В каких направлениях работает команда Data Science:
Ранжирование и навигация
Улучшает качество поиска и развивает алгоритмы ранжирования товаров в каталоге: усиливает learning-to-rank подход за счет разработки новых факторов, экспериментов с таргетами в обучении, оптимизации разнообразия и персонализации выдачи под каждого клиента.
Прайсинг
Развивает систему динамического ценообразования и конкурентного матчинга, используя как модели DL (NLP/CV), так и классический ML. Продвигает data-driven подходы в коммерческом департаменте для проектов пополнения стока, промо (купоны) моделирования и персонального ценообразования.
Персонализация
Отвечает за решение задач персональных рекомендаций: товарных, пользовательских, рекомендаций в корзине, рекомендаций размеров товара. Применяет computer vision для поиска похожих и подходящих товаров. Решает задачи сегментирования пользователей для персональной коммуникации.
AI-стилист
Улучшает модели для подбора комплектов товаров (образов) на основе визуальной сочетаемости по фотографии и генерации комплектов на базе текстового запроса пользователя. Развивает LLM, которая способна поддерживать диалог, давать рекомендации по стилю и помогать в навигации по товарам на Lamoda. Разрабатывает алгоритмы поиска похожих товаров на основе фото, описания и атрибутов.
Рекламная платформа
Персонализирует рекламные предложения, улучшает эффективность аукциона в товарной и баннерной рекламе: оценивает качество объявлений, выбирает лучшие слоты для размещения и разрабатывает инструменты прогнозирования для рекламодателей.
A/B-платформа
Развивает методологию и улучшает процесс A/B-тестирования в компании — от дизайна эксперимента до валидации и принятия решения.