Заказчики: Lamoda (Ламода) Продукт: Искусственный интеллект (ИИ, Artificial intelligence, AI) Дата проекта: 2023/11 — 2024/05
|
Технология: Data Mining
Технология: Data Quality - Качество данных
Технология: Робототехника
|
2024: Внедрение модели для определения брака товара
Lamoda внедрила и развивает модель машинного обучения, которая предсказывает брак среди товаров. Данная модель в 2 раза увеличила скорость обработки возвратов после примерки покупателями. Об этом компания сообщила 24 июня 2024 года.
Все товары на складе, которые вернули клиенты, сначала проходят проверку через ML-модель. Она осуществляет ежедневный скоринг полученных позиций и присваивает один из трех статусов:
- С вещью всё хорошо, она отправляется на хранение, попадает на витрину и продаётся дальше.
- С вещью возможны проблемы, необходима быстрая проверка специалистом склада.
- С вещью точно есть проблемы, она отправляется в службу качества для тщательной проверки специалистом. Если состояние товара не позволяет его больше продавать, то он будет отправлен на благотворительные цели.
Модель предсказания брака на основе машинного обучения — это собственная разработка компании. Для создания и интегрирования модели было взято 20 млн строк исторических данных и учтено более 60 признаков о товаре и заказе — в том числе признаки, полученные от других ML-моделей.
Мы в Lamoda большое внимание уделяем качеству товара и тому, какой опыт получают клиенты, взаимодействуя с нами на любом этапе покупки. Внедрение такой ML-модели позволяет нам еще тщательнее следить за браком товаров и влиять на то, купит ли человек эту вещь в следующий раз. Кроме этого мы экономим огромное количество человеческого ресурса на складе, — сказала Татьяна Умряева, управляющий директор по продукту Lamoda. — В наших планах продолжать совершенствовать модель и работать над увеличением точности прогнозов по браку. |
По результатам предварительного аудита качество и точность проверки значительно увеличилось. До внедрения ML-модели дефекты одежды и обуви сотрудники определяли после ручной проверки каждой позиции.