Основная задача системы — выдача рекомендации для допродажи (cross-sale) в корзине.
Целевая метрика – маржинальная прибыль, полученная через рекомендации в корзине (товары, добавленные из рекомендаций)
Построенная НТР система сравнивалась с несколькими системами российских и зарубежных разработчиков и показала лучшие результаты – порядка 10 млн. рублей в месяц дополнительной маржинальной прибыли
Компания имеет несколько сотен ресторанов быстрого питания по всей стране. Целью заказчика был выбор наиболее эффективной рекомендательной системы для допродаж из корзины в киосках.
Для участия в A/B тестировании было выделено 150 ресторанов, заказы из которых были равномерно распределены между пятью конкурирующими системами посредством nginx. Таким образом каждый следующий заказ из одной торговой точки отдавался на обработку другой рекомендательной системе, чтобы исключить локальный фактор пользовательского поведения и предпочтений покупателей.
В рамках тестирования мы разработали несколько рабочих моделей, в том числе использующих нейросети. Каждую ночь модели дополняются новыми данными о выборе пользователях и продажах.
За время исследования наши дата-сайентисты проверили более 15 гипотез о пользовательском поведении и смогли создать модель, которая дает прирост 0,9% к общему обороту за счет выдачи рекомендаций в корзине.
Такие показатели выше показателей конкурентов на 0,2-0,4%, что позволяет получать ~10 млн.рублей в месяц дополнительной маржинальной прибыли.
Подобный результат стал возможен благодаря опыту НТР в построении рекомендательных систем (см. Crosss), экспертизе дата-сайенс инженеров компании, а также глубокому изучению получаемых и ежедневно обновляемых данных.