Sales Ninja — документация

# Создание персонализации

Персонализация — это инструмент, который использует машинное обучение для автоматического выбора лучшего варианта контента для каждого посетителя.

# Процесс создания

# 1. Перейдите в раздел персонализаций

В главном меню выберите "Персонализации" → "Все персонализации" → "Создать персонализацию".

# 2. Заполните обязательные поля

# Название

Укажите понятное название для персонализации, чтобы легко находить её в списке.

Примеры хороших названий:

  • "Главная - Заголовок H1"
  • "Каталог - Баннер акции"
  • "Корзина - Текст кнопки оформления"
  • "Главная - Блок рассрочки - Заголовок"
  • "Карточка товара - Блок доставки - Текст"
  • "Лендинг - Форма заявки - Текст кнопки"

Примеры плохих названий:

  • "Персонализация 1"
  • "Тест"
  • "aaa"

Рекомендация: Используйте структуру "Страница - Блок - Элемент" через тире. Это помогает быстро понять, где находится изменяемый элемент, особенно когда персонализаций много.

# Метрика оптимизации

Метрика оптимизации определяет, что именно AI-модель будет максимизировать при выборе вариантов для показа.

# Конверсия

AI будет показывать варианты, которые приводят к максимальному количеству целевых действий.

Когда использовать:

  • Все конверсии для вас одинаково ценны
  • У вас нет данных о доходе или расходах
  • Вы хотите максимизировать количество заявок, подписок, регистраций

Пример: Вы продаёте подписку по фиксированной цене 1000₽/месяц. Все подписки одинаково ценны — оптимизация по количеству конверсий идеально подходит.

# Выручка

AI будет показывать варианты, которые приносят максимальную суммарную выручку.

Когда использовать:

  • У вас есть данные о выручке от каждой конверсии
  • Ценность конверсий сильно различается (кто-то покупает на 1000₽, кто-то на 100 000₽)
  • Вам важен общий доход, а не количество сделок

Пример: Интернет-магазин электроники. Один покупатель купил наушники за 3000₽, другой — ноутбук за 80 000₽. AI будет показывать варианты, которые привлекают покупателей с большим средним чеком.

Как передавать данные о выручке:

Выручка передаётся вместе с достижением цели. Есть несколько способов:

  1. Через Яндекс.Метрику - если цель синхронизирована с Метрикой, выручка автоматически берётся из параметра заказа в электронной торговле
  2. Через DataLayer - если цель настроена на событие из DataLayer с полем revenue
  3. Через JavaScript API - можно передать вручную: ninja('reachGoal', 'purchase', { revenue: 5000 })
  4. Через дефолтное значение - можно задать фиксированную выручку для цели в настройках цели (если всегда одинаковая)

Если выручка не передана ни одним из способов, система будет считать её равной 0 для этой конверсии.

# Валовая прибыль

AI будет показывать варианты, которые приносят максимальную валовую прибыль (выручка минус расходы).

Когда использовать:

  • У вас есть данные о расходах на привлечение или обслуживание клиента
  • Вы хотите оптимизировать именно прибыль, а не валовый доход
  • У вас разная рентабельность по разным источникам трафика или товарам

Пример: У вас дорогой платный трафик из рекламы. Персонализация может увеличить средний чек на 20%, но если при этом конверсия упадёт и цена конверсии вырастет, валовая прибыль может снизиться. Оптимизация по валовой прибыли учитывает эти затраты.

Как передавать данные о расходах:

Расходы (cost) передаются аналогично выручке:

  1. Через DataLayer - если событие содержит поле cost
  2. Через JavaScript API - ninja('reachGoal', 'purchase', { revenue: 5000, cost: 2000 })
  3. Через дефолтное значение - можно задать фиксированную валовую прибыль для цели в настройках цели

Формула: Валовая прибыль = revenue - cost

Cost может включать: себестоимость товара, стоимость клика в рекламе, затраты на доставку, комиссии платёжных систем, и любые другие расходы, которые вы хотите учитывать.

Рекомендация выбора метрики:

Метрика Когда использовать
Конверсия Все конверсии одинаковые, нет данных о выручке
Выручка Есть данные о выручке, ценность конверсий различается
Валовая прибыль Есть данные о расходах, важна рентабельность

# 3. Выберите дополнительные настройки

# Модель атрибуции

Модель атрибуции определяет, какие конверсии учитываются при обучении модели и оптимизации.

# Суммировать все конверсии

Учитываются все конверсии пользователя без ограничений.

Когда использовать:

  • Вы хотите максимизировать общее количество конверсий
  • Повторные покупки для вас так же важны, как и первые
  • У вас подписочная модель или регулярные покупки

Пример: Интернет-магазин продуктов питания. Клиенты покупают регулярно (каждую неделю). Вы хотите, чтобы AI оптимизировал на максимальное количество покупок, включая повторные.

# Учитывать только первую конверсию для каждого пользователя

Учитывается только самая первая конверсия каждого пользователя за всё время.

Когда использовать:

  • Вам важен первый контакт или первая покупка
  • Повторные покупки происходят без влияния персонализации
  • Вы хотите избежать переобучения модели на лояльных клиентах

Пример: Онлайн-курс стоимостью 50 000₽. Покупка происходит один раз. Вам важно оптимизировать именно на первую покупку, потому что повторных не будет.

# Учитывать только первую конверсию в каждой сессии

Учитывается только первая конверсия в каждой сессии пользователя.

Когда использовать:

  • Пользователи могут совершить несколько конверсий за одно посещение
  • Вам важна конверсия сессии, а не пользователя
  • Вы хотите избежать дублирования при нескольких действиях в рамках одного визита

Пример: Lead-generation сайт. Пользователь может заполнить несколько форм за один визит (заявка на консультацию, подписка на рассылку, скачивание PDF). Вы хотите учитывать только первую заявку в рамках сессии, чтобы не переоценивать эффект персонализации.

# Учитывать только самую значимую конверсию для каждого пользователя

Учитывается только одна конверсия с максимальным значением (выручкой или чистой прибылью) для каждого пользователя за всё время.

Когда использовать:

  • У вас есть иерархия конверсий (одни важнее других)
  • Вы хотите оптимизировать на самое ценное действие
  • Используете оптимизацию по выручке или валовой прибыли

Пример: E-commerce. Пользователь за свою жизнь добавил товар в корзину (ценность 0₽), затем купил товар за 3000₽, потом ещё раз за 1000₽. Система учтёт только покупку за 3000₽ как самую ценную для этого пользователя.

Важно: Эта модель имеет смысл только при оптимизации по выручке или валовой прибыли. При оптимизации по количеству конверсий все конверсии равны и выбирать "самую ценную" бессмысленно.

# Учитывать только самую значимую конверсию в каждой сессии

Учитывается только одна конверсия с максимальным значением в каждой сессии.

Когда использовать:

  • Несколько конверсий в одной сессии с разной ценностью
  • Вы хотите оптимизировать на пиковое событие в рамках визита

Пример: SaaS-сервис с несколькими тарифами. Пользователь за одну сессию оформил пробный период (0₽), затем купил базовый тариф (1000₽/мес), затем апгрейднулся до премиум (5000₽/мес). Учитывается только последняя покупка премиум-тарифа.

Рекомендация выбора атрибуции:

Атрибуция Когда использовать
Суммировать все конверсии Подписки, повторные покупки, регулярное потребление
Учитывать только первую конверсию для каждого пользователя Разовые покупки, первый контакт, длинный цикл сделки
Учитывать только первую конверсию в каждой сессии Несколько действий за визит, lead generation
Учитывать только самую значимую конверсию для каждого пользователя Иерархия конверсий, e-commerce с разными чеками
Учитывать только самую значимую конверсию в каждой сессии Upsell в рамках одного визита, многоуровневые воронки

# Автобалансировка контрольной группы

Автобалансировка контрольной группы — это механизм, который автоматически корректирует веса (приоритеты показа) вариантов персонализации на основе их реальной эффективности.

# Как это работает

Система использует алгоритм Thompson Sampling (байесовский подход к балансировке exploration/exploitation):

  1. Каждому варианту присваивается вес - число от 0 до 1, определяющее вероятность его показа
  2. Веса пересчитываются автоматически на основе статистики: чем лучше вариант показывает себя, тем выше его вес
  3. Плохие варианты получают меньше трафика - их вес постепенно снижается (gradual fade-out)
  4. Хорошие варианты получают больше трафика - их вес растёт
  5. Новые варианты защищены - варианты младше 7 дней не могут быть сильно пессимизированы, чтобы накопить достаточно данных

Что оптимизируется:

  • Если выбрана метрика "Конверсия" - оптимизируется conversion rate
  • Если выбрана метрика "Выручка" - оптимизируется revenue per event
  • Если выбрана метрика "Валовая прибыль" - оптимизируется net profit per event

Когда включать:

  • Вы хотите автоматически снижать показы плохо работающих вариантов
  • У вас есть экспериментальные варианты и вы хотите минимизировать потери от них
  • Вы хотите максимизировать общий эффект персонализации

Когда не включать:

  • Вы хотите равномерного распределения для честного A/B теста (но тогда лучше использовать тип "A/B тест", а не "Персонализация")
  • У вас очень мало трафика и вариантов (2-3), и вы хотите накопить статистику по всем равномерно
# Всегда исключать плохие варианты

Опция "Всегда исключать плохие варианты" (доступна при включённой автобалансировке) полностью убирает из показа варианты, которые показывают статистически значимо худшие результаты.

Как это работает:

  • Система анализирует каждый вариант
  • Если вариант показывает конверсию/выручку/прибыль значительно ниже среднего (статистически значимое отличие) - его вес становится 0
  • Такие варианты больше не показываются никому
  • Это отличается от обычной автобалансировки, где плохие варианты получают меньший вес, но всё ещё могут показываться

Когда включать:

  • Вы добавили экспериментальные варианты и хотите полностью исключить провальные
  • Вы не уверены в качестве всех вариантов
  • Вам критически важно минимизировать риск потери конверсии

Когда не включать:

  • У вас мало вариантов (2-3), и вы уверены, что все они адекватные
  • Вы хотите получить статистику по всем вариантам для анализа

Рекомендация:

  • Включайте автобалансировку по умолчанию для персонализаций - это повышает эффективность
  • Включайте "Всегда исключать плохие варианты" если экспериментируете с новыми гипотезами или не уверены в вариантах
  • Отключайте автобалансировку только если хотите провести честный A/B тест с равномерным распределением (но тогда лучше использовать тип "A/B тест")

# Область применения (Scope)

Область применения определяет, где будет работать персонализация: на веб-сайте, в мобильном приложении или на backend.

# Web (Веб-сайт)

Персонализация работает на веб-сайте через установленный JavaScript-код Sales Ninja.

Когда использовать:

  • Вы персонализируете контент на сайте (тексты, изображения, блоки)
  • У вас установлен код Sales Ninja на сайте

Как работает:

  • Скрипт Sales Ninja загружается на страницу
  • Система определяет, какой вариант показать
  • Изменения применяются к DOM-элементам в браузере
# Mobile (Мобильное приложение)

Персонализация работает в мобильном приложении через Public API Sales Ninja.

Когда использовать:

  • У вас есть нативное мобильное приложение (iOS/Android)
  • Вы хотите персонализировать контент в приложении
  • Ваше приложение может интегрироваться с API Sales Ninja

Как работает:

  • Приложение отправляет запрос к API Sales Ninja при загрузке экрана
  • API возвращает вариант для показа
  • Приложение применяет изменения в UI
# Backend (Серверная персонализация)

Персонализация работает на уровне backend через Public API Sales Ninja.

Когда использовать:

  • Вы хотите персонализировать контент на этапе генерации HTML на сервере
  • У вас Server-Side Rendering (SSR)
  • Вам критически важна скорость отрисовки (нет моргания контента)

Как работает:

  • Backend запрашивает вариант через API перед генерацией HTML
  • Сервер вставляет нужный контент в HTML
  • Пользователь получает уже персонализированную страницу

Преимущества:

  • Нет эффекта "моргания" контента
  • Лучше для SEO (поисковые системы видят финальный контент)
  • Работает для пользователей с отключённым JavaScript

Недостатки:

  • Требуется серверная интеграция
  • Сложнее в реализации, чем Web

Рекомендация:

  • Web — для большинства случаев персонализации сайтов
  • Mobile — если у вас нативное приложение
  • Backend — если критична скорость отрисовки или важен SEO

# 4. Настройте условия показа и варианты

После создания персонализации вы сможете:

  1. Настроить условия показа — кому и на каких страницах показывать персонализацию
  2. Создать варианты — какие изменения контента предлагать

Подробнее:

# 5. Запустите персонализацию

После создания персонализация автоматически переходит в статус "Сбор данных".

Что происходит:

  • Система начинает собирать данные о поведении пользователей
  • AI-модель ещё не обучена, варианты показываются случайно (или с автобалансировкой, если включена)
  • После накопления достаточного количества данных (обычно 100-200 конверсий) модель автоматически обучится и начнёт персонализировать

Подробнее: Как работает персонализация

# Частые вопросы

Сколько времени нужно для обучения модели?

Зависит от трафика и конверсий. Обычно 100-200 конверсий достаточно для первого обучения. При 50 конверсиях в неделю модель обучится через 2-4 недели.

Можно ли изменить метрику оптимизации после создания?

Да, можно. По умолчанию переобучение модели НЕ запустится автоматически - модель продолжит работать с прежней метрикой. Если вы хотите переобучить модель на новую метрику, нужно вручную запустить обучение в настройках персонализации.

Что делать, если персонализация ухудшает конверсию?

Включите автобалансировку и "Всегда исключать плохие варианты" — система автоматически минимизирует влияние плохих вариантов. Или остановите персонализацию и проанализируйте варианты.

# Следующие шаги

← Варианты →