Avito Product Analytics Meetup
Avito Product Analytics Meetup посвящен количественному анализу поведения пользователей. Основные темы: подходы к построению аналитической инфраструктуры и способы принятия решений на основе данных о клиентах.
Доклады
12:30 — 13:15 Аналитическое хранилище Avito.ru — от больших к очень большим данным
Артем Данилов (Avito)
На первый взгляд, проектирование хранилища данных — типовая задача: собрать требования, построить модель данных и реализовать ETL. Однако лавинообразный рост объема данных и их сложности легко может нарушить работоспособность хранилища. В докладе показано:
— как вслед за расширением бизнеса хранилище Avito за несколько лет выросло до 76 ТБайт;
— откуда вообще у компании большие данные;
— в чем состоят основные принципы аналитики;
— как эволюционировало хранилище Avito.ru.
Особое внимание уделено ответу на вопрос, почему следование ограничениям шестой нормальной формы (Anchor Modeling) помогает оперативно расширять хранилище, эффективно масштабировать нагрузку в среде MPP СУБД и развиваться в условиях микросервисов.
13:20 — 14:05 Кросс-продуктовые эффекты, или как мы оценивали вклад «Электричек»
Екатерина Лосева (Туту.ру)
Многие компании предлагают рынку сразу несколько продуктов. Особое место занимает кейс, когда в портфеле есть продукт, не приносящий выручки напрямую. Как измерить его влияние на продажи? Какую пользу приносит компании существование данного продукта? В своём докладе аналитик Туту.ру Екатерина Лосева расскажет об эволюции подходов компании к расчету метрик кросс-продуктовых эффектов на примере раздела «Электрички».
14:05 — 14:30 — Обед
14:30 — 15:15 Персонализация сайта для пользователя на основе customer journey map
Алексей Чернобровов
Из доклада вы узнаете о том, что такое customer journey map (CJM). Будут рассказаны основные подходы к автоматизированному выделению паттернов поведения пользователей с помощью современных методов машинного обучения. Алексей расскажет о построении персонализации на основе CJM и правильном выборе метрик для оценки улучшения продукта. В качестве примеров будут использоваться приложение крупного банка, сайт известного автодилера и крупный интернет-магазин.
15:20 — 16:05 Avito NPS: голос пользователей в продуктовой разработке
Данила Леньков (Avito)
В любой большой компании знают, что секрет успешного бизнеса и светлого будущего — счастье клиентов. Но измерить его и научиться работать над повышением уровня счастья — непростая задача. Во всем мире её решают с помощью опросов клиентов. Наиболее успешная методика таких опросов называется Net Promoter Score, или NPS.
Avito — обширный бизнес с большим количеством бизнес-вертикалей. Поэтому задача построения системы опросов ещё более не простая, чем обычно. В докладе будет рассказана success-story об имплементации NPS во все части продукта и показано, как большой поток голосов наших пользователей помогает нам принимать эффективные решения и постоянно становиться лучше.
Особенности системы опросов Avito:
— тысячи голосов пользователей в неделю со всех платформ: сайта, мобильного сайта и приложений;
— решение о показе нужного варианта опроса персональное для каждого пользователя и принимается прямо онлайн;
— автоматизированный пайплайн сбора результатов и доставки их в отчетность;
— классификация текстовых фидбэков для приоритезации решений.
16:05 — 16:15 — Кофе-брейк
16:15 — 17:00 Как повысить конверсию с помощью умной сортировки выдачи. Кейс Ostrovok.ru
Евгений Шнейдерман (Ostrovok.ru)
Проблема сортировки товаров в списке выдачи — это классическая задача современного интернет бизнеса. Мы, в Ostrovok.ru, тоже давно озаботились вопросом оптимизации выдачи и проделали много работы на этом пути. В нашем докладе мы расскажем про основные этапы в развитии логики сортировки отелей, опишем проблемы и ошибки, с которыми сталкивались, а также выводы, которые получилось сделать:
— почему оптимизация порядка выдачи — это мощнейший рычаг роста конверсии?
— какие могут быть подходы к логике сортировки, какие у них плюсы и минусы?
— почему подобные решения сложно обеспечить без качественной инфраструктуры Big Data?
— как структурировать проектную команду, чтобы обеспечить быстрые итерации и улучшение Data Science продукта?
" 
