Кейс GetTransfer.com и SberCloud: Как модель машинного обучения помогла повысить вероятность заключения сделок

20 мая 2021 года сооснователь международного сервиса бронирования трансферов и аренды автомобилей с водителем GetTransfer.com Александр Сапов принял участие в первой технологической конференции Сбера – SmartDev.

 

Мероприятие собрало на одной онлайн-площадке  разработчиков, инженеров и других представителей технологического сообщества – всего более 50 экспертов. Онлайн-трансляция собрала более 1,5 млн просмотров. 

 

На совместной сессии с data-инженером облачной платформы SberCloud Евгением Ковалевым Александр Сапов рассказал об итогах реализации совместного проекта – построения модели машинного обучения для оценки вероятности осуществления сделок на маркетплейсе.

 

Александр Сапов, сооснователь GetTransfer.com:

 

GetTransfer.com – крупнейший международный маркетплейс по бронированию трансферов и аренде автомобилей с водителем, крупнейший игрок на рынке мобильности путешествий с гарантией лучшей цены для пассажиров, представленный в 160 странах мира. 

 

Мы – технологическая компания, и любого рода автоматизация – это ядро нашего бизнеса. Наши перевозчики могут предлагать свои цены, а клиенты  – торговаться, выбирать водителя на основе его рейтинга и внешнего вида автомобилей, адаптировать поездку под свои предпочтения.

 

Для нас проект со SberCloud затрагивает ключевую механику нашего сервиса, поскольку каждая сделка уникальна, мы работаем без жесткой тарифной сетки, наш главный принцип — предоставление наилучшей цены поездки. Понимание вероятности сделки – это в первую очередь возможность для повышения эффективности использования наших человеческих и финансовых ресурсов благодаря направлению маркетинговых инструментов на те трансферы, которые с большей вероятностью выберет пассажир.

 

Евгений Ковалев, data-инженер SberCloud:

 

Этапы решения задачи включали в себя загрузку и обработку данных, построение модели и вывод в инференс. Задача представляла из себя бинарную классификацию, где 1 – наличие сделки, 0 – ее отсутствие. В задаче наблюдался дисбаланс классов – примерно 15% выборки данных составлял положительный класс, что повлияло на выбор метрик качества классификации. Мы анализировали данные за 2018 – 2021 годы, представленные в виде таблицы.

 

Чтобы оценить качество построенной модели, в библиотеке LightAutoML мы построили график, где по оси Х была изображена важность признака для совершения сделки. График показал, что наиболее важным признаком является число поступивших клиенту предложений от водителей в течение двух часов после создания заявки.

 

Интерпретируемая модель, построенная с помощью модуля AutoWoE,  также помогла понять, как те или иные признаки влияют на результаты. Она показала, что, чем больше заявок приходит от водителя клиенту в первые два часа, тем больше вероятность того, что заказ состоится.

 

В целом, чем больше разумных признаков мы извлекаем, тем лучше для построения модели машинного обучения.

 

Александр Сапов, сооснователь GetTransfer.com:

 

Мы фокусируемся на автоматизации как можно большего числа сценариев – как коммерческих, так и для внутренних процессов. За время пандемии мы автоматизировали процессы в части формирования цен, разработки, службы поддержки. В период после COVID-19 мы планируем географическую экспансию на рынки Азии, США и Латинской Америки, где видим оживление спроса и рост интереса к нашим продуктам.

 

Данные – основной ресурс для повышения качества сервиса и разработки интересных предложений для клиентов. Мы собираем и анализируем всю коммуникацию, обновления и улучшения по продукту формируются в результате накопления и анализа данных, даже на первый взгляд незначительных. Все это приводит к появлению все более интересных цен и предложений по бронированию трансферов и аренде автомобилей с личным водителем.

 

Итоги проекта

По итогам проекта международный маркетплейс GetTransfer.com получил сильные дополнительные инструменты, касающиеся как оптимизации внутренних процессов, так и возможностей применения гипотез и прогнозов на длинные дистанции, выявления динамики спроса и предложения в разных регионах присутствия. В целом, онлайн-платформа стала более адаптивной, мобильной, современной и точно отвечающей потребностям клиентов, в первую очередь, в части предоставления лучших цен на поездки.



Запись опубликована в рубрике Контент. Добавьте в закладки постоянную ссылку.


Поделиться с друзьями




Добавить комментарий