Ранжирование каталога — один из самых крупных и важных продуктов для Lamoda. Пользователи ищут в нем свой идеальный товар, но не готовы скроллить дальше первых 120 карточек. Поэтому важно в первые ряды вынести самую релевантную выдачу. 

Как это сделать? Внедрить ML и разработать такую персонализацию, как будто человек самостоятельно создал для себя в каталоге подборку мечты.

Всю историю развития ранжирования подробно развернули Дана Злочевская и Сережа Евстафьев из DS-команды ранжирования и поиска в Lamoda Tech. Читайте новую статью в нашем блоге на Хабре.

Пять лет назад из обычного продакт-менеджмента я перешла в команду с дата-сайентистами. И процесс моей работы сильно изменился.

Как было раньше: я определяла потребности пользователя, затем приходила к команде разработки с готовой задачей и дизайн-макетами. А после забирала работающий продукт, чтобы отдать его в A/B-тест.

В ML все работает иначе. Команда включается уже на этапе исследования, погружается в бизнес-цели и техническую постановку задачи. Именно исследования занимают львиную долю времени дата-сайентистов, и только после них начинается разработка.

Ну, или не начинается. Или разработка начинается, но совсем не той идеи, которая была вначале.

Я Саша Пургина, руковожу развитием продуктов на основе данных в Lamoda Tech. В этой статье я расскажу на примере Lamoda, почему разработка ML-продуктов — это сложность и риск. И приведу примеры ошибок, когда хороший продакт в команде может увеличить шансы на успех, имея определенные знания и навыки.

Серебряной пули не ждите, но пара интересных мыслей должна найтись!

Читать на Хабре