# Как работает персонализация
Персонализация в Sales Ninja — это автоматическая система машинного обучения, которая показывает каждому посетителю тот вариант контента, который с наибольшей вероятностью приведёт к конверсии.
# Три стадии жизненного цикла
Персонализация проходит через три стадии в процессе работы:
# 1. Сбор данных (StashData)
Что происходит:
- Система собирает данные о поведении пользователей
- Варианты показываются случайно (или с автобалансировкой, если включена)
- AI-модель ещё не обучена и не делает предсказаний
- Накапливается статистика для первого обучения
Длительность:
- Зависит от количества конверсий
- Минимум 75 конверсий в контрольной группе для запуска обучения
- Обычно 100-200 конверсий для качественного первого обучения
- При высоком трафике (>20 конверсий/день) система ждёт дольше для накопления более качественных данных
Индикатор прогресса: В интерфейсе вы видите процент готовности к обучению (0-100%). Когда достигнет 100% — автоматически запустится обучение первой модели.
Пример: У вас 50 конверсий в неделю. Через 2-3 недели накопится ~100-150 конверсий, система автоматически обучит первую модель и перейдёт к следующей стадии.
# 2. Неподтверждённая модель (NotProvedModel)
Что происходит:
- AI-модель обучена и начинает персонализировать — показывает каждому пользователю вариант с максимальной предсказанной вероятностью конверсии
- Система продолжает собирать данные для подтверждения эффективности модели
- Проверяется статистическая значимость прироста конверсии
- Контрольная группа сохраняется для измерения эффекта
Длительность:
- Зависит от скорости накопления данных и качества модели
- Обычно требуется ещё несколько недель после первого обучения
- Система проверяет статистическую значимость прироста
Критерии перехода к следующей стадии:
- Достаточно данных для статистически значимого измерения прироста конверсии
- Модель показывает устойчивые результаты на протяжении нескольких версий
Что если модель не работает:
- Если модель показывает плохие результаты, система может вернуться к стадии "Сбор данных" и переобучить модель
- Если у вас включена автобалансировка с опцией "Всегда исключать плохие варианты" — плохие варианты автоматически исключаются из показа
# 3. Подтверждённая модель (ProvedModel)
Что происходит:
- Модель подтверждена статистически — прирост конверсии доказан
- Система продолжает персонализировать и показывать оптимальные варианты
- Регулярно переобучается для адаптации к изменениям
- Вы видите точный процент прироста конверсии относительно контрольной группы
Переобучение:
- Модель автоматически переобучается при накоплении новых данных
- Частота переобучения зависит от объёма трафика
- При изменении вариантов или условий — модель переобучается автоматически (если не отключено в настройках)
# Как AI выбирает варианты для показа
# На стадии "Сбор данных"
Варианты показываются случайно или с автобалансировкой (если включена):
- Без автобалансировки: Равномерное распределение между всеми вариантами (например, 33%/33%/33% для 3 вариантов)
- С автобалансировкой: Система использует Thompson Sampling — плохие варианты постепенно получают меньше трафика, хорошие — больше
# На стадиях "Неподтверждённая модель" и "Подтверждённая модель"
AI делает предсказание для каждого пользователя:
Анализирует характеристики пользователя:
- Источник трафика (откуда пришёл)
- Устройство (мобильный/десктоп)
- География
- Время суток и день недели
- Поведение на сайте (просмотренные страницы, клики, скроллы)
- История взаимодействий с сайтом
Предсказывает вероятность конверсии для каждого варианта:
- Например, для пользователя А: Вариант 1 = 5%, Вариант 2 = 12%, Вариант 3 = 8%
Показывает вариант с максимальной вероятностью:
- Пользователю А покажется Вариант 2 (12%)
Учитывается метрика оптимизации:
- Если оптимизация по конверсии — максимизируется вероятность конверсии
- Если оптимизация по выручке — максимизируется предсказанная выручка
- Если оптимизация по валовой прибыли — максимизируется предсказанная прибыль
# Контрольная группа
Контрольная группа — это часть трафика (обычно 10-20%), которая не видит персонализацию и получает случайные варианты.
Зачем нужна:
- Измерить реальный эффект персонализации
- Сравнить результаты AI с базовым сценарием (без персонализации)
- Рассчитать процент прироста конверсии
Как работает:
- Пользователи случайным образом делятся на две группы: персонализация (80-90%) и контроль (10-20%)
- Контрольная группа видит случайные варианты без оптимизации AI
- Группа персонализации видит оптимизированные AI варианты
Автобалансировка контрольной группы: Если включена автобалансировка — веса вариантов корректируются автоматически, но контрольная группа всегда остаётся для измерения эффекта.
# Обучение и переобучение модели
# Первое обучение
Когда запускается:
- Автоматически при достижении ~75-200 конверсий на стадии "Сбор данных"
- Вручную через кнопку "Обучить модель" (если есть минимум 75 конверсий)
Что происходит:
- Система анализирует все накопленные данные о пользователях и конверсиях
- Обучает ML-модель на исторических данных
- Тестирует модель на отложенной выборке (test set)
- Применяет модель для персонализации
- Переходит к стадии "Неподтверждённая модель"
Длительность:
- Зависит от объёма данных
- Обычно от нескольких минут до нескольких часов
- Вы видите прогресс обучения в процентах в интерфейсе
# Переобучение модели
Когда запускается автоматически:
- При накоплении достаточного количества новых данных
- При изменении вариантов персонализации (если не отключено в настройках)
- Периодически для адаптации к изменениям в поведении аудитории
Когда НЕ запускается автоматически:
- При изменении метрики оптимизации — требуется ручной запуск
- При изменении модели атрибуции — требуется ручной запуск
Ручное переобучение: Вы можете запустить переобучение вручную в любой момент через настройки персонализации. Это полезно если:
- Изменили метрику оптимизации или модель атрибуции
- Существенно изменили контент вариантов
- Хотите обновить модель на свежих данных
# Частые вопросы
Можно ли ускорить процесс обучения?
Нет, система ждёт накопления достаточного количества данных для качественного обучения. Попытка обучить модель на недостаточных данных приведёт к плохим предсказаниям.
Что делать, если персонализация застряла на стадии "Сбор данных"?
Проверьте:
- Достаточно ли у вас конверсий (минимум 75 в контрольной группе)
- Правильно ли настроены цели
- Достигаются ли цели пользователями
Если конверсий мало (<10/день) — подождите 2-4 недели для накопления данных.
Почему модель не переходит к стадии "Подтверждённая модель"?
Возможные причины:
- Недостаточно данных для статистически значимого измерения прироста
- Модель показывает нестабильные результаты
- Прирост конверсии слишком мал для статистического подтверждения
Дайте системе больше времени на накопление данных.
Влияет ли автобалансировка на скорость обучения?
Нет. Автобалансировка корректирует веса вариантов, но не влияет на процесс обучения AI-модели. Модель обучается на всех накопленных данных независимо от настроек автобалансировки.