Все

Как «раскрасить» продавца или основные этапы построения репутационной системы в Авито Недвижимости

Видео analytics
Людмила расскажет, как мы решили перейти от поиска плохих объявлений к определению «качества» продавца. Как в Авито оценивают качество контента, почему эту задачу не получилось решить с помощью ML, и главное, чем этот опыт может быть полезен вам.
О спикере: Старший аналитик категории Новостройки и Trust&Safety Авито Недвижимости. Отвечаю за борьбу с лидогенереционным контентом и оценку качества продавцов жилой и коммерческой недвижимости. Уже 1,5 года работаю для того, чтобы потенциальные покупатели видели больше релевантных объявлений и быстрее находили квартиры и дома своей мечты.
00:00 | Вступление
01:32 | Зачем нам нужна репутационная система
03:41 | Какой должна быть репутационная система
06:26 | Пошаговая стратегия скоринга продавцов
07:01 | Определение целевого сегмента
07:48 | Оценка качества объявления
10:23 | Сбор скоринга
18:10 | Валидация
21:21 | Рефлексия
22:30 | Как стать «хорошим» продавцом?
23:23 | Дальнейшие планы по борьбе с лидгенами
24:34 | Стремятся ли продавцы улучшить свой скор?
25:02 | Занимается ли продуктовый аналитик в Авито построением ML-моделей?
26:03 | Сколько времени ушло на реализацию репутационной системы?
26:32 | Как повлияло внедрение репутационной системы на качество контента?
27:33 | Как определяем, отскорен продавец или ещё нет?
29:03 | Как часто происходит рекластеризация продавцов?
30:17 | Какой процент промахов у нашей ML-модели? Как с ней работаем?
32:06 | Как система повлияла на метрики бизнеса?
Презентация Люды: https://cutt.ly/X3LZBJm
Другие доклады с митапа: https://www.youtube.com/playlist?list=PLknJ4Vr6efQH6EZT9O-VeGFd_j5LzWtWt