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?