VK внедрил единую ИИ-систему для анализа действий пользователей
В экосистеме VK заработала единая ИИ-модель, способная формировать представление об интересах аудитории на основе их поведения в разных приложениях. Как сообщает ресурс Sostav.ru, система создает обезличенные «нейропрофили», которые позволяют точнее подбирать контент для каждого человека. Инструмент уже запущен во «ВКонтакте», а также на видеоплатформах «VK Видео» и « VK Клипы».
Фото: pexels.com
Как система оценивает поведение пользователей
Фундаментом для обновления стала трансформерная модель. Ее главное отличие заключается в том, что алгоритм перестал фиксировать действия аудитории по отдельности. Теперь система анализирует целостные цепочки – историю шагов человека при использовании разных сервисов VK. При составлении цифрового профиля учитывается огромное количество сигналов: от лайков, репостов и комментариев до осознанных пропусков контента. Кроме того, ИИ берет в расчет контекст: на каком сервисе был оставлен след, кто автор материала, в какой хронологии совершались действия и сколько времени прошло с этого момента.
Подобная глубина анализа позволяет нейросети отделять глубокие, стабильные увлечения пользователя от спонтанных переходов. Такая точность дает свои результаты: статистика VK показывает, что только на платформе «Клипов» общая продолжительность просмотра видеоконтента выросла на 5,5%.
От ранжирования ленты к росту вовлеченности
В первую очередь новую ИИ-модель внедрили в систему выдачи контента. Алгоритм берет готовый цифровой портрет интересов человека, сопоставляет его с параметрами существующих публикаций и моментально формирует индивидуальную ленту показа.
Эти изменения в алгоритмах ранжирования позитивно отразились на поведенческих метриках. Статистика площадки фиксирует заметный рост вовлеченности: пользователи начали на 15% чаще делать репосты, на 10% чаще раскрывать материалы на весь экран и на 5% чаще оставлять реакции в виде лайков. Разработчики системы делают ставку на то, что улучшенная система рекомендаций решит сразу три задачи: удержит интерес зрителей, упростит создателям контента доступ к новой аудитории и даст возможность бизнесу выстраивать более точную коммуникацию со своими потенциальными клиентами.
Оценка инвестиций и коммерческие перспективы
По оценкам экспертов из ИТ-отрасли, разработка подобного решения могла обойтись холдингу в сумму от 0,8 до 1,2 млрд рублей. Этот бюджет включает расходы на работу специалистов по машинному обучению и инфраструктуре, аренду мощностей GPU, хранение массивов информации, а также на обучение самой нейросети и ее внедрение в сервисы компании. Аналитики предполагают, что одной из ключевых коммерческих целей таких инвестиций является прямое увеличение доходов от продажи рекламы.
