Тренды в рекомендательных системах / дискуссия

• Ведущий представляет участников: Саша Дзюба, Андрей Зимовнов, Андрей Кузнецов и Андрей Мурашов.  

• Ведущий объясняет, что вечер будет посвящен вопросам машинного обучения и рекомендательных систем.  

• Ведущий задает вопрос о том, почему рекомендательные системы работают лучше.  

• Участники обсуждают, что рекомендательные системы сложно формализовать и что метрики не всегда отражают качество сервиса.  

• Саша Дзюба объясняет, что рекомендательные системы должны расти качество сервиса, а не метрики.  

• Важно понимать, почему тот или иной запуск работает, и учитывать множество компонентов системы.  

• Участники обсуждают, как сравнивать рекомендательные системы в разных продуктах.  

• Важно понимать, почему конкретный алгоритм или модель работает лучше.  

• В Дзене ввели метрику релевантности для рекомендательных систем.  

• Это позволило улучшить качество рекомендаций и повысить доверие пользователей.  

• Участники обсуждают важность объяснения пользователям, почему рекомендации сделаны.  

• Это помогает повысить доверие и улучшить взаимодействие с пользователями.  

• Рекомендательные системы должны предсказывать запросы пользователей.  

• Важно учитывать разные предпочтения пользователей и предлагать контент, который им интересен.  

• Клипы позволяют пользователям потреблять несколько клипов за одну сессию.  

• Важно подстраиваться под предпочтения пользователя в режиме реального времени.  

• В ВК клипах научились быстро перестраивать рекомендации на основе фидбека пользователя.  

• Сервисы коротких вертикальных видео меняют выдачу в течение нескольких секунд.  

• Это сложная техническая задача, требующая быстрой адаптации.  

• Важно, чтобы пользователи не теряли интерес к контенту.  

• Угадать первое видео сложно, но важно показывать популярные и новые для пользователя материалы.  

• В соцсетях можно использовать данные о пользователях для предварительного выбора контента.  

• Важно учитывать пол, возраст и другие характеристики для улучшения рекомендаций.  

• Использование неочевидных признаков может ухудшить объяснимость рекомендаций.  

• Важно фильтровать контент на основе предпочтений пользователей.  

• Система рекомендаций должна быть живой и адаптивной.  

• Пользователи хотят казаться лучше, чем они есть, поэтому важно рекомендовать контент, соответствующий их ожиданиям.  

• Метрики, такие как вступление в сообщества, могут быть полезны для оценки качества рекомендаций.  

• Важно учитывать интенции пользователей и их желания.  

• Пользователи хотят магии в рекомендациях, но объяснимость также важна.  

• Использование трекеров сердцебиения и настроения может улучшить адаптивность рекомендаций.  

• Важно завязать метрики пользователя для улучшения рекомендаций.  

• Обсуждение возможности измерения счастья человека через пульс или другие показатели.  

• Илон Маск работает над созданием устройств, измеряющих пульс и кислород в крови.  

• Вопрос приватности данных и улучшения алгоритмов рекомендаций.  

• Обсуждение важности улучшения алгоритмов на 5-10%.  

• Идея, что рекомендации должны удивлять и находить скрытые струны души.  

• Пример с треком из детства, который вызывает сильные эмоции.  

• В любой модели есть две стороны: авторы и потребители контента.  

• Важно мотивировать авторов, чтобы они продолжали создавать контент.  

• Примеры мероприятий для авторов, таких как VK Clips и Дзен.  

• Деньги и признание коррелируют с мотивацией авторов.  

• Рекомендательные системы могут распределять показы неравномерно.  

• Необходимость создания механики для перераспределения показов.  

• В Дзене растет число подписчиков для авторов.  

• Метрики, такие как подписчики и охваты, важны для авторов.  

• Эксперименты с перераспределением подписок для увеличения охвата у менее популярных авторов.  

• В VK Clips количество авторов выросло в 10 раз, что снизило средний охват.  

• Важно снабдить всех авторов подписчиками и охватами.  

• В музыке также важно открывать новые таланты и темы.  

• Рекомендательные системы должны находить новые темы и авторов.  

• Поведенческие модели не всегда подходят для узких тематик.  

• Привлечение контентных моделей для поиска релевантной аудитории.  

• Рекомендательные системы как распределители счастья.  

• Важно делиться ресурсами равномерно, чтобы все авторы были довольны.  

• Переход к следующему вопросу.  

• Ручная разметка контента необходима для старта и поддержания проекта.  

• Алгоритмы помогают, но модераторы подтверждают теги.  

• Рекомендательные системы требуют модерации и асессоров для релевантности.  

• Разметка помогает новым пользователям и авторам находить свою аудиторию.  

• На ранних этапах важно понимать тематику контента для рекомендаций.  

• Разметка контента важна для построения последовательного пути для новых пользователей.  

• Недостаток метрик для оценки качества контента.  

• Генеренные видео и тексты могут обманывать платформы, но это не всегда очевидно.  

• Важно бороться с некачественным контентом, но это сложно измерить.  

• Качество контента влияет на метрики платформы.  

• Некачественный контент может нравиться пользователям, несмотря на объективные метрики.  

• Важно создавать правила игры, чтобы платформа поддерживала качественный контент.  

• Обсуждение качества контента в Пульсе и его идентичности с Дзеном.  

• Идея использования генеративных алгоритмов для создания идеального поста.  

• Пример сообщества, которое агрегирует контент из других мемных каналов.  

• Велью для пользователей и авторов контента.  

• Идея сумализации длинных статей в виде инфографики.  

• Пример использования нейросетей для создания современного искусства.  

• Важность баланса между интересами пользователей и авторов контента.  

• Проблемы с воровством контента и необходимость регулирования.  

• Обсуждение падения и роста показателей.  

• Вопрос о качестве контента и его декомпозиция на измеряемые параметры.  

• Примеры измеряемых параметров: эстетичность, масштабируемость тематики, профессионализм оформления.  

• Использование рекомендательных алгоритмов для балансировки контента.  

• Подведение итогов встречи и благодарность участникам.  

• Возможность задать вопросы по алгоритмам и алгоритмам.  

• Пожелания с наступающим Новым годом.