Один из моих больших проектов за последний год - это отдельный раздел с персональной подборкой товаров на сайте и в приложениях.
Выглядит это примерно так:
В решении этой задачки я заново выучила главное правило в DS "проще=лучше" или "сначала делаем baseline, потом допиливаем".
Изначально еще 2 года назад в команде всплыла идея взять все действия пользователей с товарами и на их основе сделать такую УЛЬТРА-ВЫДАЧУ товаров условно чтобы никуда больше по сайту ходить было не нужно.
А еще решили брать статистику аж за год, чтобы захватить все сезоны, да и вообще узнать о пользователе по-максимуму
А у нас есть такая особенность, что товары часто ротируются. То есть закупаются новые коллекции в небольшом объеме,продаются за месяц-два, и их больше нет в наличии
Поэтому решили вдобавок к учету всех действий (просмотру, добавлению в корзину и избранное, покупке) накрутить еще агрегацию товаров в такие устойчивые группки, чтобы нивелировать высокую ротацию (вроде кросы найк за косарь)
и это все запихнуть в ALS
В итоге в тесте это выехало на самой простой платформе для разработки, но с не самой лояльной аудиторией (десктопе), поэтому все вообще вышло грустно, статистики было мало и проект немного заморозили
В прошлом году он оттаял, потому что выделили ресурсы на разработку на всех наших платформах, и статистику для подборки решили тоже собирать по всем платформам
Это потребовало некоторых доработок с нашей стороны и когда мы заглянули в код, оказалось, что за год он превратился в тыкву (ну то есть в легаси).
В итоге всместо быстрого фикса пришлось обновлять код, так как тест уже был в плане
Помните про все эти наши махинации с действиями и группками товаров?
Так вот спойлер: пользователи заметили подвох, что не все условные кроссовки найк за косарь одинаковые и могут им понравится.
А еще им было совершенно непонятно, откуда товары в подборке берутся: то ли они что-то похожее смотрели, то ли это потому что они что-то не то заказали, и на избранное совсем не похоже....
опа
А вот за последнее из обратной связи мы зацепились
В итоге мы решили выкинуть все сложные надстройки и сделать ALS на товарах, которые есть в избранном у пользователя.
Так сигнал для модели стал очень четким, что и сделало рекомендации понятными, реально похожими на то, что в нравится пользователю и полезными.
Мы еще немного поколдовали, а тем, у кого нет избранного, сделали подборку на просмотренных товарах
Сейчас у нас идет новый тест, и если вы залогиненый счастливчик, то можете ее увидеть на главной Lamoda 🙂
Дарья Пронина