LLMCaseLLMCase
Кейс #e-commerce·июль 2026

Как YouTravel.me удвоил конверсию в бронирования туров с помощью ML-рекомендаций

×2
рост конверсии в целевое действие за 2 месяца
6-9%
конверсия показ→клик с персонализацией (было 3-4,5%)
0,5 сек
пересортировка листингов в реальном времени
YouTravel.me
Маркетплейс авторских туров
Ниша
E-commerce
Куда внедрял ИИ
Продажи

!Проблема

Стандартные блоки рекомендаций («вам понравится также», upsell в корзине) работали слабо и не учитывали реальный запрос пользователя
Пользователи не видели весь спектр подходящих туров под свои интересы и уходили с сайта
Часть трафика не доходила до целевого действия — маркетплейс терял выручку на нерелевантной выдаче

Инструменты и решение

Маркетплейс авторских туров YouTravel.me терял клиентов из-за слабых стандартных рекомендаций — пользователи не видели туры, которые реально им подходили. Интегратор AGIMA внедрил ML-систему с тремя стратегиями персонализации (для холодных, тёплых и горячих пользователей) и пересортировкой листингов в реальном времени. Итог — конверсия из показа в клик выросла с 3-4,5% до 6-9%, а целевое действие удвоилось за 2 месяца.

Как решали

Разработали 3 стратегии рекомендаций под разные типы пользователей: холодные (по статическим признакам — язык, регион, устройство), тёплые (по проявленному поведению) и горячие (проведшие на сайте 30+ минут)
Настроили сбор поведенческих данных и ленивых просмотров с построением онлайн-профиля пользователя в реальном времени
Внедрили пересортировку листингов в реальном времени (~0,5 сек) на основе актуального профиля
Настроили ежечасное переобучение ML-модели на новых данных (стек PyTorch/XGBoost, Kafka, MLflow, Airflow)

Результат в цифрах

6-9%
конверсия показ→клик с персонализацией против 3-4,5% без неё
×2
рост целевого действия за 2 месяца после запуска
0,5 сек
скорость пересортировки листингов под пользователя

Похожие кейсы

Как онлайн-сервис аренды жилья поднял конверсию в бронирование на 6% с помощью динамического ценообразования +6% конверсия из просмотра в бронирование Как AI-ассистент обрабатывает 10 000+ обращений в месяц в 5 каналах для туристической компании 10 000+ обращений в месяц Как автозавод в Петербурге ускорил оценку 1000 сотрудников в 1,5 раза и снизил нагрузку на HR на 70% ×1.5 быстрее проведение оценки Все 63 кейсов в библиотеке →