В большом продукте не все фичи являются амбициозными, не все имеют пространство для свежих идей. Часть взросления продакта связана с этим: искать новые потребности рынка, находить решения на стыке технологий, запускать новые вехи по развитию своих продуктов.
У нас получилось найти новую точку роста в бэкэнд-продукте.
Сегодня на ECOM AWARDS 2025 фича нашей команды получила премию: Лучшее использование AI/ML в ecommerce. Я стоял у истоков этой фичи, поэтому поделюсь с вами ПРОДУКТОВЫМИ деталями.
🔹 Упрощённый контекст:
На маркетплейсах типа Озона и ВБ известны точные габариты и вес посылки за счёт двух механик:
1. Производители могут их передавать
2. На сортировке товар замеряется и взвешивается
В Авито пользователи могут положить под объявление что угодно, а собственных СЦ у компании нет. Получается, что площадка должна самостоятельно рассчитать вес и габариты товара, чтобы выставить за него стоимость доставки.
Внимательный читатель спросит:
Окей, а почему бы не спарсить с интернетов все (например,перчатки) и определить им веса по типу или группе?
Ответ: потому что есть категории, подкатегории, и целый набор значений веса для одних и тех же меховых перчаток.
Мех разный, размер, замеры произведены в коробке или без, всё это рождает дисперсию в данных.
Получается, нельзя просто взять 🤔 и сравнить меховые перчатки пользователя с меховыми перчатками из интернетов — нужна дополнительная эвристика.
Это рождает расхождения и в весе товара, и в его цене в формате ожидания/реальность.😔
И вот тут то на помощь приходит модель: мы взяли данные из разных источников, заложили бизнес-логику, и получили модель которая предсказывает наиболее правдоподобные ВГХ для конкретного товара.
Как мы за…маялись это тестить, вы бы видели. 🏥
В стоимости доставки для пользователя есть 100500 слоёв, и все они начинают плыть в разные стороны если поменять самый нижний слой – вес товара.
У нас получилось так, что мы полгода собирали рабочую модель, и еще год её тестили и тюнили, потому что она не должна дамажить чужие слои.
Работа проделана огроменная, и меня восхищает как 15 человек затащили фичу на сотни миллионов рублей в год.
Я бы не справился без аналитика Саши З.,с которым мы придумывали механики и сетапы тестов. Дружественная нам ML команда разработала модель, а разработка уже отвечала за интеграцию в сервисы доставки.
С радостью протегал бы всех как в рабочем чате, но нельзя столько имен в паблик транслировать 💧
Я бы очень хотел рассказать вам сложности и решения из этого продукта, но нельзя. Поэтому, только в общих чертах.
С мая я уже не занимаюсь этим – меня позвали в другую команду, и я до сих пор не выяснил, что про неё можно рассказывать. 👌
Вышел длиннопост имени себя, но не мог не разделить с вами эту новость!