Построили рекомендательную систему для игр и поняли, почему простые решения работают, а сложные нет
Каждый месяц в игры внутри приложения Альфа-Банка заходят миллионы пользователей. В игре человек выполняет задания ради бонусов или энергии, а для банка эти задания — реальные действия: оплата ЖКХ, заправка через приложение или заказ новой карты. Это отличный способ нативно продвигать продукты без назойливых рекламных баннеров.Если в играх мало заданий, то их можно просто показать всем. Но когда механик становится много, появляется классическая рекомендательная задача: что именно предложить конкретному клиенту, в каком порядке, и как оценить эффект?
Как я строю рекомендательную модель фильмов: cold start, вектор вкуса и GPT
Выбрать фильм на вечер сложно даже для одного человека.А если фильм нужно выбрать для пары, где вкусы просто разные, задача становится ещё менее предсказуемой.Обычные подборки, жанровые фильтры и списки “что посмотреть вечером” помогают только до определённого момента.Они работают как витрина, но плохо работают как персональная рекомендация, потому что почти не учитывают зрительский опыт, индивидуальные предпочтения и то, какие фильмы человек вообще уже видел.Именно с этой задачи я и подошёл к своему проекту NextFilm: не как к каталогу фильмов, а как к рекомендательной системе.
Рекомендательные системы для бизнеса — мой опыт разработчика
Если вы видели "С этим товаром покупают…", "Попробуйте этот урок дальше" или ощущали необычную точность автоподбора треков в музыкальных сервисах - вы сталкивались с рекомендательной системой.Но стоит ли конкретному бизнесу вообще её строить? И если да, то с чего начать, чтобы не потратить впустую месяцы инженерного времени на "чёрный ящик", который никто не понимает?Эта статья написана мной РУКАМИ (не "ИИ")
Моя волна — теперь и в офлайне. Рассказываем, как уместили рекомендательную систему в сотню килобайт
Несколько лет назад мы представили Мою волну — систему персональных рекомендаций в Яндекс Музыке, которая подстраивается под предпочтения пользователей. В её основе — рекомендательные нейросети-трансформеры, размер которых может достигать сотен миллиардов параметров, и поэтому без мощных дата-центров их работа просто невозможна.

