Когда человек вводит запрос в строку поиска и устанавливает фильтры, эта информация отправляется в нашу поисковую систему. Она работает в два этапа: отбирает кандидатов и ранжирует их по степени вероятности сделки.

Отбор кандидатов подходящих объявлений. Система выбирает их из списка всех активных размещений. Она берёт объявления, которые подходят по фильтрам в запросе и содержат в описании его ключевые слова, их синонимы или альтернативные способы написания. Например, слова Renault и «Рено» для неё эквивалентны.

Если запрос слишком общий и для него подойдут больше 100 тысяч кандидатов, система оставит наиболее релевантные. А когда кандидатов нет или их относительно немного, она может частично переформулировать запрос: например, исправить или исключить слово, изменить категорию или географию поиска.

Этап отбора кандидатов необходим, потому что ранжировать все активные объявления на Авито для каждого поискового запроса было бы очень долго и дорого.

Ранжирование. Система оценивает кандидатов по 100+ факторам, которые потом используются в модели машинного обучения. Её основная задача — оценить вероятность сделки для каждой пары запрос–объявление.

На основе этой оценки система ранжирует объявления, то есть сортирует их в результатах поиска. Чем точнее модель предскажет сделку, тем больше пользователей смогут найти друг друга на Авито.

Вот основные группы факторов, которые учитывает модель:

👉 Релевантность объявления для текста запроса.

👉 Исторические данные про взаимодействие с объявлением. Например конверсия в просмотр и сделку. Модель поиска учитывает каждое действие потенциального покупателя с объявлением.

👉 Исторические данные профиля, с которого разместили объявление, например история продаж.

👉 Конкурентность цены относительно других кандидатов.

👉 Удалённость покупателя и стоимость доставки.

👉 Рейтинг и отзывы пользователя, который разместил объявление, прохождение проверок по документам или реквизитам.

👉 Персональные предпочтения покупателя, например доверие к доставке или активный интерес к какой-либо категории.

Эти факторы получают числовые оценки, и модель использует их в сложных математических комбинациях. Результат работы модели не является взвешенной суммой факторов, и точного веса у каждого фактора не существует. Поэтому нельзя однозначно сказать, насколько сильно улучшение одного из них повлияет на оценку вероятности сделки.