Комментарии 2
Очень интересная статья.
Весь прогноз и все рекомендации по старым покупкам и старому поведению юзеров. Это как маршалы готовятся к прошлой войне. Мода меняется быстрее, чем вы думаете, а Ламода учится продавать по своим старым сделкам.
Весь расчет про тех, кто уже на Ламоде
Взяли последние посещенные товары пользователем из API профиля пользователя.
По этим товарам из key-value хранилища достали товары, похожие на последние посещенные.
Только они уже тут и они уже заняты поиском, они знают зачем пришли и что хотят унести. Вы их хотите переобучить - мол ищите не тут и не так, а так,как мы вас научим ?!
Такую тактику пробовал и досконально проверял - результат будет такой "или вас будут игнорить, или посылать и уйдут"
Начисто отсутствует в основе рассуждений математика. Если это теорвер, "попробуем предсказать поведение случайности" и будем сегментировать и ранжировать, а далее подсказывать. То такую тактику тоже досконально проверял. Там нет независимых случайных величин, никаких и совсем. Там теорвер не применим в предсказаниях. Очень редко когда кто выбирает в моде то, что он не соотнесет с мнением других. Там существенно зависимые случайные величины.
А вот какая в основе математика - молчок. Набрали программ разных и смешали в кучу.
Самы эффективный и похожий на правду инструмент, это что-то типа кристалической решетки - все с связаны с соседями и смотрят на их моду.
Наверное место Ламоды в торговле стоками, тогда имеет смысл продавать прошлые идеи по прошлым лекалам.
А в настоящей моде нужна другая математика и другой подход.
Петр, благодарю за обратную связь. Согласен, что предсказание интересов по стилю — сложная задача, выходящая за рамки классических методов.
В статье я не ставил цель расписать математику используемых алгоритмов (ей посвящены десятки других статей), а поделился нашим опытом — описанные решения проверены на A/B-тестах и дают у нас результат на метриках. Мы постоянно улучшаем алгоритмы, тестируя новые подходы на трафике наших пользователей.
Как за год вырастить персонализацию на главной: эволюция рекомендаций в fashion ecom