ML Mentor
К реальным собесам
Реальный собесOLX2026-03-04

OLX Technical: marketplace ML, pricing и рекомендации

Технический marketplace ML кейс: как обсуждать бизнес-метрики, признаки цены объявления, offline validation, выбор модели и A/B-тест новой карусели или промо-тега.

Таймлайн собеседования

Компактный список вопросов и задач по ходу записи: раскрывайте только нужные детали.

00:01:32-00:06:04Вопрос

Контекст интервьюера и домен marketplace moderation/safety

00:06:04-00:13:00Вопрос

Какие бизнес-метрики обсуждать со стейкхолдером marketplace ML задачи

00:11:56-00:13:00Вопрос

Как связать revenue-метрики с offline-метриками модели

00:16:15-00:20:25MLSD

Как сформулировать модельное действие в marketplace кейсе

00:20:25-00:31:18MLSD

Какие признаки использовать для модели цены объявления

00:20:53-00:24:30Вопрос

Почему seller features могут быть полезны для модели цены

00:24:30-00:31:18Вопрос

Как использовать location и качество изображений

00:31:18-00:34:22Вопрос

Что делать после набора признаков и feature selection

00:34:22-00:43:40MLSD

Как делать train/test split и offline validation для marketplace модели

00:40:28-00:43:40Вопрос

Как выбирать модель для production

00:53:54-00:54:00Вопрос

Как offline измерить precision для новой карусели

00:56:13-01:02:08MLSD

Как A/B-тестировать новую карусель или тег Deal of the Day

01:01:28-01:02:08Вопрос

Как отделить эффект модели от эффекта нового тега

01:11:42-01:15:28Вопрос

Какие метрики использовать для recommender в marketplace

01:16:49-01:18:50Вопрос

Чем classified marketplace отличается от ecommerce для ML

Выводы и как готовиться

  • В marketplace-собесах нужно держать вместе buyer value, seller value, revenue и marketplace health.
  • Для pricing/recommendation моделей критичны seller/listing/location/category признаки и аккуратный split по времени.
  • A/B-тест новой поверхности нужно отделять от качества самой модели: uplift может прийти от UI-тега, а не от релевантности.