Eugene K - the BA🇺🇦 | У моїй практиці рекомендаційних механізмів було кілька — і вони були р...

У моїй практиці рекомендаційних механізмів було кілька — і вони були різного рівня складності.І це нормально: не обовʼязково це завжди має бути складна математична чи ML-модель.Але навіть найпростіші з них змушували замислюватися і мене і технічну, і продуктову команди 🤔Самий простий варіант був — підкидати опції фільтра користувачу для вибору(або це був продукт, або користувач для адміна — вже не пригадаю точно 😄).За основу бралися останні використані опції + найчастіше використовувані опції.У результаті користувачу це суттєво пришвидшувало вибір —не потрібно було вводити текст у пошук,а в більшості випадків — клац-клац і готово ✅А от була і модель рекомендацій контенту — уявімо аналог YouTube 🎥Там уже була ML-історія і кілька груп критеріїв:• Метадані контенту (категорія, теги)• Текстова інформація (заголовок, опис, транскрипт аудіо/відео)• Користувачі контенту (хто дивився, їхні персональні дані, як довго дивилися)• Свіжість (свіжі відео потрібно просовувати, бо на старті по них складно зібрати поведінкові дані)• Популярність (перегляди умовно на 70% тривалості відео, лайки, коментарі)• Featured-відео (користувачі могли «бустанути» свої відео за гроші, щоб отримати більше стартового охоплення і вищу ймовірність «завіруситися» у соцмережі 💸)Мені все одно не дуже подобалася сама наявність нейронки,але ми виписували основні правила і могли їх перевіряти, наприклад:«Якщо користувач протягом останніх 14 днів переглядав відео з категорії X більше ніж 3 разиі сумарний час перегляду таких відео перевищує 60% їх тривалості,то в рекомендаціях збільшується вага категорії X».Насправді правил там виникає дуже багато,і перевірити їх усі — довго і дорого 💰⏳Тому зазвичай робиться брейнстормінг топ-сценаріїв,вони тестуються,а все інше — ми свідомо «довіряємо» системі.Так, по суті, працюють усі великі компанії.Вони фізично не в змозі перевірити все —це вже не просто набір бізнес-правил,а комплексне рішення у надрах нейронки,яка може обробити мільярди сценаріїв для формування рекомендацій —і це, в цілому, має сенс 🤖(хоча так, іноді вони теж галюцинують 😅).