VK: Новая платформа персонализации AI VK
Рекомендации, поиск и реклама решают одну и ту же задачу. Быстро понять интент пользователя и показать ему нужное.
Команда AI VK за год собрала Discovery-платформу — единый инфраструктурный слой для персонализации:
По сути, это переход от множества ML-стеков к централизованной системе данных, моделей и пайплайнов. Раньше каждая команда, работающая над рекомендациями, поиском или рекламой, вынуждена была строить свой собственный ML-стек. Это включало в себя сбор данных, обучение моделей, развертывание и мониторинг. Такая разрозненность приводила к дублированию усилий, замедляла и усложняла разработку, а также снижала общую эффективность персонализации. Централизованная платформа позволила стандартизировать процессы, использовать общие данные и модели, а также упростить экспериментирование.
Что это дало:
- полный цикл «идея → эксперимент → прод» сократился в 5 раз. Раньше, чтобы проверить новую гипотезу или улучшить существующий алгоритм, требовалось много времени на подготовку инфраструктуры. Теперь, благодаря централизованной платформе, инженеры могут быстро развернуть эксперимент, собрать данные, обучить модель и оценить результаты.
- новый рекомендер теперь можно запустить в среднем за месяц. Раньше разработка нового рекомендательного алгоритма могла занимать несколько месяцев, а то и больше. Теперь, благодаря готовым компонентам и инфраструктуре, процесс значительно ускорился. Например, для запуска нового рекомендера в VK Клипах потребовалось всего несколько недель, что позволило быстро адаптироваться к меняющимся потребностям пользователей.
- инженеры не собирают стек с нуля. Это позволяет инженерам сосредоточиться на решении бизнес-задач, а не тратить время на рутинные задачи, связанные с инфраструктурой. Централизованная платформа предоставляет готовые инструменты и ресурсы, что значительно упрощает работу и позволяет быстрее достигать результатов. Это также снижает порог входа для новых инженеров и ускоряет процесс обучения.
И самое приятное — продуктовые метрики:
- +17,4% времени просмотра в VK Клипах. Это свидетельствует о том, что персонализированные рекомендации помогают пользователям находить интересный контент и проводить больше времени на платформе. Например, алгоритмы анализируют историю просмотров пользователя, его интересы и предпочтения, чтобы предложить ему наиболее релевантные клипы.
- +40% сохранённых треков в VK Музыке. Улучшение рекомендаций привело к тому, что пользователи стали чаще сохранять понравившуюся музыку. Это говорит о повышении качества рекомендаций и более точном соответствии музыкальным вкусам пользователей. Алгоритмы учитывают жанры, исполнителей, плейлисты и другие факторы, чтобы предлагать пользователям музыку, которая им действительно нравится.
- +70% релевантности рекомендаций в VK Видео. Повышение релевантности означает, что пользователям предлагается больше видео, которые соответствуют их интересам. Это приводит к увеличению вовлеченности пользователей и улучшению общей пользовательской удовлетворенности. Например, алгоритмы анализируют историю просмотров, поисковые запросы и другие данные, чтобы предлагать пользователям наиболее релевантные видео.
Как это устроено под капотом и из каких компонентов состоит платформа — команда подробно разобрала в большом материале: https://t.me/BusinessNetwork_robot?start=G7X296
Друзья. Согласитесь неплохие новости для тех, кто активно продвигается во VK
#VK
#новостипродвижения
📱 Наш Телеграм канал: https://t.me/bninstrum
🔵 Канал VK: https://vk.ru/club195425868
