Бэкенд-разработчик в Ecom-сценарии

Ecom-сценарии — это новый подход к выбору товаров в интернете на основе ML и AI. Пользователь может сгенерировать самые разные сценарии, которые помогут быстро и удобно найти нужное, сравнить предложения между собой, посмотреть плюсы и минусы, увидеть выгодные цены и способы покупки.

Мы создаём самую большую товарную базу в рунете и стремимся вывести поиск по товарам на новый уровень, оптимизировать его, сократив время обработки запроса и потребляемую память в несколько раз. У нас множество архитектурных и алгоритмических задач: разработка инфраструктуры доставки данных, поддержка высоконагруженного рантайма, оценка продуктовой функциональности и аналитика. Наша работа помогает сотням тысяч пользователей и нацелена на результат, который можно измерить в реальной прибыли компании.

Мы ищем бэкенд-разработчика, который будет развивать и поддерживать процессы обработки товарных данных, а также масштабировать эти процессы под новые сценарии.

Развитие контент-системы
Контент-система — сердце всего сервиса. Она должна хранить миллиарды документов и уметь очень быстро их обрабатывать. Пример одной из наших недавних задач — интеграция матчинга оферов к SKU в контент-систему. Такие задачи подходят тем, кто на «ты» с С++, хочет разбираться в архитектуре сложных систем и готов учиться новому.

Развитие матчинга товаров
Наша команда готовит данные, позволяющие реализовать сравнение цен по товарам во всём еком-каталоге России. Такая задача называется матчингом, и для её решения нужно сопоставить два товара от разных продавцов и понять, являются ли они одним и тем же товаром или разными. Сложность задачи состоит в том, что, во-первых, матчинг должен корректно работать как на популярных товарах типа iPhone 16 Pro Max 512 ГБ, так и на нишевых типа сантехнических труб. А во-вторых, есть необходимость обработать огромный объём данных: миллиарды оферов, сотни миллионов SKU с их картинками, атрибутами и описаниями. Задача подойдёт тем, кому интересно настраивать и развивать высоконагруженную систему событийной обработки данных, а также много экспериментировать, чтобы повышать итоговое качество продукта.

Генерация и ранжирование умных саджестов
Существует огромное количество различных товаров, поэтому для удобства пользователя необходимо структурировать их в некоторые группы и далее на этапе поиска давать пользователю возможность фильтрации по таким группам. В этой задаче вам предстоит улучшать систему генерации поисковых саджестов под запрос пользователя. Примерами могут быть такие саджесты, как «с поддержкой 4K», «с экранированным кабелем», «с USB-C» на запрос «displayport». Сложность задачи именно в динамической (не привязанной к категорийному дереву) генерации саджестов для максимально широкого пула запросов — от банальных «ноутбук» и «холодильник» до «гипсокартон» и «датчик температуры», — а также в необходимости ранжировать эти подсказки персонально для пользователя, не замедляя дополнительными компонентами поисковый сценарий.

• Уверенно владеете C++ или готовы на него перейти
• Знаете классические алгоритмы и структуры данных
• Ориентированы на создание конечного продукта высокого качества
• Не боитесь сложных задач

• Работали с ML или готовы развиваться в этом направлении
• Проектировали распределённые системы, которые могут держать десятки тысяч RPS
• Разрабатывали высоконагруженные системы событийной обработки данных