Первый маркетплейс неликвидного оборудования в России

Главное о кейсе

Stock — это первый российский маркетплейс неликвидного горного оборудования и запчастей для продавцов и покупателей. Платформа предлагает удобную фильтрацию по категориям, эффективный поиск с подсказками и отображение товаров на карте, а также использует ML-систему для упрощения загрузки товаров.
***
Stock is the first Russian marketplace for sellers and buyers of illiquid mining equipment and spare parts. The platform offers convenient filtering by categories, efficient search with hints and display of goods on the map, and uses ML-system to simplify loading of goods.

Как проект изменил жизнь пользователей

Сервис упростил взаимодействие и для продавцов, и для покупателей. Раньше в компанию регулярно поступали сотни писем на почту со списками неликвидного оборудования от компаний-партнеров, которые нужно было фильтровать вручную — теперь все объединены в едином фильтре, стало легче и быстрее искать нужное оборудование и связываться с продавцами, а интеграция с ML-моделью упростила загрузку товаров в 10 раз. В Stock есть карта всех складов и товаров для понимания логистики, а также сервис берет на себя проверку контрагентов.
***
The service has simplified interaction for both sellers and buyers. Previously, the company regularly received hundreds of e-mails with lists of illiquid equipment from partner companies, which had to be filtered manually - now everything is combined in a single filter, it is easier and faster to find the right equipment and contact sellers, and integration with the ML-model simplified the loading of goods by 10 times. Stock has a map of all warehouses and goods to understand logistics, and the service also takes care of checking counterparties.

Бизнес-задача и ее решение

Задачи:
– Разработать удобную систему для продавцов и покупателей неликвидного оборудования, которая будет повторять процесс продажи товаров, за исключением непосредственной сделки и юридического оформления.
– Сделать понятный и удобный UX, чтобы привлечь целевую аудиторию в сервис и связать заинтересованных покупателей с продавцами.
— Автоматизировать загрузку объявлений, чтобы сэкономить время и работу менеджеров.

Решение:

— На платформе есть личный кабинет, простая регистрация и удобный поиск с фильтрами. Помимо публикации объявления, есть возможность написать продавцу, проверить компанию по ИНН, рассчитать доставку, обратиться в поддержку, добавить нужные товары в раздел «избранное», оставить отзыв и посмотреть на карте, где находится нужный склад или деталь.
— Взаимодействие на сайте интуитивно понятное благодаря новому UX-дизайну.
— Благодаря интеграции с ML-моделью процесс заполнения карточек ускорился в 10 раз.
— Покупатели ставят оценки продавцам, с которыми они работали. Сервис анализирует все оценки пользователей по их компетенциям и формирует актуальный рейтинг.
***
Objectives:
- Develop a user-friendly system for sellers and buyers of illiquid equipment that replicates the process of selling items, except for the immediate transaction and legalities.
- Make a clear and user-friendly UX to attract target audience to the service and connect interested buyers with sellers.
- Automate the uploading of listings to save time and work for managers.

Solution:

- The platform has a personal account, easy registration and convenient search with filters. In addition to publishing an ad, you can write to the seller, check the company by TIN, calculate delivery, contact support, add the desired products to the “favorites” section, leave a review and see on the map where the desired warehouse or part is located.
- Interaction on the site is intuitive thanks to the new UX design.
- Thanks to the integration with ML-model, the process of filling out cards is 10 times faster.
- Buyers rate the sellers they have worked with. The service analyzes all user ratings by their competencies and generates an up-to-date rating.

Крафт (мастерство), реализация, технические детали

Для успешной работы нашей ML-модели было необходимо создать эталонные карточки, на основе которых она сможет обучаться. Этот процесс требует внимательности и точности: контент-менеджерам пришлось вручную пройтись по каждой структурной карточке и указать актуальные значения. После этого карточки были отправлены в ML-модель для тестирования и корректировок.

В итоге мы создали 200 эталонных карточек, на что ушло 876 часов работы. Наша команда столкнулась с вызовом — более 1500 товаров, представленных в различных форматах и таблицах. Мы объединили все данные в единую структуру, разработав категории и подкатегории до четвертого уровня вложенности. Например, в каталоге обогатительного оборудования мы организовали товары по соответствующим категориям и подкатегориям.

Совместно со специалистами по горному оборудованию мы распределили нужные товары в правильные категории, превратив длинные списки в понятный каталог. Каждая карточка заполнена техническими характеристиками и загружена на сайт, чтобы быть основой для обучения нашей ML-модели. Уже сейчас бета-версия с 85% вероятностью прогнозирует конечные категории товаров, которые поступают от продавцов, что значительно упрощает процесс обработки информации и повышает эффективность работы команды.

Мы не только внедрили машинное обучение, чтобы ускорить работу команды, но и сделали процесс проще и удобнее для пользователей. На многих других платформах регистрация — сложный и долгий процесс: нужно вводить ИНН, ждать звонка менеджера для подтверждения, а затем проходить проверку у администраторов.

На Stock все по-другому: регистрация занимает минимум времени и сил. Кроме того, наш сервис полностью бесплатен, в отличие от конкурентов, которые взимают комиссию за каждую сделку.

Стек работы: Laravel 9 (php 8.2), Orchid, Sanctum, Postgresql 15, VUE.JS 3, Redis, Nuxt JS, SSR, Docker, Websocket

***

For our ML model to succeed, it was necessary to create reference cards from which it could learn. This process requires care and precision: content managers had to manually go through each structure card and specify the actual values. The cards were then sent to the ML model for testing and adjustments.

In the end, we created 200 reference cards, which took 876 hours of work. Our team faced a challenge - over 1,500 products represented in different formats and tables. We combined all the data into a single structure, developing categories and subcategories up to the fourth level of nesting. For example, in the catalog of mineral processing equipment, we organized the products into appropriate categories and subcategories.

We worked with mining equipment specialists to put the right products into the right categories, turning long lists into a clear catalog. Each card is filled with technical specifications and uploaded to the website to be the basis for training our ML model. Already, the beta version predicts with 85% probability the final product categories that come from sellers, making it much easier to process information and more efficient for the team.

We’ve not only implemented machine learning to speed up the team's workflow but also made the process much simpler and more convenient for users. On many other platforms, registration is a complicated and time-consuming process: you have to enter your tax ID, wait for a manager's call for confirmation, and then go through approval by administrators.

On Stock, it's a different story: registration takes minimal time and effort. Plus, our service is completely free, unlike competitors who charge a commission for every transaction.

Work Stack: Laravel 9 (php 8.2), Orchid, Sanctum, Postgresql 15, VUE.JS 3, Redis, Nuxt JS, SSR, Docker, Websocket

Скриншоты