анализ для каждой рекомендации. Просто попробуйте этот 5-секундный тест:

«Буду ли я всё еще думать об этой вещи через 48 часов?»

Для импульсивных покупок характерно чувство срочности «здесь и сейчас». Если дать себе 48-часовой период «охлаждения», действительно нужные вещи останутся в памяти, а сиюминутные порывы естественным образом угаснут.

Добавление еще одного шага сделает этот метод еще эффективнее: «Могу ли я сочетать этот Предмет хотя бы с 3 имеющимися вещами в моем Гардеробе?» Оставляйте в качестве кандидатов на покупку только те Предметы, которые прошли этот тест. Если вы не можете придумать хотя бы 3 Образа, эта вещь, скорее всего, будет лежать без дела.

Всего два этих шага — 48-часовая пауза и тест на 3 образа — помогут отсеять подавляющее большинство ненужных покупок.

AI-рекомендации — отличный инструмент, но инструменты полезны только в руках тех, кто умеет ими пользоваться. Когда вы понимаете, как работают алгоритмы, и используете данные своего Гардероба в качестве фильтра, AI перестает быть тем, что заставляет вас «покупать больше», и становится тем, что помогает вам «покупать лучше».

❓ FAQ

Q: Стоит ли мне полностью игнорировать AI-рекомендации?
A: Нет. AI-рекомендации полезны для поиска нового. Однако важно выработать привычку сопоставлять эти предложения с данными вашего Гардероба, чтобы решить, «действительно ли мне это нужно».

Q: Как мне выбраться из пузыря фильтров?
A: Время от времени намеренно ищите стили, отличные от ваших привычных предпочтений, или заглядывайте в Образы друзей для вдохновения. Использование функции AI Стиль в Acloset для получения идей новых сочетаний — также отличный способ расширить модные горизонты.

Q: Могу ли я фильтровать AI-рекомендации внутри Acloset?
A: Поскольку Acloset рекомендует Образы на основе того Гардероба, который у вас уже есть, его советы сфокусированы на том, насколько хорошо вещи сочетаются между собой. Это принципиально отличается от рекомендаций маркетплейсов, нацеленных исключительно на продажу.

Источники:

McKinsey & Company, "The State of Fashion," 2024-2025
ThredUp, "Resale Report," 2025
WRAP UK, "Valuing Our Clothes," 2023

Опубликовано командой Acloset Magazine.