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