Как разработать модель виртуальной примерки и превратить ее в работающий продукт? Как научить рекомендательную систему лучше понимать моду? Как балансировать разные бизнес‑метрики?
За последнее время у нас накопилось несколько интересных кейсов о том, как ML помогает нам переосмыслять ключевые сценарии в фешен-екоме — от выбора похожих товаров до виртуальной примерки и ранжирования в каталоге с фокусом на бизнес-метрики.
Всем этим опытом коллеги поделятся на Data Science митапе 23 апреля в офисе Lamoda. Приглашаем присоединиться, регистрируйтесь по ссылке.
Программа
18:30-19:00 Регистрация, сбор гостей
19:00-19:40 🎤 «Эволюция similar-рекомендаций: как мы переосмыслили ленту похожих товаров»
Дмитрий Борисов
Data Scientist Lamoda Tech
Подборки похожих товаров в каталоге — одна из ключевых зон в фешен-индустрии. С помощью этой фичи мы улучшаем пользовательский опыт, увеличиваем конверсию, помогаем найти альтернативы нужного размера и удерживаем пользователя в приложении.
Расскажу про этапы развития рекомендаций похожих товаров в Lamoda — от базовых подходов до реранкера, продуктовых гипотез и современных алгоритмов:
Что крутилось в проде ранее
Некоторые продуктовые вызовы, тестирование гипотез
Новые алгоритмы, учитывающие как визуальное, так и текстовое сходство
Внедрение реранкера, результаты
19:40-20:20 🎤 «Примерь онлайн: как разработать свою модель виртуальной примерки»
Искандер Сафиулин
Senior Data Scientist Lamoda Tech
Продукт виртуальной примерки позволяет пользователю безопасно и легко экспериментировать со стилем прямо в приложении. Расскажу про путь, который мы прошли в разработке этой ML-модели:
Как с нуля обучать модель для подобной задачи — от сбора данных до оценки качества
С какими сложностями мы столкнулись при обучении, и какую эволюцию прошло наше решение
Как мы внедряли нашу модель в прод и какие результаты получили
20:20-20:40 Перерыв
20:40-21:20 🎤 «Смешать, но не взбалтывать: как балансировать разные бизнес-метрики в каталоге и поиске»
Бислан Ашинов
Data Scientist Lamoda Tech
Каталог и поиск — место, куда пользователь приходит за конкретным товаром и хочет с ним уйти. Как показать ему нужное и при этом помочь бизнесу заработать больше? Пробуем ответить на этот вопрос комплексно:
Как от задачи простого замешивания рекламы в выдачу мы пришли к задаче оптимизации общей ценности
Как учимся искать сложный оптимум
Каких результатов мы добились
Каким мы видим идеальное будущее
21:20-23:00 Афтерпати
Место встречи
📍Офис Lamoda: г. Москва, ул. Крылатская, 15.
Регистрация
Количество мест ограничено. Участники получат ответ на почту, указанную при регистрации. Если письмо не придет вам до 21 апреля, напишите на lamodatech@lamoda.ru
Присоединяйтесь к телеграм-каналу Lamoda Tech, чтобы не пропустить фотоотчет и материалы с митапа.
ссылка на оригинал статьи https://habr.com/ru/articles/1024704/