В хабе Lamoda Tech мы делимся нашими статьями и выступлениями, рассказываем, как глубоко ML способен погрузиться в fashion e-commerce и что получается из этой комбинации.
В каких направлениях работает наша Data Science Team:
Прайсинг
Развивает систему динамического ценообразования и конкурентного матчинга, используя как модели DL (NLP/CV), так и классический ML. Продвигает data-driven подходы в коммерческом департаменте для проектов пополнения стока, промо (купоны) моделирования и персонального ценообразования.
Персонализация
Отвечает за решение задач персональных рекомендаций: товарных, пользовательских, рекомендаций в корзине, рекомендаций размеров товара. Применяет computer vision для поиска похожих и подходящих товаров. Решает задачи сегментирования пользователей для персональной коммуникации.
AI-стилист
Улучшает модели для подбора комплектов товаров (образов) на основе визуальной сочетаемости по фотографии и генерации комплектов на базе текстового запроса пользователя. Развивает LLM, которая способна поддерживать диалог, давать рекомендации по стилю и помогать в навигации по товарам на Lamoda. Разрабатывает алгоритмы поиска похожих товаров на основе фото, описания и атрибутов.
Рекламная платформа
Персонализирует рекламные предложения, улучшает эффективность аукциона в товарной и баннерной рекламе: оценивает качество объявлений, выбирает лучшие слоты для размещения и разрабатывает инструменты прогнозирования для рекламодателей.
A/B-платформа
Развивает методологию и улучшает процесс A/B-тестирования в компании — от дизайна эксперимента до валидации и принятия решения.
По всем вопросам и предложениям пишите @saigina (контент-менеджер в DevRel Lamoda Tech).
