Конференция «AHA!25», Москва

Конференция AHA!25 ежегодно собирает более 1000 продуктовых аналитиков и ML-cпециалистов из сфер банкинга, e-commerce, классифайдов и других отраслей, а посетилями Aha! являются сотрудники bigtech-компаний, маркетплейсов, онлайн-ритейлеров, банков, телекомов и многих других компаний.

Программа конференции состоит более чем из 80 докладов, панельных дискуссий и экспертных сесиий, на которых спикеры делятся своим опытом в области product science, проведения A/B-экспериментов, поведенческой экономике и эффективности бизнеса.

В 2025 году техническая конференция AHA!25 впервые станет двухдневной: 8 тематических потоков и более 1200 участников соберутся на одной площадке, чтобы обсудить product science, ML-решения, аналитику и всё, что меняет бизнес.

Ключевые темы 2025 года:

1. Практическое применение LLM и генеративного AI в банкинге, e-commerce и digital
   
2. Сквозная аналитика и A/B-тестирование: от гипотез до масштабирования
   
3. Главные тренды в продуктовой аналитике и data-driven управлении
   
4. Математические модели для оценки пользовательского опыта
   
5. Поведенческая экономика в продуктовых решениях.

Участников ждёт нетворкинг с ведущими экспертами индустрии, разбор реальных кейсов, практические рекомендации и насыщенная программа с панельными дискуссиями.

Программа конференции

Инструменты для Data-аналитиков и ML-разработчиков:

• Аналитический слайсер: как создать универсальный инструмент для работы с данными и автоматизировать аналитику
  
• Система мониторинга бизнеса, способная приносить миллиарды
  
• Как превратить Jupyter из хаотичного опенсорс-решения в масштабируемую, управляемую и удобную платформу для аналитиков и ML-инженеров.
  
• Apache Airflow как ключевой компонент MLops инфраструктуры.

Классические бизнес-задачи, решенные с помощью ML:

• Опыт внедрения ML-прогнозов в систему динамического ценообразования Яндекс.Доставки
  
• Будущее рекомендательных систем
  
• Как прогнозировать тысячи временных рядов и не сойти с ума
  
• AutoML в действии: автоматизация ML-экспериментов для бизнес-команд
  
• Как перестать внедрять ненужный AI: расчёт эффекта и фокус на ценность
  
• Вызовы в оценке современных LLM и мультимодальных моделей
  
• Как сегментация пользователей умного дома повлияла на стратегию бизнеса.

Разработка и внедрение ML-платформ

• Как снизить TTM за счет ускорения разработки ml-моделей
  
• Data Science & Mashine Learning решения в логистике в Wildberries
  
• Как пройти путь от аналитической инициативы до ML-платформы персонализации, сэкономив время и заработав миллионы.

Product OPS:

• Автоматизация процессов для Product OPS: как оптимизация рутинных задач меняет правила игры
  
• Data-Driven подход к развитию продукта: от хаоса к системе
  
• Как создавать эффективные продуктовые команды и драйвить рост компании.

А/B-эксперименты:

• Когда A/B тестов мало: альтернативные методы оценки эффектов в экспериментах
  
• Эксперименты в продукте для исполнителей Яндекс.Про: как балансировать между эффективностью и долгосрочным Retention
  
• Slicing is all you need
  
• SPRT + CUPAC. Максимально ускоряем эксперименты
  
• Как компания Лемана Про построила свою A/B-платформу с нуля и снизила TTM в поиске
  
• Как выбрать и внедрить A/B-платформу, когда ты не бигтех
  
• Проксируй это: как использовать прокси-метрики умнее?

A/B-эксперименты для product-менеджеров:

• A/B-тесты для миддлов и продактов: как выйти за рамки «просто запускаем эксперименты»
  
• Идеальный CJM: A/B-тестирование на пути к успеху
  
• Почему формализованный подход к экспериментам — не бюрократия, а необходимость
  
• Data-Driven подход к небольшой генеральной совокупности: как проводятся A/B (и другие) тесты на агентах поддержки Авито.

Внедрение и LLM-трансформация бизнеса:

• Путь в LLM от "ничего нет" к сотням миллионам бизнес-эффекта
  
• Практический подход к созданию traction-модели на примере внедрения LLM-продукта Avito Assistant
  
• Как делать бенчмарк для бизнес-внедрений LLM: от оффлайна к продакшну.

AI-driven продуктовые исследования:

• Как использовать синтетических респондентов в продуктовых исследованиях
  
• «Тайная закупка» как формат продуктового исследования.

Customer success & Сustomer support:

• Диалоговые эмбеддеры как инструмент повышения качества клиентского опыта: применение, что под капотом и бенчмарки
  
• Как конечные профессиональные продукты на основе LLM повышают эффективность сотрудников и экономят Яндексу миллионы
  
• AI-агенты заменят операторов? Каким будет клиентский сервис в 2026 году и в будущем.

Аналитика реального финансового эффекта:

• Как пересчитать в деньги эффект по любому изменению в продукте?
  
• Как растить аналитическую платформу, а не стоимость владения? Способы оптимизации ТСО.
  
• Рост выручки за счет продукта, стимулирующий рост бизнеса без масштабирования расходов.

Доклады на широкие темы:

• Тренды и главные вызовы в GENAI 2025 году
  Быстрое прототипирование AI-решений: кейсы и выводы
  
• Формула доверия: аналитические доверительные интервалы для Ratio- И Uplift-метрик
  "Целевая аудитория": кто все эти люди
  
• Команда как бизнес-партнёр: как перейти от ТЗ к росту метрик.

Стоимость участия

Онлайн-доступ — 36 000 рублей
Офлайн-билет (29 и 30 мая) — 49 000 рублей

Контактная информация:
8 800 222-55-67
E-mail: info@matemarketing.ru