1890

Прогноз цены и срока продажи по фотографии

Декабрь, 2019 год.

Собственное решение по распознаванию фотографии товара для повышения эффективности объявлений на сервисе «Юла».

alt

Какую проблему решали

Размещение объявления о продаже товаров требовало от продавцов большого количества действий.
Пользователи вручную заполняли карточку товара, выбирали правильные продуктовые категории для размещения, устанавливали стоимость. 

Все объявления проходили модерацию, часть из них блокировалась из-за ошибочно заполненных вручную полей.
 
Решение проблемы
Команда «Юлы» разработала решение по распознаванию фотографии товара для автоматического заполнения обязательных полей в объявлении.
Продавец выбирает из предзаполненных полей объявления наиболее подходящий для его случая вариант.

На основе заполненных данных о товаре технология рекомендует его стоимость и прогнозирует срок продажи.
Применяемые технологии

В решении использованы:
  • State-of-the-art модель ResNet, дообученная на продуктах сервиса «Юла» для распознавания изображения;
  • Алгоритм поиска N ближайших соседей для нахождения похожих продуктов и определения характеристик товара;
  • LightGBM модель, построенная на исторических данных, выявляет характеристики товара, оказывающие наибольшее влияние на цену и срок продажи товара. По выбранным характеристикам осуществляется прогноз цены и срока продажи для пользователя.

Бизнес-процесс

До проекта:

  • Размещение объявления происходит полностью в ручном режиме.
  • Конверсия в публикацию — 45%.
  • Время подачи объявления — 240 сек.
  • Доля блокировок модерацией при публикации — 15%.

После проекта:

  • Часть информации в объявлении заполняется автоматически.
  • Система дает рекомендации по цене товара.
  • Прогнозируется срок продажи в зависимости от цены.
  • Конверсия в публикацию — 65%.
  • Время подачи объявления — 150 сек.
  • Доля блокировок модерацией при публикации — 11%.

Результаты

Команда Юлы

Константин Алексашин
Разработчик
Илья Алешин
Разработчик-математик
Станислав Варшавский
Разработчик-математик
Юрий Глушенков
Инженер-разработчик
Егор Данилов
Директор по продукту
Антон Еремин
Ведущий специалист по машинному обучению
Алексей Иванов
Менеджер продукта
Никита Киселев
Аналитик
Евгений Конев
Руководитель группы машинного обучения
Леонид Коротков
Ведущий разработчик
Владимир Паршин
Ведущий аналитик
Светлана Солдатенкова
Менеджер по продукту
Антон Юрченко
Ведущий программист