محصول، داده و آموزش
AmirHossein Babaeayan
مدیر محصول هوش مصنوعی در تپسی
مارکت‌پلیس، قیمت‌گذاری و آزمایش‌های محصول
در تپسی، مسئله‌های مارکت‌پلیس را به تصمیم‌های محصول تبدیل می‌کنم؛ از قیمت‌گذاری باهمسفر تا راه‌اندازی تجربه‌های تازه سفر. تکیه‌ام بر تحلیل داده، آزمایش و همکاری با تیم‌های مهندسی و عملیات است.
پورتفولیوی محصول
روی تصمیم‌هایی کار می‌کنم که تجربه و اقتصاد سفر را شکل می‌دهند؛ از قیمت‌گذاری و دسترسی سفیر به درخواست، تا انجام سفر و تجربه هم‌سفرها. این پروژه‌ها ترکیبی از طراحی محصول، تحلیل داده و آزمایش‌اند.
قیمت‌گذاری و اقتصاد سفر
عرضه و بهینه‌سازی مدل قیمت‌گذاری باهمسفر را پیش بردم تا نسبت هزینه به درآمد کاهش پیدا کند و حجم سفرها حفظ شود.
نتیجه: ۶۰٪ کاهش نسبت هزینه به درآمد، بدون افت حجم سفرها.
بهبود اقتصاد باهمسفر با حفظ حجم سفرها.
پیش‌برد عرضه و بهینه‌سازی مدل قیمت‌گذاری باهمسفر.
نسبت هزینه به درآمد ۶۰٪ کاهش یافت و حجم سفرها حفظ شد. این عدد، کاهش خود هزینه یا افزایش درآمد به‌تنهایی نیست.
تجربه سفر اشتراکی
سیستم امتیازدهی به هم‌سفر در باهمسفر را طراحی و عرضه کردم؛ مسافر می‌تواند به تجربه همراهی با دیگران امتیاز بدهد و امتیاز خودش را ببیند.
نتیجه: مشارکت ۳۶٪ کاربران و بهبود ۴٪ نگه‌داشت مسافران.
تقویت اعتماد بین مسافرانی که یک سفر را با هم طی می‌کنند.
طراحی و عرضه سیستم امتیازدهی به هم‌سفر و تجربه استفاده مسافر از آن.
مشارکت ۳۶٪ کاربران و بهبود ۴٪ نگه‌داشت مسافران.
تجربه مسافر
توسعه و عرضه بین‌شهری VIP تپسی را از ابتدا تا راه‌اندازی هدایت کردم؛ تجربه‌ای که به مسافر اجازه می‌دهد بر اساس قیمت، کیفیت خودرو و امتیاز، از میان سفیران تپسی پلاس انتخاب کند.
قابلیت: انتخاب سفیر توسط مسافر برای سفر بین‌شهری.
مسافر می‌تواند از میان سفیران تپسی پلاس، بر اساس قیمت، کیفیت خودرو و امتیاز انتخاب کند.
هدایت توسعه و عرضه محصول، از شروع تا راه‌اندازی.
عرضه قابلیت انتخاب سفیر برای سفر بین‌شهری؛ یک تجربه تازه در کنار سرویس‌های دیگر بین‌شهری.
از طراحی و شبیه‌سازی تا برنامه ارزیابی؛ مرحله هر پروژه در کارت مشخص است.
رفتار سفیر و قابلیت اتکای سرویس
طراحی امتیاز رفتاری، مشوق و محدودیت تدریجی برای کاهش لغو پس از پذیرش سفر بین‌شهری؛ با بررسی اثر احتمالی بر انجام سفر و حفظ عرضه.
مرحله: طراحی سازوکار و شبیه‌سازی؛ اثر انتشار هنوز گزارش نشده است.
کاهش لغو پس از پذیرش، با توجه به حفظ عرضه سفیران.
تحلیل الگوهای لغو، طراحی قواعد امتیازدهی و بازیابی امتیاز، و ارزیابی سناریوها با شبیه‌سازی.
تعادل بین تشویق و محدودیت، امکان بازیابی امتیاز و شروع با عرضه محدود. لغوهای بک‌آفیس و باهمسفر بین‌شهری خارج از دامنه این پروژه‌اند.
سنجش سفرهای انجام‌شده، لغوهای دیرهنگام و اثر بر عرضه؛ خروجی شبیه‌سازی، نتیجه واقعی انتشار محصول نیست.
دسترسی به درخواست و فعال‌سازی سفیر
کار روی انتخاب مسیر و اعلان درخواست‌های بین‌شهری، برای کمک به سفیران در پیدا کردن سفرهای مرتبط با مسیر دلخواهشان.
تمرکز: انتخاب مسیر، فعال‌سازی قابلیت و سنجش استفاده از اعلان‌ها.
دسترسی سفیر به درخواست‌های مرتبط، بدون نیاز به بررسی مداوم سفرهای موجود.
کار روی پیام‌های معرفی و فعال‌سازی، هدف‌گیری بر اساس سابقه مسیر و تحلیل اشتراک‌ها، اعلان‌ها و سفرهای مسیرهای منتخب.
سفیر از تنظیمات سفر مسیر انتخاب می‌کند؛ اعلان درخواست، او را به سبد درخواست‌ها می‌برد.
بازشدن اعلان، اشتراک فعال، حذف مسیر، غیرفعال‌سازی و سفر در مسیرهای منتخب؛ اثر نهایی بر افزایش سفرهای انجام‌شده هنوز گزارش نشده است.
تجربه باهمسفر و عملیات
بررسی نقاط سوارشدن مشخص و پیاده‌روی کوتاه برای ساده‌ترشدن جمع‌آوری مسافران و کاهش اصطکاک در سوارکردن مسافر دوم.
مرحله: طراحی پایلوت و برنامه ارزیابی.
چند نقطه سوارشدن، زمان انتظار و پیچیدگی مسیر را بیشتر می‌کند و خطر لغو مسافر دوم را بالا می‌برد.
کار روی طرح نقاط سوارشدن، دامنه پایلوت و معیارهای ارزیابی.
تعادل بین مسیر ساده‌تر برای سفیر و پیاده‌روی اضافه برای مسافر.
انتخاب نقطه سوارشدن، زمان رسیدن، لغو و نگه‌داشت مسافر؛ اهداف پایلوت از نتایج اندازه‌گیری‌شده جدا می‌مانند.
راه‌اندازی باهمسفر بین‌شهری: راه‌اندازی و گسترش باهمسفر بین‌شهری در بیش از ۱۰ استان را پیش بردم؛ با تمرکز بر بهینه‌سازی مارکت‌پلیس، اجرای عملیاتی و بهبود مستمر محصول. نتیجه: حدود ۱۸٪ از درخواست‌های سفر اشتراکی بین‌شهری در ماه نخست.
قیمت‌گذاری عجله ندارم: بهینه‌سازی قیمت‌گذاری و منطق تخفیف با تحلیل رفتار و آزمایش‌های سوییچ‌بک؛ حدود ۴۲٪ کاهش نسبت هزینه به درآمد با حفظ حجم سفرها.
پیشنهاد قیمت سفیر در بین‌شهری: شناسایی شکاف رقابتی و عرضه قابلیت پیشنهاد قیمت توسط سفیر؛ در حال آزمایش برای سنجش اثر بر عملکرد مارکت‌پلیس.
پنل سازمانی: مدیریت و توسعه محصول B2B تپسی برای بیش از ۶۰۰ مشتری سازمانی فعال، با تمرکز بر حل مسائل مشتریان و بهبود تجربه استفاده.
بهبود اقتصاد سفرهای بین‌شهری: تحلیل قیمت مسیرها و انگیزه اقتصادی سفیر، و طراحی آزمایش مشوق برای سنجش اثر بر سفرهای انجام‌شده. مرحله: تحلیل و طراحی آزمایش؛ نتیجه نهایی رشد هنوز گزارش نشده است.
تحقیق درباره نیازها و موانع سفیران: تحلیل بازخورد سفیران درباره بین‌شهری و باهمسفر، و طراحی تحقیق درباره موانع استفاده از باهمسفر؛ برای کمک به اولویت‌بندی مسائل محصول.
برنامه رشد باهمسفر در مهر: طراحی برنامه رشد تهران در شروع سال تحصیلی؛ شامل سگمنت‌بندی، فعال‌سازی مجدد و هدف‌گیری کاربران قبلی اطراف دانشگاه‌ها، با توجه به سقف نسبت هزینه به درآمد. مرحله: برنامه‌ریزی کمپین.
درباره من
مهندسی کامپیوتر خوانده‌ام و روی یادگیری ماشین پژوهش کرده‌ام. مسیر کاری‌ام از منابع انسانی و سیستم‌های سازمانی به مدیریت محصول در مارکت‌پلیس حمل‌ونقل رسیده است. در کنار کار محصول، مدیریت محصول و برنامه‌نویسی تدریس کرده‌ام.
محصول: استراتژی محصول، بهینه‌سازی مارکت‌پلیس، قیمت‌گذاری، بخش‌بندی کاربران، مدیریت ذی‌نفعان و توسعه چابک.
داده و آزمایش: تحلیل داده، آزمایش A/B و سوییچ‌بک، SQL، Python و PySpark.
ابزارها: Superset، Metabase، Jira، Confluence، Git و scikit-learn.
آموزش، پژوهش و یادگیری
مدرس مهمان مدیریت محصول — دانشگاه شهید بهشتی
فوریه تا اوت ۲۰۲۶
طراحی و تدریس دوره مدیریت محصول با تمرکز بر آمادگی برای صنعت و کارآموزی؛ شامل کشف مسئله، تحقیقات بازار، روش‌های توسعه، تصمیم‌گیری داده‌محور و استراتژی محصول. دانشجویان آموخته‌ها را در یک پروژه عملی به کار گرفتند.
مدرس مهمان و پژوهشگر — دانشگاه صنعتی امیرکبیر
سپتامبر ۲۰۲۲ تا سپتامبر ۲۰۲۵
تدریس سیستم‌عامل و برنامه‌نویسی پیشرفته؛ پژوهش درباره یادگیری فدراسیونی با مصرف انرژی کمتر زیر نظر دکتر سیاوش خرسندی و بررسی امکان‌پذیری کاربردهای هوش مصنوعی و اینترنت اشیا زیر نظر دکتر احسان ناظرفرد.
آموزش برنامه‌نویسی
طراحی و اجرای دوره سراسری پایتون در دوران کرونا با بیش از ۲۰۰۰ شرکت‌کننده و بیش از ۴۰۰۰ بازدید از جلسات منتشرشده در آپارات. سابقه دستیاری بیش از ۳۰ درس دانشگاهی و دستیاری ارشد در بیش از ۲۵ درس.
تحصیلات کارشناسی ارشد مهندسی کامپیوتر، شبکه‌های کامپیوتری — دانشگاه صنعتی امیرکبیر
سپتامبر ۲۰۲۲ تا سپتامبر ۲۰۲۵ · معدل ۱۸٫۱۳ از ۲۰
دروس تکمیل شده‌اند؛ دفاع پایان‌نامه انجام نشده است.
کارشناسی مهندسی کامپیوتر، هوش مصنوعی — دانشگاه بوعلی سینا
سپتامبر ۲۰۱۷ تا اوت ۲۰۲۱ · معدل ۱۸٫۴۳ از ۲۰
تهران، ایران
برای گفتگو درباره فرصت‌های شغلی، همکاری یا مسائل محصول و مارکت‌پلیس، از طریق ایمیل یا لینکدین با من در ارتباط باشید.
مدیر محصول هوش مصنوعی در تپسی است و روی باهمسفر، بین‌شهری، عجله ندارم و پنل سازمانی کار می‌کند. تمرکز او بر مارکت‌پلیس، قیمت‌گذاری و آزمایش‌های محصول است.
از طریق ایمیل amirhosseinbabaeayan@gmail.com یا پروفایل لینکدین او. لینک‌های مستقیم در همین بخش قرار دارند.
PRODUCT PORTFOLIO
I work on the decisions that shape a ride marketplace: how rides are priced, how drivers find and complete them, and how passengers share them. These projects bring together product design, data analysis, and experimentation.
Pricing & ride economics
Led the rollout and optimization of BaHamsafar’s pricing model to improve its cost-to-revenue ratio while sustaining ride volume.
Outcome: 60% reduction in cost-to-revenue ratio with ride volume maintained.
Improve BaHamsafar’s ride economics while maintaining ride volume.
Led the rollout and optimization of the shared-ride pricing model.
Cost-to-revenue ratio fell by 60%, with ride volume maintained. The metric describes the ratio, rather than cost or revenue independently.
Shared-ride experience
Designed and launched co-rider ratings in BaHamsafar, giving passengers a way to rate their shared-ride experience and see their own rating.
Outcome: 36% user participation and a 4% improvement in rider retention.
Strengthen trust between passengers sharing a ride.
Designed and launched the co-rider rating system and the passenger-facing experience.
36% user participation and a 4% improvement in rider retention.
Passenger experience
Led end-to-end development and launch of a premium intercity experience, enabling passengers to choose among TAPSI Plus drivers based on price, vehicle quality, and rating.
Capability: Passenger choice of driver for intercity rides.
Passengers choose among TAPSI Plus drivers based on price, vehicle quality, and rating.
Led development and launch from the start through rollout.
Launched passenger choice of driver for intercity trips, adding a new experience to the intercity offering.
From policy simulation to product measurement, with the stage of each project shown below.
Driver behavior & reliability
Designed a system of behavioral scores, incentives, and graduated restrictions to address cancellations after a driver accepts an intercity ride.
Stage: Policy design and simulation; rollout impact has not yet been reported.
Reduce cancellations after acceptance while preserving driver supply.
Analyzed cancellation patterns, designed scoring and recovery rules, and evaluated policy scenarios through simulation.
Balance rewards and restrictions, allow drivers to recover their score, and start with a small rollout. Back Office cancellations and shared intercity rides are outside this scope.
Track completed rides, late cancellations, and supply impact. Simulation findings are not live product outcomes.
Driver discovery & activation
Worked on route subscriptions and push alerts that help drivers discover intercity requests on their preferred routes.
Focus: Route selection, activation, and measurement of alert engagement.
Help drivers find relevant intercity requests without repeatedly checking available rides.
Worked on activation messaging, targeting based on route history, and analysis of subscriptions, alerts, and rides on selected routes.
Drivers select routes in ride settings and receive push notifications that open the request basket.
Monitor alert opens, active subscriptions, removed routes, opt-outs, and rides on subscribed routes. A final uplift in completed rides has not yet been reported.
Shared-ride UX & operations
Explored designated pickup points and a short walk in BaHamsafar to simplify passenger collection and reduce friction around the second pickup.
Stage: Pilot design and evaluation planning.
Multiple pickups add waiting and routing complexity, increasing the risk of second-passenger cancellations.
Worked on the station-based pickup proposal, pilot scope, and evaluation criteria.
Balance a shorter, simpler driver route with the extra walking effort for passengers.
Assess pickup-point adoption, pickup time, cancellations, and passenger retention. Pilot targets are presented separately from measured results.
Intercity BaHamsafar Launch: Led the launch and expansion of shared intercity rides across 10+ provinces, combining marketplace optimization, operational rollout, and iterative product improvements. Outcome: ~18% of intercity shared-ride requests within the first month.
Ajale Nadaram Pricing: Optimized pricing and rebate logic through behavioral analysis and switchback experiments, reducing cost-to-revenue ratio by ~42% while sustaining ride volume.
Intercity Driver Bidding: Identified a competitive gap and launched a driver-initiated bidding feature, currently being tested to evaluate its impact on marketplace performance.
Corporate Panel: Managed and developed TAPSI’s B2B product serving 600+ active enterprise clients, addressing customer pain points and improving the enterprise experience.
Intercity Marketplace Economics: Analyzed route pricing and driver economics, and designed a driver rebate experiment to evaluate whether better incentives translate into more completed rides. Stage: analysis and experiment design; no final uplift reported.
Driver Research: Analyzed driver feedback about Intercity and BaHamsafar and designed research into barriers to BaHamsafar adoption. Findings support product prioritization; no standalone business outcome claimed.
BaHamsafar Growth Planning: Designed a Tehran growth plan around the start of the academic year, including segmentation, reactivation, and targeting past users near university campuses within a cost-to-revenue constraint. Stage: campaign planning.
About me
I studied computer engineering and conducted machine learning research. My work has evolved from HR and enterprise systems to product management in transportation marketplaces. Alongside product work, I have taught product management and programming.
Product: Product strategy, marketplace optimization, pricing, user segmentation, stakeholder management, and agile product development.
Data & Experiments: Data analysis, A/B and switchback experimentation, SQL, Python, and PySpark.
Tools: Superset, Metabase, Jira, Confluence, Git, and scikit-learn.
TEACHING, RESEARCH & LEARNING
Guest Lecturer in Product Management — Shahid Beheshti University
Feb 2026 – Aug 2026
Designed and taught an undergraduate course focused on industry and internship readiness, covering discovery, market research, development methodologies, data-driven decisions, and product strategy. Students applied these practices in a practical capstone project.
Guest Lecturer & Graduate Researcher — Amirkabir University of Technology
Sep 2022 – Sep 2025
Taught Operating Systems and Advanced Programming. Researched energy-efficient federated learning under Dr. Siavash Khorsandi and studied the feasibility of AI–IoT applications under Dr. Ehsan Nazerfard.
Programming Education
Designed and delivered a nationwide Python course during COVID-19 with 2,000+ participants and 4,000+ views of published Aparat sessions. Assisted with 30+ university courses and served as Head TA for over 25.
Graduate Studies in Computer Engineering, Computer Networks — Amirkabir University of Technology
Sep 2022 – Sep 2025 · GPA: 18.13/20
Coursework completed; thesis defense not completed.
B.Eng. in Computer Engineering, Artificial Intelligence — Bu-Ali Sina University
Sep 2017 – Aug 2021 · GPA: 18.43/20
Tehran, Iran
For opportunities, collaborations, or a conversation about products and marketplaces, reach me by email or LinkedIn.
AmirHossein Babaeayan is an AI Product Manager at TAPSI, working on BaHamsafar, Intercity, Ajale Nadaram, and the Corporate Panel. His focus is marketplaces, pricing, and product experimentation.
Email amirhosseinbabaeayan@gmail.com or use his LinkedIn profile. Direct links are available in this section.