Ozon Банк: ML-система принимает кредитные решения для более 1 млн клиентов в неделю

В Ozon кредитные решения встроены в пользовательский путь: покупки в рассрочку, деньги на любые цели, авиабилеты и путешествия оформляются в одном интерфейсе за секунды. Кредитное решение работает прямо в процессе покупки как один из методов платежа, поэтому технология должна отвечать быстро и незаметно для пользователя даже при высоких нагрузках. Чтобы система стабильно работала для более 1 млн активных клиентов еженедельно, потребовалась технологическая перестройка. Под руководством Климентия Есенина, который отвечает за «Ozon Рассрочку», «Ozon Деньги в Рассрочку» и новые платёжные сценарии, компания решила построить собственную интеллектуальную платформу оценки клиентов и встроить её в клиентский путь.

Компания создала новую архитектуру вместо доработки старой модели. Система на методах машинного обучения одновременно анализирует сотни параметров: поведение клиента в приложении, историю покупок, внешние источники данных и изменения поведения со временем — учитывается даже модель мобильного телефона. Модель прогнозирует вероятность своевременного возврата средств, решения принимаются за секунды. Система регулярно обновляется и переобучается под изменения поведения клиентов и новые продукты. Она применяется при оформлении рассрочки на маркетплейсе и вне его, выдаче денег на карту и запуске новых направлений, включая Ozon Travel. Сегодня система сопровождает клиента и после одобрения: корректирует лимиты и помогает формировать персонализированные предложения.

Для проекта объединили несколько команд машинного обучения, аналитиков, дата-инженеров, продуктовых и технических специалистов. При запуске рассрочки на авиабилеты, где выше средний чек и другое качество клиентского трафика, команды адаптировали алгоритмы под тревел-сценарии, пересчитали лимиты и протестировали варианты решений; по данным издания, запуск прошёл без роста рисков, средние одобренные суммы выросли. Серия экспериментов с внешними источниками данных показала, что внутренняя модель сохраняет качество решений при меньшей зависимости от сторонних сервисов. Это позволило сократить затраты, усилить контроль над качеством решений и ускорить внедрение обновлений.