Data Science в Додо

Моя ML команда запустила динамическую минималку во всех городах России! 🥳

🗽 Что это такое?
Динимическая минимальная цена заказа помогает сохранять баланс спроса и предложения. Раньше минималка была фиксированной для всех клиентов и на все адреса. Сейчас мы запустили динамическую минималку, которая меняется в зависимости от загрузки пиццерии. Мы анализируем адрес доставки, загрузку кухни, время на тепловой полке, количество курьеров на смене и в зависимости от этого назначаем нужную дин-минималку.

🏰 Зачем?
Прежде всего, дин-минималка помогает плавно пережить пики продаж и оказать более качественный сервис клиентам. Заказать только додстер утром. А также получить доп прибыль, которую партнеры смогут реинвестировать в поднятие ставок курьеров и решения проблем с укомплектованностью.

🍕 Как?
Много экспериментировали. Постепенно раскатывали дин-минималку на большее число городов. Тюнили модель и оценивали результат. Для оценки результатов и минимизации сетевых эффектов использовали switchback a/b тест и синтетические контрольные группы. Для switchback теста разбивали зону доставки пиццерии на гексагоны, которые каждый час перемешивались.

🤫 Получилось?
🤘 Да! Мы видим размен снижения конверсии (-4,3%) в рост среднего чека (+6,9%), что в сумме дает увеличение выручки на 2.3%

☺️ Мысли?
Это был мой центравой проект в Додо в этом году. Инфраструктура вокруг не была готова к около реал-таймовым фичам. Приходилось дизайнить с нуля. Пробовать. Ошибаться. Замечу, то, чему учат курсы по ML в продакшене, работает сильно иначе. Против логики. Вполне нормально, что обстояльства вынуждают действовать в чем-то на опережение или делать что-то в другом порядке.