«Сейчас все делает машина, человеческий фактор сведен к минимуму»

CNews: Какие функции возложены на ML Space? Работали ли вы с аналогичными решениями раньше?

Иван Юмашев: Нам была нужна рекомендательная система, которая без участия человека могла бы проанализировать поведение покупателей в интернет-магазине, их предпочтения, рекомендовать дополнительную литературу в соответствии с их интересами. Чтобы клиенты, попадая на наш сайт, могли комфортно подобрать книги, о которых не знали до этого или забыли заказать ранее.

До работы с инструментами ML Spacе мы пользовались рекомендательной системой одной крупной компании. И чтобы она работала, требовалось огромное количество времени и сил на ее ежедневную настройку. Результат в итоге был «не очень».

CNews: Теперь заниматься настройкой не приходится?

Иван Юмашев: Сейчас почти все делается автоматически. Мы положили в основу нашего рекомендательного движка конструктор рекомендаций RePlay, работающий на базе Spark, его развернули внутри платформы ML Space на мощностях Cloud. Облако мы используем и как хранилище данных, и для обработки наших запросов. Чем больше людей к нам заходит на сайт, тем больше данных ML Space собирает и обрабатывает. И тем точнее и лучше подбирает товар, нужный покупателям. Сами данные при этом обезличены.

CNews: А как работу системы видит обычный пользователь, покупатель?

Иван Юмашев: Человек заходит на сайт, чтобы выбрать, скажем, сказки Пушкина для ребенка. Система рекомендаций видит, что он смотрит сейчас и что искал на нашем сайте в прошлый раз. Анализирует предыдущие данные и в оперативном режиме в следующем разделе сайта сообщает, что еще его может заинтересовать. Например, сказки Андерсена в твердом переплете и подарочном формате.

Если система видит, что в прошлый раз покупатель что-то смотрел и не приобрел, она напомнит ему об этой книге.

Плюс платформа анализирует поведение других пользователей, которые смотрели похожую литературу, например, научно-популярную. И в соответствии с этой статистикой она предложит человеку новинки в этой области, демонстрируя, что хорошо понимает его запросы.

«Средний чек вырос сначала на 7%, потом на 15%»

CNews: Почему вы остановились именно на продукте ML Space?

Иван Юмашев: Мы выбрали Cloud потому, что уверены: надо работать с лидерами. Мы сами в книжной торговле точно лидеры — крупнее и уникальнее магазина в нашей стране нет. Облако мощное, с ним комфортно работать, а цена размещения в облаке оказалась очень невысока. Важным фактором стало то, что поверх самой платформы машинного обучения ML Space доступен целый ряд расширений от партнеров, одним из которых, RePlay, мы и воспользовались.

CNews: Сложно было научить сотрудников работать с новой платформой?

Иван Юмашев: В ходе проекта внедрения мы, совместно с нашими партнерами, настроили систему рекомендаций так, что сотрудники вообще с ней не взаимодействуют — ИТ-отдел обслуживает ее минимально, постоянный контроль не требуется. И поэтому для нас это оказался самый идеальный вариант.

А вот работа предыдущей системы зависела от того, как сотрудник организации настроит ее и что подскажет в каждый конкретный момент — присутствовал человеческий фактор. Поэтому часто приходилось проводить совещания, чтобы анализировать функционирование рекомендательной системы, мы постоянно размышляли, что и кому посоветовать. Помимо основной работы до часа в день уходило на настройку системы.

Как Сбер построил новую процессинговую платформу на российских СУБД для обслуживания 113 млн клиентов ит в банках

CNews: К каким результатам удалось прийти с помощью системы? Что-то стало получаться быстрее, дешевле, эффективнее?

Иван Юмашев: Первые результаты не заставили себя долго ждать: вырос средний покупательский чек. Сначала на 7–10%, потом на 15%. Судя по метрике поведения людей на нашем сайте, они теперь находятся на портале дольше, чаще останавливают взгляд на рекомендациях и чаще проявляют к ним интерес. Но проанализировать эффективность системы в деталях мы сможем лишь по итогам года.

CNews: Ежеквартальная статистика не показательна?

Иван Юмашев: Дело в том, что у нас большое значение имеет сезонность — например, всплеск обычно приходится на август и сентябрь, в этот период наблюдаются самые высокие продажи за весь год. Причем активность вызвана не только покупкой литературы для школьников и студентов, а вообще — люди больше покупают книг именно в начале осени, больше настроены на чтение. А в мае-июле обычно затишье, покупают разве что книги для чтения в отпуске. Больше книг покупают и перед Новым годом. Поэтому «поквартально» реальные цифры эффективности системы оценивать сложно.