ВКонтакте научила Ленту отличать интерес к контенту от намерения купить.
Инженеры AI VK построили отдельный контур товарных рекомендаций внутри Ленты ВКонтакте. Обычный рекомендер оптимизируется под релевантный показ, за которым обычно следует лайк, комментарий и другие реакции, однако интерес к посту ещё не означает готовность купить товар.
Поэтому для товарных публикаций создали отдельную систему со своими кандидатами, логированием и моделью ранжирования. Она оценивает вероятность того, что конкретный товарный пост приведёт пользователя к заказу.
На старте возник классический cold start: малый объём показов, переходов и заказов не давал достаточно данных для обучения модели.
Команда подняла логирование товарного домена с 2% до 100%, увеличив обучающую выборку в 15 раз. Пока заказов было недостаточно, команда использовала более частые proxy-сигналы, например раскрытие текста поста, которое коррелировало с дальнейшим переходом к партнёру.
Для поиска кандидатов система использует два типа сигналов: товарное поведение и обычные контентные интересы. Если человек взаимодействует с постом про книги или рецепты, система может найти близкие по смыслу товарные публикации: книги, посуду или другие связанные товары. После этого ранкер решает, стоит ли показывать конкретный товар конкретному пользователю.
Само ранжирование мультитаргетное: максимальный вес получает заказ, затем переход к партнёру и только потом более лёгкие действия вроде лайков и времени просмотра. То есть система оптимизируется не под CTR как таковой, а под всю воронку до покупки.
Результаты за пять месяцев
- сквозная конверсия из показа в созданный заказ выросла на 53%;
- число созданных заказов выросло в 43,2 раза;
- переходы к партнёру выросли в 55,3 раза;
- CTR перехода к партнёру вырос на 95,6%.
Инфраструктурно всё работает на Discovery-платформе VK: она позволила настраивать отдельное логирование, быстрее запускать эксперименты и тестировать гипотезы без разработки отдельных сервисов под каждый новый сценарий.
Подробности об архитектуре, cold start, proxy-таргетах и ранжировании доступны в статье на Хабре.
Ещё новости:
