Ozon: ранжирование по предложениям, GMV на пользователя +0,9%

В поиске Ozon вся поведенческая статистика (просмотры, клики, добавления в корзину, заказы) исторически привязывалась к идентификатору товара item_id. Цена и срок доставки входили в модель ранжирования как отдельные признаки, но не влияли на ключ агрегации. Команда качества поиска выделила три проблемы: скидки не давали мгновенного эффекта, поскольку товар тянул за собой статистику по старой цене; новинки без истории проигрывали товарам с накопленными заказами; быстрая и медленная доставка копили историю в одном «мешке». Задачу сформулировали как переход от ранжирования товаров к ранжированию предложений с их условиями здесь и сейчас.

Команда ввела сущность offer_id: товар, ценовой сегмент и сегмент скорости доставки. Сегменты (по 10 в каждой шкале) определяются ежедневно по децилям цен и сроков доставки внутри типа товара за 28 дней. Поведенческая статистика считается на уровне предложения. Чтобы не обнулять историю при смене состояния, добавлена матрица близости W размером 100 × 100: она задаёт, какую долю статистики прежнего состояния перенести в текущее. Матрица работает и между разными товарами из группы аналогов, поэтому новинка получает взвешенную статистику похожих предложений. Матрицу получают эмпирически по влиянию цены и доставки на поведение пользователей; она единая для всей системы.

Расчёт работает в ежедневном пайплайне на Spark в двух режимах. Примерно раз в 28 дней проходит полный пересчёт (Init): обновляются пороги бинов, offer_id и статистика. В остальные дни выполняется лёгкое обновление (Update): учитываются новые товары, статистика активных предложений и свежие события. Для устойчивости выдачи добавлено сглаживание: сдвиг на один бин считается шумом, сдвиг на два и более выполняется на один шаг за цикл. До запуска провели ретроспективный анализ новинок моложе двух недель. Эффект проверили в A/B-тестах: на новинках заказы выросли на 5%, добавления в корзину на 11%, просмотры на 19%; два последовательных A/B-теста на глобальных метриках показали рост GMV на пользователя на 0,9%.