Авито спрос: Аналитика спроса на Авито — блог OneSpot

Содержание

«Авито»: спрос на услуги грузовых перевозок вырос на треть

РИА Новости

Спрос на услуги в сфере коммерческих грузоперевозок вырос на треть по сравнению с I кварталом 2022 г., говорится в исследовании «Авито Услуги», предоставленном «Ведомостям». При этом только за март – сразу на 53% год к году. Больше всего спрос на коммерческие перевозки на платформе с 2022 г. увеличился в Москве (+124%), Хабаровске (+118%), Новосибирске (+101%), Санкт-Петербурге (+90%) и Краснодаре (+87%).

Также растет и количество предложений от бизнеса, предоставляющего услуги в этой сфере: за март объявлений от частных перевозчиков и транспортных компаний стало больше почти в два раза (+88%) по сравнению с тем же периодом прошлого года. В марте 2022 г. рост спроса на коммерческие перевозки к марту 2021 г. составил лишь +19%. Сейчас на платформе – около 400 000 предложений от частных перевозчиков и транспортных компаний по всей стране, сообщил «Ведомостям» представитель сервиса.

Растущий спрос на транспортные услуги связан, в первую очередь, с активным развитием e-commerce и рынка доставок товаров из интернет-магазинов, считает руководитель категории «Транспортные услуги» на «Авито Услугах» Евгения Лазарева. Кроме этого, транспортные услуги востребованы среди продавцов и производителей, которые работают с маркетплейсами. Предприниматели чаще привлекают перевозчиков для транспортировки товаров до складов и пунктов выдачи.

Сразу в три раза по сравнению с прошлым годом вырос спрос на услуги фулфилмента, отмечает Лазарева. «Фулфилмент-операторы упаковывают товар, готовят его к отгрузке на маркетплейс, затем забирают от поставщика и отгружают сразу покупателю или на склад. Спрос на такие услуги растет, поскольку они значительно упрощают операционную деятельность предпринимателей, которые работают с маркетплейсами», – сказала она «Ведомостям».

Еще один сегмент рынка грузоперевозок — перевозки для частных заказчиков. Здесь один из наиболее частых запросов — помощь с переездом как внутри города (например, в новую квартиру), так и в загородных переездах на дачу, а также в транспортировке личных вещей. В марте 2023 г. по сравнению с аналогичным периодом 2022 г. спрос на услуги помощников по переездам по России вырос на 27%, а на услуги грузчиков – на 45%. Наиболее активно услугами пользовались жители Нижнего Новгорода (+104%), Краснодара (+90%), Санкт-Петербурга (+76%). В Москве спрос вырос на 25%.

Эти данные можно объяснить ростом количества посредников и ужесточением конкурентной борьбы на сокращающемся рынке, считает генеральный директор ГК «Маршал», основатель «Академии логистики» Михаил Белоусов. «Фактически объем предложения услуг не вырос – просто на одного «живого» перевозчика стало больше посредников», – сказал он «Ведомостям».

Большая часть объявлений, по его мнению, размещается экспедиторами, которые работают по всей России. При звонке по указанным номерам они принимают заявки, размещают грузы на биржи грузоперевозок (например, «АТИ») и ждут предложений от фактических перевозчиков.  «Живой» перевозчик, который может предложить транспорт в определенном населенном пункте в данный момент, может фигурировать примерно в каждом двадцатом объявлении, предполагает эксперт.

В некоторых регионах, например Москве, Новороссийске и на Дальнем Востоке, можно наблюдать рост, вызванный «переформатированием экономики» и изменением логистических потоков, но говорить о росте предложения не приходится, отмечает Белоусов. Отчасти это связано с уходом из России иностранных компаний и приостановкой их производств, говорит эксперт.

Спрос на частных перевозчиков, предлагающих единовременную перевозку груза на автомобилях разного тоннажа, начиная от легкового и заканчивая пятитонным автомобилем, существовал всегда, уверен директор по продажам СДЭК Андрей Мякин. «Успех «Авито» в том, что им удалось перевести на свою платформу перевозчиков, предлагающих такие услуги на профильных площадках типа «АТИ» и других. Но в целом большого роста не наблюдается», – сказал он «Ведомостям». Наоборот, среди крупных федеральных игроков «наблюдается падение спроса на перевозки».

Гендиректор «Infoline-аналитики» Михаил Бурмистров отмечает, что «Авито» – это не конкурент транспортным компаниям, а инструмент для поиска партнеров. «Площадка поможет «спрямить» крупные компании и частников», – говорит эксперт. Он объясняет возросший спрос на услуги тем, что через «Авито» как крупную площадку удобно искать частных перевозчиков с парком в две-три машины.

Эксперты Авито проанализировали спрос на оборудование для бизнеса

  • Новости компаний

Пресс-релиз

По итогам неполных пяти месяцев 2023 количество предложений в категории оборудования для бизнеса на Авито выросло в четыре раза по сравнению с аналогичным периодом прошлого года. При этом доля предложений нового оборудования напрямую от производителей и дистрибуторов превысила 85%.

Эксперты платформы проанализировали, какое оборудование сегодня можно найти на платформе. 

  • Наиболее представленными подкатегориями на Авито по итогам пяти месяцев стали промышленное и ресторанное оборудование: на них приходится 34% и 18% от общего числа объявлений о продаже техники для бизнеса. Тройку лидеров замыкает оборудование для индустрии красоты. Количество предложений в этом сегменте составляет 13% от общего числа объявлений в категории.  
  • Заметнее всего за год выросло число объявлений о продаже медицинского и лабораторного оборудования. При этом спрос на лабораторное оборудование вырос более чем в пять раз, а на медицинское — более чем втрое год к году. 
  • Основными драйверами спроса на оборудование по-прежнему остаются подкатегории торгового и ресторанного оборудования (20,5% и 12% от общего числа запросов), а также оборудования для клиник эстетической медицины и салонов красоты (более 8%). Суммарно они обеспечивают более 40% спроса в целом по категории. 

«Для многих представителей бизнеса, в первую очередь предпринимателей сегмента МСП, Авито становится ключевой площадкой, которая — в режиме «одного окна» — помогает закрыть сразу несколько задач: от поиска и сравнения коммерческих предложений от различных производителей до выбора надежного поставщика оборудования для компании и предприятий. При этом мы видим, что при сохранении или даже росте спроса в категории на рынке появляется все больше отечественных производителей, которые до этого либо занимали узкую нишу и не имели возможность получить доступ к широкому кругу заказчиков, либо не думали о расширении существующего производства и открытии новых линеек. Сегодня мы аккумулируем на платформе более 3,7 млн предложений различного оборудования, более 85% из которых составляет новое оборудование напрямую от производителей и дистрибуторов», — комментирует руководитель макрокатегорий «Оборудование для бизнеса» и «Готовый бизнес и франчайзинг» на Авито Илья Дудковский. 

От промышленности до общепита: какого оборудования на Авито больше всего

Большую часть продаваемого на Авито оборудования в период с января по май 2023 года составляло промышленное: оно занимало более 34% от общего объема предложения. При этом ассортимент и количество объявлений о продаже промышленной техники также продолжает расти — в четыре раза год к году. В этой категории представлена металло- и деревообрабатывающая, электрическая, холодильная, строительная, сельскохозяйственная техника и другие виды оборудования. Им по итогам неполных пяти месяцев интересовались 27% покупателей в категории. 

Второй по объему предложения подкатегорией по итогам квартала стало пищевое оборудование с долей в 18%. А количество объявлений в этой сфере выросло в шесть раз в сравнении с началом прошлого года. Спрос на оборудование для общепита на данный момент составляет 12% от общего спроса, на столько же выросла за год его востребованность среди представителей бизнеса.

Количество предложений торгового оборудования за этот же период составило 8% от общего числа всех объявлений в категории. Количество таких объявлений увеличилось в 2,2 раза по сравнению с первыми пятью месяцами 2022 года. На него приходится 21% совокупного спроса, а интерес к торговому оборудованию за год повысился на 14%. 

Медицина и торговля — самые быстрорастущие категории 

Самый активный рост предложения по отношению к началу прошлого года показало медицинское оборудование: количество объявлений о его продаже увеличилось в 17 раз по сравнению с аналогичным периодом 2022. Второе место — у лабораторного оборудования: его предложение на Авито выросло в 16 раз. Замыкает топ-3 оборудование для логистических предприятий и автоматизации работы складов: количество предложений в этой категории увеличилось в 5 раз. 

В то же время наиболее заметную динамику спроса за год, напротив, показало лабораторное оборудование: за первые пять месяцев 2023 года количество поисковых запросов на Авито в этом сегменте выросло в более чем 5 раз, чем в начале прошлого года. Медицинский инвентарь с трехкратным ростом спроса занимает второе место. Значительный интерес у представителей бизнеса в 2023 году также вызывало рекламное оборудование: за год спрос в этой подкатегории вырос более чем в 2 раза, предложение — в 4 раза. 

Информация:

  • Контактная информация
  • Правила обработки
  • Реклама в журнале
  • Реклама на сайте
  • Условия перепечатки
  • Архив

Мы в соцсетях:

  • Telegram
  • ВКонтакте
  • YouTube

Мобильное приложение Forbes Russia на Android

Рассылка:

Наименование издания:
forbes.ru

Cетевое издание «forbes.ru» зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций, регистрационный номер и дата принятия решения о регистрации: серия Эл № ФС77-82431 от 23 декабря 2021 г.

Адрес редакции, издателя: 123022, г. Москва, ул. Звенигородская 2-я, д. 13, стр. 15, эт. 4, пом. X, ком. 1

Адрес редакции: 123022, г. Москва, ул. Звенигородская 2-я, д. 13, стр. 15, эт. 4, пом. X, ком. 1

Главный редактор: Мазурин Николай Дмитриевич

Адрес электронной почты редакции: [email protected]

Номер телефона редакции: +7 (495) 565-32-06

Перепечатка материалов и использование их в любой форме, в том числе и в электронных СМИ, возможны только с письменного разрешения редакции. Товарный знак Forbes является исключительной собственностью Forbes Media Asia Pte. Limited. Все права защищены.

AO «АС Рус Медиа»
·
2023

16+

категорий | Мостафа Эль-Араби

Проекты

  • Avito Прогноз спроса Kaggle конкурс

    Соревнования,
    Проекты
    · 

    минут на чтение.

    Проверьте код github

    Avito запустила конкурс на Kaggle, предлагая пользователям предсказать Avito, чтобы предсказать спрос на онлайн-рекламу на основе ее полного описания (заголовок, описание, изображения и т. д.), ее контекста (географическое место размещения, уже размещенные похожие объявления) и исторический спрос на подобную рекламу в…

  • Многоязычная платформа Bot Framework V4

    Проекты
    · 

    минут на чтение.

    Проверьте код github

    Во время моей работы в Microsoft Research Lab в Каире мне посчастливилось поработать над проектом фреймворка для поддержки нескольких языков.

  • Обучение распознаванию речи с помощью речевых команд Tf

    Соревнования,
    Проекты
    · 

    минут на чтение.

    Проверьте код github

    В конце 2017 года Google запустил соревнование на Kaggle, используя свою команду Speech для набора данных. В этом соревновании перед нами стояла задача предсказать простые команды по вводимой пользователем голосовой команде. Каждое высказывание длится около 2 секунд.

    Это соревнование привлекло меня, чтобы набраться опыта…

  • Библиотека генерации моделей

    Проекты
    · 

    Проверьте код github

    Во время моей работы в Valeo из-за важного запроса на проект я смог получить больше опыта как в MATLAB (ранее использовавшемся в предыдущем проекте компьютерного зрения), так и в моделях Simulink.

  • Классификация действий по неподвижным изображениям

    Проекты
    · 

    Минута на чтение.

    В качестве заключительного проекта курса «Компьютерное зрение» в моем колледже с профессором Марваном Торки мы использовали классификацию действий Pascal Voc 2010. Этот проект побудил меня узнать больше о машинном обучении и компьютерном зрении в частности. С тех пор как этот проект машинное обучение стало для меня хобби, а платформа Kaggle облегчила мне жизнь в изучении новых техник…

  • Разработка Windows Phone

    Проекты
    · 

    минут на чтение.

    На втором курсе Александрийского университета меня привлекла область разработки мобильных приложений. В то время я обнаружил, что Microsoft Windows Phone 7.1 SDK подходит для начала мобильной разработки на C# на новой многообещающей мобильной платформе.

  • Веб-сайт Allemny Initiative

    Проекты
    · 

    минут на чтение.

    Allemny — это арабское слово, которое означает «научи меня». Эта инициатива в основном направлена ​​на поощрение самообучения и обновление методов обучения с использованием новых тактик обучения, чтобы справиться с современными технологиями. Мы создаем короткие видеоролики, которые простым способом объясняют инженерные темы и программное обеспечение, чтобы каждый мог понять наши данные.

    В этом проекте…

Соревнования

  • Avito Прогноз спроса Kaggle конкурс

    Соревнования,
    Проекты
    · 

    минут на чтение.

    Проверьте код github

    Avito запустила конкурс на Kaggle, предлагая пользователям предсказать Avito, чтобы предсказать спрос на онлайн-рекламу на основе ее полного описания (заголовок, описание, изображения и т. д.), ее контекста (географическое место размещения, уже размещенные похожие объявления) и исторический спрос на подобную рекламу в…

  • AI Challenger англо-китайский машинный перевод

    Соревнования
    · 

    минут на чтение.

    Ai Challenger, новая китайская платформа для задач ИИ, их первый конкурс был связан с системой машинного перевода, и я хотел попробовать свои методы в системах NMT в системе, в которой я понятия не имею о целевом китайском языке.

    В этом конкурсе я участвовал как Марб и получил 25,50 блю баллов за их тест Тестовый набор…

  • Обучение распознаванию речи с помощью речевых команд Tf

    Соревнования,
    Проекты
    · 

    минут на чтение.

    Проверьте код github

    В конце 2017 года Google запустил соревнование на Kaggle, используя свою команду Speech для набора данных. В этом соревновании перед нами стояла задача предсказать простые команды по вводимой пользователем голосовой команде. Каждое высказывание длится около 2 секунд.

    Это соревнование привлекло меня, чтобы набраться опыта…

  • Система бронирования зданий

    Соревнования
    · 

    минут на чтение.

    Летом 2013 года инженерный факультет Александрийского университета объявил конкурс на создание системы онлайн-бронирования номеров с автоматическим заполнением номеров на основе имеющихся курсов, а также их вместимости и необходимого оборудования в помещении, я выиграл первый приз этого конкурса и мой система развернута по адресу http://eng. staff.alexu.edu.eg/~m.elaraby/

  • Участие в ACM Sigmod 2013 EGN Team

    Соревнования
    · 

    Минута на чтение.

    ACM Sigmod Programming Contest — это соревнование по программированию, запущенное в 2013 году, в основном направленное на реализацию программы, используемой для сопоставления больших документов, проиндексированных инструментом во время выполнения.

    Это был мой первый всемирный онлайн-соревнование, и это был захватывающий опыт для меня и моих коллег из команды EGN.

Опыт

  • Работа в Раисе

    Опыт
    · 

    Минута на чтение.

    Мне удалось получить предложение от Raisa Egypt, стартапа, специализирующегося на прогнозировании нефти и газа по геологическим особенностям суши.

  • Работа в Microsoft Research Lab

    Опыт
    · 

    минут на чтение.

    Я всегда хотел работать в области машинного обучения, и во время работы в Valeo я участвовал в kaggle в учебных целях. Переход в Microsoft Lab помог мне получить больше промышленного и исследовательского опыта в этой области.

  • Работа в Valeo

    Опыт
    · 

    минут на чтение.

    После окончания инженерного факультета Александрийского университета мне посчастливилось получить рекомендацию в компании Valeo Automotive, за 2 года и 3 месяца в Valeo я приобрел обширные знания в области разработки программного обеспечения.

  • Стажировка в Бкаме в качестве инженера-программиста

    Опыт
    · 

    Минута на чтение.

    Bkam был быстрорастущим стартапом, специализирующимся на онлайн-сравнении цен на товары, доступные в Интернете и на месте, в нескольких магазинах и предоставлении вам ссылки на магазин с лучшей ценой на конкретный товар.

    На втором курсе мне посчастливилось получить рекомендацию от моего ассистента Ахмеда ЭльШаркаси присоединиться к ним.

Публикации

  • Идентификация критических нейронов в архитектурах ИНС с использованием смешанного целочисленного программирования

    Публикации
    · 

    минут на чтение.

    Скачать статью

    Проверить код

    В этом исследовании мы пытаемся понять архитектуру нейронной модели, вычисляя показатель важности для нейронов. Вычисленный показатель важности можно использовать для сокращения модели или для понимания того, какие функции более значимы для обученной ИНС (искусственной нейронной сети). Рейтинг важности…

  • Перевод разговорного языка с учетом гендерных аспектов с арабского на английский

    Публикации
    · 

    минут на чтение.

    Скачать статью

    Во время моей работы в Microsoft Research Lab в Каире мы проводили мозговой штурм для исследовательских проектов, связанных с нашей работой Skype Translator для предстоящей летней стажировки. Мне пришла в голову идея создать систему машинного перевода, которая сохраняет потерянную гендерную информацию при переводе с арабского Английский.

  • Синтетические разговорные данные для нейронного машинного перевода

    Публикации
    · 

    минут на чтение.

    Скачать статью

    Во время моей работы в Microsoft Research Lab в Каире моей первой задачей было преобразовать левантийский арабский диалект в английскую систему NMT, но параллельных данных, доступных для диалектического левантийского языка, было недостаточно для обучения приличной модели для переводчика Skype.

Учебники

  • Введение в программирование смешанных целых чисел

    Учебники
    · 

    минут на чтение.

    Смешанное целочисленное программирование используется для решения задач оптимизации с дискретными переменными решения. Следовательно, его допустимая область представляет собой набор несвязанных целочисленных точек, и алгоритмы, основанные на градиенте, не могут быть применены напрямую.

  • Модель обучения Attentional LSTM

    Учебники
    · 

    минут на чтение.

Обзор бумаги

  • Прогнозирование точности нейронной сети по весам

    Обзор статьи
    · 

    минут на чтение.

    Проверьте код github

    В этой статье Unterthiner et al. (2020) эмпирически показали, что мы можем предсказать разрыв в обобщении нейронной сети, только взглянув на ее веса. В этой работе они выпустили набор данных из 120 тысяч сверточных нейронных сетей, обученных на разных наборах данных.

    …

  • Прогнозирование разрыва обобщения в глубоких сетях с распределением маржи

    Обзор статьи
    · 

    минут на чтение.

    Проверьте код github

    В этой статье (Jiang et al. (2018)) они обсуждают метод, который может предсказать разрыв в обобщении на основе обученных глубоких нейронных сетей. Авторы использовали информацию о предельном распределении из входного обучающего набора в качестве вектора признаков, используемого оценщиком для получения…

  • Объяснение добавления нескольких задач PackNet в единую сеть путем итеративного сокращения

    Обзор статьи
    · 

    минут на чтение.

    Проверьте код github

    В этой статье (Mallya & Lazebnik, 2018) они обсуждают метод добавления и поддержки нескольких задач в одной архитектуре, не беспокоясь о катастрофическом забывании. В этой статье они показывают, что три задачи мелкозернистой классификации могут быть добавлены к одной…

  • Стабилизация обучения GAN со случайными проекциями

    Обзор статьи
    · 

    минут на чтение.

    Проверьте код github

    В этой статье (Neyshabur et al. (2017)) они представили структуру для стабилизации обучения GAN с использованием нескольких проекций с фиксированными фильтрами каждого входного изображения на другой дискриминатор. Обучение моделей GAN нестабильно в многомерном пространстве и некоторые проблемы, которые могут. ..

Введение в комплексную архитектуру | INSOFE

Дом

  »  

Преобразование карьеры

  »  

Специалисты по данным

  »  

Технические навыки 9001 5   »  

Введение в комплексную архитектуру

Сурджит Гупта | категория Технические навыки |
4 минуты чтения | Комментариев нет

Если у нас есть огромное количество структурированных данных, числовых или категориальных, простая архитектура нейронной сети может дать потрясающие результаты. Архитектура CNN может позаботиться о данных изображения, а простая архитектура RNN или LSTM лучше всего подходит для прогнозирования текста.

Что мы делаем, когда сталкиваемся с постановкой проблемы, когда мы должны обслуживать все вышеперечисленные типы данных вместе?

Фото Майка Петруччи на Unsplash

Рассмотрим пример Avito Demand Prediction Challenge, который состоялся год назад. Avito — крупнейший в России сайт объявлений. Главной задачей большинства продавцов является понимание уравнения спроса и предложения на их продукцию. Такая информация может помочь продавцам повышать цены при высоком спросе или работать над улучшением рекламы или даже самого продукта при низком спросе. Задача этого конкурса состояла в том, чтобы изучить свойства каждой рекламы, их контекст и исторический спрос на аналогичную рекламу, чтобы предсказать спрос, который они могут генерировать. Как только у нас будет хорошая оценка спроса, Avito может работать с продавцами на их платформе, чтобы лучше оптимизировать их список объявлений.

Это была хорошая возможность разработать всеобъемлющую архитектуру.

Основная идея всеобъемлющей архитектуры заключается в создании отдельных архитектур нейронных сетей для различных типов данных и объединении их вместе в конце для создания более крупной нейронной сети. Окончательный результат — это наш прогноз, который в данном случае представляет собой возможность продажи продукта. Давайте посмотрим, как это можно сделать.

Во-первых, давайте посмотрим на числовые значения. У нас была цена товара и несколько технических характеристик, таких как размеры рекламного изображения и длина описания. Эти функции можно было бы передать в плотную нейронную сеть с одним скрытым слоем.

Во-вторых, у нас были категориальные значения. Это регион, город, категория объявлений, его родительская категория, некоторые параметры параметров и категория рекламных изображений. Мы могли бы применить однократное кодирование или кодирование меток к каждой из этих функций, соединить их с числовыми значениями и передать их в плотную нейронную сеть, которую мы уже разработали. Единственным фактором было то, что несколько из этих категорий, а именно категория объявлений и категория изображений, имели уровни, кратные сотням. Таким образом, вместо того, чтобы рассматривать все категории одинаково, мы могли бы обрабатывать их по отдельности. Одна сеть была разработана таким образом, что функции с менее чем 20 уровнями были объединены и закодированы в горячем режиме, и у нее была собственная нейронная сеть. Такие категории, как категория объявления (category_name), обрабатывались путем встраивания категорий и передавались в собственную эксклюзивную нейронную сеть. То же самое было сделано с функцией категории изображений, image_top_1. На данный момент у нас есть четыре отдельные нейронные сети, и нам еще предстояло обслуживать типы текста и изображений.

С помощью текстовых полей Заголовок и Описание мы создали еще две нейронные сети. На этот раз вместо плотной сети мы разработали сеть LSTM для работы с непрерывным характером текста. Для изображений мы создали одну простую архитектуру CNN с двумя слоями свертки, а также слоями отсева и нормализации для каждого из них.

Теперь у нас есть 6 слоев. Каждый заботится о поведении своих типов ввода. Более целенаправленная обработка типов данных. Чтобы объединить все эти сети, мы берем выход каждой из них и соединяем их в один плотный слой. Затем эта полная сеть обучается на основе функции бинарной кросс-энтропийной потери.

Основным недостатком комплексной архитектуры, такой как описанная выше, является ее высокий уровень сложности.