Правила применения рекомендательных технологий

 

Индивидуальный предприниматель Романов Алексей Анатольевич (ИП Романов Алексей Анатольевич), ИНН 771371235855 (далее — «Компания») является владельцем сайта https://monetnik.ru (далее — «Сайт») и мобильного приложения Монетник: монеты России и СССР (далее – «Приложение»), на которых применяются информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети Интернет (далее — «Владелец информационного ресурса, на котором применяются рекомендательные технологии»).

Настоящие Правила применения рекомендательных технологий (далее — «Правила») содержат описание процессов и методов сбора, систематизации, анализа сведений, относящихся к предпочтениям пользователей сети Интернет, предоставления информации на основе этих сведений, способов осуществления таких процессов и методов, а также описание видов сведений, относящихся к предпочтениям пользователей сети Интернет, которые используются для предоставления информации с применением рекомендательных технологий, и источников получения таких сведений.

Владелец информационного ресурса, на котором применяются рекомендательные технологии, не допускает применение рекомендательных технологий, которые нарушают права и законные интересы граждан и организаций, а также не допускает применение рекомендательных технологий в целях предоставления информации с нарушением законодательства Российской Федерации.

Что такое рекомендации

Под рекомендательными технологиями здесь и далее понимаются программные комплексы, которые с помощью алгоритмических вычислений и машинного обучения на основании данных о пользователе или характеристиках элементов в системе осуществляют индивидуализированный подбор, а также ранжирование контента для конечного пользователя.

Зачем нужны рекомендации

Рекомендации помогают:
Экономить время. Они предлагают контент, товары и услуги, которые, с большой долей вероятности, подойдут именно вам.
Находить новое. Рекомендательные алгоритмы учитывают предпочтения – не только ваши, но и других пользователей и могут предложить что-то необычное, о чем вы ранее не слышали и не знали.
Получать выгоду. Рекомендации могут предложить качественную альтернативу или бюджетный аналог.

Какие данные используют рекомендательные технологии

Для алгоритмических вычислений Компания использует полученные от пользователей сайта и приложения данные, а именно:
• данные о любых действиях пользователя;
• данные о любых запросах пользователя;
• IP адрес;
• файлы cookie;
• идентификатор пользователя, присваиваемый сайтом/приложением;
• посещенные страницы;
• количество посещений страниц;
• длительность пользовательской сессии;
• точки входа (сторонние сайты, с которых пользователь по ссылке переходит на сайт);
• точки выхода (ссылки на сайте, по которым пользователь переходит на сторонние сайты);
• страна пользователя;
• геопозиция;
• регион пользователя;
• часовой пояс, установленный на устройстве пользователя;
• провайдер пользователя;
• браузер пользователя;
• цифровой отпечаток браузера (canvas fingerprint);
• доступные шрифты браузера;
• установленные плагины браузера;
• параметры WebGL браузера;
• тип доступных медиаустройств в браузере;
• наличие ActiveX;
• перечень поддерживаемых языков на устройстве пользователя;
• архитектура процессора устройства пользователя;
• ОС пользователя;
• параметры экрана (разрешение, глубина цветности, параметры размещения страницы на экране);
• информация об использовании средств автоматизации при доступе на сайт;
• дата и время посещения сайта;
• источник перехода (UTM метка);
• значение UTM меток от source до content;
• уникальный идентификатор, присваиваемый интернет-сторонним сервисом, обеспечивающим обработку статистических данных;
• метрические данные;
• данные сетевого трафика.

Как работают рекомендательные алгоритмы

Для работы рекомендательных технологий Компания применяет алгоритмы фильтрации на основе контента (алгоритмы градиентного бустинга) и коллаборативной фильтрации.

Указанные данные, Компания оцифровывает и представляет в векторном виде. При фильтрации на основе контента алгоритмы рекомендуют контент, похожий на тот, который пользователь выбирал в прошлом или которые он изучает в настоящее время. При коллаборативной фильтрации используется информация о поведении пользователей с похожими интересами. Система находит пользователей или элементы с историей оценок, аналогичной текущему пользователю или элементу, и генерирует рекомендации на основании этой схожести.

Рекомендации зависят от поведения пользователя на сервисах Компании, при этом выбор всегда остаётся за пользователем: он может следовать рекомендациям или игнорировать их.

Безопасность и конфиденциальность

Компания надежно защищает данные пользователей на своих сервисах. Для этого используются шифрование и настройки доступа, проводится независимый аудит в соответствии со стандартами безопасности.

Общество обязуется защищать конфиденциальность пользователей, соблюдая законы о защите данных и не допуская несанкционированного доступа к информации.