Как интернет читает наши мысли: разбор алгоритмов рекомендаций
А точнее, как он понимает, что нам рекомендовать? Сегодня разбираемся с Сергеем Кузнецовым, техническим руководителем платформы поиска и рекомендаций.
Как работают персонализированные рекомендации?
Почти любая выдача — результат работы сразу нескольких алгоритмов. Наиболее важный тип сигнала — последовательность действий, которые совершает пользователь: на что кликает, что оставляет без внимания, сколько времени смотрит товар, что дизлайкает. Оказалось, что с такими последовательностями действий хорошо работают те же алгоритмы, которые применяются «под капотом» ChatGPT, поэтому эта область в последнее время бурно развивается.
Какие ещё алгоритмы есть?
Также очень полезен коллаборативный подход: алгоритм находит пользователей со вкусами, похожими на ваши, и предлагает вам объекты, которые понравились этим пользователям.
Подслушивают ли пользователей?
Нет. Разговоры без согласия не записываются. Да и на практике это не нужно — современные методы машинного обучения справляются сами на основе статистических закономерностей.
Какая цель ставится перед алгоритмами?
Главная цель — понять, в какую сторону развивать рекомендации. Для разных сервисов ключевые метрики могут отличаться. Например, для KION это то, насколько активно пользователи пользуются сервисом в течение 30 дней, а для приложения «Мой МТС» — то, насколько быстро пользователи находят ответы на свои вопросы.
Как проверяется качество алгоритмов?
Сначала изменения тестируются на исторических данных, затем на специальных сценариях, а финальный этап — A/B-тестирование: часть пользователей видит старую версию, часть — обновлённую, чтобы понять, стало ли им удобнее.
Теперь вы знаете, что всё это не случайность, а план алгоритмов, которого они успешно придерживаются 👍