Привет! Давайте знакомиться 👋

Я Иван. ML-продакт в одном из крупнейших продуктовых ритейлеров России. Отвечаю за развитие товарных рекомендаций. В этом канале пишу про ML-продукты, рекомендательные системы и менеджмент. В основном делюсь практическим опытом и разбираю сложные задачи. Ниже собрал посты, с которых рекомендую начать.

🧠 Работа с ML-продуктами Как правильно ставить задачи ML-команде — на примере ценообразования разбираю переход от бизнес-задачи к математической. Полезно продактам, которые работают с ML. Как эффективно работать с ML-командой — практические принципы разработки моделей. От выбора бейзлайна до типичных ошибок, которые дорого обходятся в продакшене.

💰 Экономика рекомендательных систем Большая серия из 10 постов про то, как рекомендации зарабатывают деньги. Экономика рекомендаций — с чего вообще начинать оценку пользы рексистем для бизнеса. Здесь формируем общую модель экономики. Как растить конверсию с помощью рекомендаций — разбираю три уровня персонализации и квадрат метрик. Полезно для выбора правильных целей алгоритмов. Как растить средний чек — шесть подходов к увеличению корзины. От изменения ранжирования до новых механик рекомендаций. Как растить будущие визиты и LTV — одна из самых сложных задач персонализации. Разбираю подход через покупательские миссии и долгосрочные прокси-метрики. Как оценивать эффект от рекомендаций — как измерять пользу отдельного A/B-теста и всей работы команды. Разбираю прокси-метрики и глобальные контрольные группы. Почему не стоит оптимизировать сразу все метрики — о фокусе команды и правильном переключении между целями. Полезно при построении стратегии развития ML-продукта.

🚀 Менеджмент и будущее ML Горизонт инноваций vs горизонт карьеры — почему крупным корпорациям сложно заниматься долгосрочными инновациями. И как продакту находить для них место в планировании. Горькая правда о том, куда идёт весь ML — разбираю знаменитую The Bitter Lesson Ричарда Саттона. Почему масштабирование моделей и вычислений побеждает ручные правила и экспертные знания.

Посты стараюсь писать без лишней академичности. Больше про реальные задачи, продуктовые компромиссы и решения, которые можно попробовать на практике.

Надеюсь, будет полезно 🙂

В этом посте были ссылки, но мы их удалили по правилам Сетки