<h2>Правила участия</h2>

Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь с <a href="https://storage.yandexcloud.net/ds-ods/files/content/2026/07/23/c9e15760c079/%D0%9F%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0%20E-CUP_23.07.26.pdf" rel="noopener noreferrer" target="_blank">Условиями конкурса Соревнования E-CUP &laquo;Ozon Tech&raquo;</a> 
&nbsp;

Нам важно глубже понимать поведение пользователя на площадке, чтобы определять покупательский потенциал, рост/снижение активности и на этой основе принимать решения, влияющие на долгосрочную выручку.&nbsp;

Одной из ключевых задач для онлайн-платформ является предсказание пожизненной ценности пользователя (LTV, Lifetime Value). В качестве оценки LTV пользователя &laquo;здесь и сейчас&raquo; может выступать его ожидаемый суммарный GMV (Gross Merchandise Value) на горизонте нескольких недель или месяцев. Однако, чтобы эта оценка была полезной, требуется качественнно моделировать пользовательское поведение на длительных временных интервалах.

В этом соревновании участникам предлагается заняться пользовательским моделированием. Ваша задача &mdash; построить алгоритм, предсказывающий суммарный GMV пользователя в Поиске и Каталоге за следующие 30 дней:&nbsp;

<ul>
	<li>Для решения задачи участникам предоставляются более 30 миллионов обезличенных записей об активности 250 000 клиентов в Поиске и Каталоге;</li>
	<li>Каждая запись &mdash; сводка за один день со статистической информацией о покупках, добавлениях в корзину, поисковых запросах и стоимости заказов;&nbsp; 
	Осторожнее с данными, ведь это прореженные ряды, а их полное дозаполнение нулевой активностью может раздуть данные до 100 миллионов строк!</li>
	<li>Данные предоставляются за временной интервал с 1 января 2025 по 13 февраля 2026. Ваша задача &mdash; предсказать суммарную стоимость заказов для интервала с 14 февраля 2026 по 15 марта 2026.</li>
</ul>

Подступиться к этой задаче можно самыми разными способами. Здесь вам могут помочь как классический ML, так и подходы с временными рядами, или даже BTYD-методы. На дворе 2026 год, поэтому вы можете попробовать токенизировать дневное пользовательское поведение и проверить, не пришло ли время нейросетей для решения подобных задач.

Подробнее про данные и их структуру можно узнать на странице <a href="https://ods.ai/competitions/e-cup-2026-search/dataset" rel="noopener noreferrer" target="_blank">&ldquo;Данные&rdquo;</a>.&nbsp;

Это табличное соревнование с разметкой предоставленного вам .csv-файла. Вам необходимо создать алгоритм, способный по предоставленным в рамках соревнования данным, создать новый табличный .csv-файл с двумя столбцами:

<pre>
<code class="language-python">user_id, predict
2, 0.0
7, 486.96535
...
918481, 31.039128</code></pre>

<ul>
	<li><code>user_id</code> &ndash; идентификатор пользователя;</li>
	<li><code>predict</code> &ndash; предсказание вашего алгоритма.&nbsp;</li>
</ul>

Предсказания необходимо построить для всех 250 000 клиентов.&nbsp;

Примеры&nbsp;sample_submission.csv&nbsp;доступны на странице <a href="https://ods.ai/competitions/e-cup-2026-search/dataset" rel="noopener noreferrer" target="_blank">&ldquo;Данные&rdquo;</a>.

Решения проверяются автоматически путем сопоставления с известными истинными историческими значениями суммарного GMV пользователей. Истинные исторические значения в тестовых данных доступны только организаторам.

<h3>Метрика соревнования</h3>

В качестве метрики соревнования выступает RMSLE (Root Mean Squared Logarithmic Error) с <code>log1p</code> по всем предсказаниям:

$$RMSLE = \sqrt{ \frac{1}{n} \sum_{i=1}^{n} (\log(1 + y_{i}) - \log(1 + \hat{\overline{y}}_{i} ))^2 }$$&nbsp;

$$\hat{\overline{y}}_{i} = max(0, \hat{y}_{i}) $$

$$\text{Где:}$$

$$n \text{ &mdash; число клиентов},$$

$$y_{i} \text{ &mdash; истинные значения суммарного GMV клиента i за следующие 30 дней},$$

$$\hat{y}_{it} \text{ &mdash; предсказанные значения суммарного GMV клиента i за следующие 30 дней}.$$

Соотношение public/private в соревновании составляет 20/80:&nbsp;

<ul>
	<li>20% (50,000) клиентов используются для результатов на public-лидерборде. &nbsp;</li>
	<li>80% (200,000) клиентов используются для результатов на private-лидерборде.</li>
</ul>

Обратите внимание: если в качестве предсказаний предоставляются отрицательные значения, то они принудительно зануляются.

<h3>Ограничения для команд:</h3>

<ul>
	<li>Максимальное число решений в день: 5</li>
	<li>Максимальное число участников в команде: 5</li>
	<li>Число выбранных финальных решений: 2</li>
</ul>

____
# Определение призеров

В соответствии с правилами, соревнование проходит в несколько этапов:

<ol>
	<li>Онлайн-этап соревнования:
	<ul>
		<li>В рамках онлайн-этапа соревнования, участники отправляют свои решения и улучшают свой результат на public-лидерборде.&nbsp;</li>
		<li>В конце онлайн-формата участники выбирают свои финальные решения, а на их основе формируется итоговый private-лидерборд.</li>
		<li>Топ-15 команд с private-лидерборда переходят на следующий этап.</li>
	</ul>
	</li>
	<li>Этап определения финалистов:&nbsp;
	<ul>
		<li>Жюри запрашивают для оценки исходные репозитории финальных решений у команд из топ-15. Также результаты работы команд проверяются на соответствие правилам.</li>
		<li>Полученные репозитории оцениваются по дополнительным критериям на усмотрение жюри. Оцениваются качество работы с данными и моделями, ресурсоемкость решений и новизна подходов решений.&nbsp;</li>
		<li>Специфичными для задачи LTV tie-breaker метриками являются Gini по предсказаниям клиентов, а также сравнение суммарного предсказанного GMV по всем клиентам (по RMSPE). Однако результаты данной проверки учитываются в совокупности со всеми остальными критериями, включая результат и место на private-лидерборде.</li>
		<li>В результате всех проверок, жюри утверждает 5 команд-финалистов.</li>
	</ul>
	</li>
	<li>Финальный этап и определение призеров:&nbsp;
	<ul>
		<li>Команды-финалисты приглашаются для участия в питч-сессии очно в Москве и онлайн.</li>
		<li>Команда должна будет презентовать свое решение и ее репозиторий перед жюри.</li>
		<li>На основе презентаций жюри утверждает 3 команды победителей.</li>
		<li>Награждение победителей пройдёт на конференции E-CODE.</li>
	</ul>
	</li>
</ol>

Участникам необходимо решить задачу предсказания суммарной стоимости заказов пользователей за следующие 30 дней на основе обезличенных данных их ежедневной активности в Поиске и Каталоге.

Public

Данные

Agreement_services

Я согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/20250312_Service_agreement_ODSai.pdf">Соглашением об услугах</a>. Обработка персональных данных Участников Активностей производится на основании Соглашения об услугах).

Rules

Нажимая &quot;Отправить&quot; я соглашаюсь с условиями <a href="https://storage.yandexcloud.net/ds-ods/files/content/2026/07/23/c9e15760c079/%D0%9F%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0%20E-CUP_23.07.26.pdf">Правил проведения онлайн-соревнования&nbsp;</a>

Благодарим за интерес к серии соревнований&nbsp;E-CUP 2026

Заполните, пожалуйста, форму ниже.&nbsp;

Поля и согласия, отмеченные&nbsp; (*) - обязательные.

last_name

Last name

first_name

First name

middle_name

Middle name

date_birth

Date of birth (format: 25.01.2000)

phone

Phone

email

Email

tg_name

Your telegram nickname

city

City (lat)

study_place2

Company/study place name

work_position

Work position

CV link

Experience

Experience in DC

referral

How did you know about the competition?

Registration application for E-CUP 2026

E-CUP 2026. Задача 3: Ценность пользователей поиска

Predictions

180.1MB, исторические данные пользовательского поведения

train.parquet

<ul><li><code>event_date</code> – дата с 2025-01-01 по 2026-02-13</li><li><code>user_id</code> — идентификатор пользователя</li><li><code>search</code> – флаг пользования Поиском (0 или 1)</li><li><code>cat</code> – флаг пользования Каталогом (0 или 1)</li><li><code>has_search_to_cart</code> – флаг переноса товара в корзину при пользовании Поиском (0 или 1)</li><li><code>has_search_to_ord</code> – флаг покупки товара при пользовании Поиском (0 или 1)</li><li><code>has_cat_to_cart</code> – флаг переноса товара в корзину при пользовании Каталогом (0 или 1)</li><li><code>has_cat_to_ord</code> – флаг покупки товара при пользовании Каталогом (0 или 1)</li><li><code>search_to_cart</code> – число добавленных в корзину товаров при пользовании Поиском</li><li><code>search_to_ord</code> – число купленных товаров при пользовании Поиском&nbsp;</li><li><code>cat_to_cart</code> – число добавленных в корзину товаров при пользовании Каталогом</li><li><code>cat_to_ord</code> – число купленных товаров при пользовании Каталогом&nbsp;</li><li><code>gmv_search</code> – суммарная стоимость купленных товаров при пользовании Поиском</li><li><code>gmv_cat</code> – суммарная стоимость купленных товаров при пользовании Каталогом</li><li><code>to_cart</code> – суммарное число добавленных в корзину товаров</li><li><code>to_ord</code> – суммарное число купленных товаров</li><li><code>gmv</code> – суммарная стоимость купленных товаров</li><li><code>searches</code> – суммарное число поисковых запросов</li></ul>

Данные

train.parquet

Базовые решения

sample_submit.csv

baseline-seacrh-ltv.ipynb