Ranking
Descubrimiento personalizado y ranking de productos
Reemplazo de una landing estática de afiliados por un feed continuo y personalizado, medido mediante un experimento controlado multinacional.
El problema
El descubrimiento de productos para afiliados dependía de una experiencia estática y curada. Esto limitaba la cantidad de productos explorables y la capacidad de adaptar la relevancia a cada sesión.
La oportunidad no consistía solamente en entrenar un modelo de ranking. Era necesario rediseñar el sistema de descubrimiento y demostrar, bajo condiciones controladas, que la personalización generaba valor incremental a lo largo del funnel.
Mi rol
Lideré el diseño de ML para ranking y descubrimiento, trabajando con producto e ingeniería para evolucionar de una landing curada a un feed continuo y personalizado. Mi contribución incluyó definición del problema, señales de ranking, diseño experimental, revisión técnica e interpretación de resultados.
Enfoque técnico
- Creación de un flujo continuo de candidatos y scoring en lugar de una colección fija.
- Incorporación de señales de propensión de compra y ranking por precio.
- Conexión de enlaces compartidos con órdenes posteriores en web y app mediante una capa consistente de atribución.
- Uso del pipeline de atribución como fuente analítica de verdad para experimentos controlados en diferentes placements.
Diseño experimental
La nueva experiencia se evaluó contra el control estático mediante una prueba A/B con aproximadamente 5,2 millones de sesiones en cuatro países. La evaluación cubrió clics, intención, compartidos y conversión de nuevos enlaces de afiliados.
Resultado
El feed personalizado aumentó el engagement entre 20% y 26% a lo largo del funnel y mejoró 17% la conversión de nuevos enlaces de afiliados frente al control.
Caso público basado en información de alto nivel previamente divulgada. Los detalles internos y datos propietarios se excluyen intencionalmente.
Aprendizaje
Un sistema de ranking solo resulta útil cuando su objetivo, atribución, serving y unidad experimental están alineados. La arquitectura de medición fue tan importante como el propio modelo.