Кто ходил на собеседования по устройству на работу, тот знает, спрашивают там всякое и странное. Нередко можно встретить задачу SQL по нахождению сотрудников с максимальной зарплатой в отделе. Причем ваш потенциальный начальник считает, что у этой задачи есть только одно «правильное решение», то, про которое он прочитал в Интернете. Так ли это?

Одно из направлений работы нашей команды компьютерного зрения Vision RnD в SberDevices — распознавание жестового языка. Об этой задаче и о том, как мы ее решаем, мы уже писали на Хабре тут и тут (а еще тут и тут). Некоторое время назад перед нами встал вопрос выбора архитектуры нейросети для быстрой и качественной обработки изображений (видео‑энкодера). Хотя сама задача распознавания жестового языка предполагает обработку видео, в качестве первого этапа нужна нейросеть, обрабатывающая изображения на отдельных кадрах. Причем делающая это достаточно быстро, чтобы обеспечить работу всей конструкции в реальном времени. Безусловно, за последний десяток лет человечеству стало известно немало архитектур нейросетей для обработки изображений. Однако, сопоставить их по критерию цена‑качество точность‑производительность и выбрать лидера не так просто. Мы решили собрать несколько популярных решений‑претендентов на звание чемпиона и провести состязание в славном городе Гамбурге тестирование в идентичных условиях. Результатами этого исследования делимся под катом.

Apple одна из самых популярных компаний современности. Ее успеху в том числе способствовал узнаваемый и запоминающийся логотип. Об истории появления надкушенного яблока — в нашей статье. 

Как выиграть борьбу за покупателей стройматериалов в контекстной рекламе? В кейсе интернет-магазина стройматериалов расскажем, как изучили ЦА и сегментировали на 3 группы. Научились правильно работать с каждой. Придумали, отстроиться от конкурентов без УТП. Научили ИИ Яндекса игнорировать бесперспективных покупателей. А Мастера Кампаний — продавать со скидкой изделия из металла и увеличить средний чек. Запускали ретаргетинг с тающими ценами. 

В целом, соединили инструменты маркетинга и Яндекс Директа, привлекли более выгодных покупателей в интернет-магазин стройматериалов и увеличили доход клиента в 5 раз с 4 до 23 млн.р., снизив ДРР с 41% до 14%.

Серия мини-кейсов про критические ошибки интернет-магазинов, которые мешали росту продаж и прибыли. Один кейс – одна ошибка. В этом материале рассказываем про проблемы с каталогом и карточками товаров на сайте другого интернет-магазина мебели, которые в 4 раза снижали конверсию в покупку.

Как продавать дорогие брендовые товары, когда спрос упал в 2 раза? Что повышает конверсию в сделку? Чем компенсировать снижение продаж в несезон? Интернет-магазин радиаторов нашел обеспеченную аудиторию, повысил продажи в 2 раза до 8,5 млн руб. и сохранил ДРР 10,5%.

В этом кейсе расскажем, как в e-commerce стимулировать продажи премиальных товаров с невысоким спросом, не увеличивая долю рекламных расходов. Покажем офферы для привлечения покупателей, готовых платить за европейское качество. И методы работы с Единой перфоманс-кампанией Яндекса, без которой теперь не запустить новую рекламу в Директе.  

Почему одни компании гребут заказы лопатами, а другие сокращают отделы продаж? Как нужно изменить сайт, чтобы повысить конверсию в заявку? Как вернуть покупателя, который долго выбирал? А что если фрод напал или кризис ударил по продажам? В кейсе застройщика загородных домов раскрываем секреты нестандартной работы с автостратегиями Я. Директа. 

Клиент обратился к нам в марте 2022 г, когда был ажиотаж на инвестиции в недвижимость, но у него было мало продаж. За 3 месяца мы увеличили количество заявок в 3 раза за счет доработки сайта и автостратегий Яндекса. Успешно отразили фродовую атаку летом 2023 г.  А в ноябре 2023 г спрос упал и нужно было выжимать максимум из рекламы.  Мы сделали: микс из микро и макро конверсий, обучили  Товарную кампанию продавать дома, словно это микроволновки, и немного обманули Пакетную стратегию Яндекса. В итоге за 1,5 года увеличили продажи в 4 раза.