Статья: Big Data в моде: как мы внедрили 1-to-1 персонализацию в каталоге и поиске
Внедряем ML, чтобы сделать онлайн-шоппинг для миллионов пользователей Lamoda комфортным, увлекательным и вдохновляющим.
Lamoda TechData ScienceAIMachine Learning
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:
Ранжирование и навигация
Улучшает качество поиска и развивает алгоритмы ранжирования товаров в каталоге: усиливает learning-to-rank подход за счет разработки новых факторов, экспериментов с таргетами в обучении, оптимизации разнообразия и персонализации выдачи под каждого клиента.
Персонализация
Разрабатывает персональные рекомендации товаров и размеров. Применяет computer vision для поиска похожих и сопутствующих рекомендаций на странице товара. Решает задачи сегментирования пользователей для персональной коммуникации.
Прайсинг
Разрабатывает систему динамического ценообразования, которая опирается на исторические данные: создает модели прогнозирования скорости продаж и алгоритм подбора оптимального набора цен.
Рекламная платформа
Персонализирует рекламные предложения, сегментирует клиентов для таргетинга рекламных кампаний, а также улучшает эффективность аукциона: определяет оптимальный размера ставок для разных селлеров и плейсментов (каталог, поиск, блоки рекомендаций).
По всем вопросам и предложениям пишите @v_maxim (DevRel Data & Analytics в Lamoda Tech).
Cookies help us deliver our services. By using our services, you agree to our use of cookies.