ДАРА Рекомендации

Как работают рекомендательные системы

Как работают рекомендательные системы, если коротко: рекомендательная система - это алгоритм, который по действиям посетителей и содержанию каталога предсказывает, что каждому человеку будет интересно дальше. Большинство систем сочетают два подхода: коллаборативную фильтрацию («кто смотрел это, смотрел и то») и анализ самого контента. ДАРА Рекомендации - гибридная система: она анализирует видео, аудио, изображения и тексты и учитывает действия пользователей.

01

Какие бывают рекомендательные системы?

Основных подходов три, и у каждого свои сильные и слабые стороны. На практике их сочетают.

Коллаборативная фильтрация

Система ищет закономерности в действиях людей: тот, кто смотрел и покупал то же, что и другие, получает то, что понравилось им. Содержание объекта ей не важно, зато нужна история - новый объект и новый посетитель для неё почти невидимы.

Контентный подход

Система сравнивает сами объекты: темы, текст, изображения, речь. Новый объект можно рекомендовать сразу после загрузки, но без учёта поведения выдача сводится к «похожему на то, что уже смотрели».

Гибридная система

Содержание помогает на старте, поведение уточняет выдачу по мере накопления событий. Так устроено большинство современных систем, в том числе ДАРА.

Популярное и тренды

Самый простой слой - что популярно сейчас или стабильно. Он нужен для посетителей без истории и как запасная выдача, но сам по себе одинаков для всех.

02

Что такое холодный старт и как его решают?

Холодный старт - ситуация, когда о посетителе или объекте ещё нет данных. Это главная слабость коллаборативной фильтрации, и ДАРА закрывает её с четырёх сторон.

Новый посетитель

Лента в режиме cold: тренды, популярное, новое, текущая сессия и популярное у похожих пользователей той же страны, города, пола и возраста. Когда событий становится достаточно, лента переходит в режим personal.

Новый объект

Сразу после приёма объект получает быстрый вектор по заголовку и описанию и участвует в похожих ещё до конца анализа. Несколько позиций в каждых 24 объектах ленты отданы новым объектам, чтобы они набирали показы.

Данные, которые сайт уже знает

Интересы из анкеты, год рождения, город и любимых авторов сайт передаёт профилем. Указанных интересов хватает для персональной ленты, как только они получили векторы, - обычно в течение минуты.

Сеть ДАРА Аналитики

Если к проекту подключена ДАРА Аналитика, новый пользователь без событий получает ленту по интересам и покупкам из сети. Значение от вашего сайта всегда важнее сетевого.

03

Как устроена рекомендательная система ДАРА?

Гибрид из анализа содержания, профилей пользователей и пар «вместе». Сайт передаёт данные по API, остальное считает ДАРА.

  1. Анализ содержания

    Речь распознаётся с таймкодами, кадры видео описываются, текст объекта и сводка превращаются в векторы смысла. Векторы - основа похожих, поиска и интересов.

  2. События и веса

    Показы, открытия, досмотры, лайки, корзина и покупки приходят методом POST /events. Пресет проекта задаёт веса, а досмотр меньше 10 % считается скорее отрицательным сигналом.

  3. Профиль пользователя

    Из событий и указанных интересов складывается профиль. Давние действия весят меньше свежих, а лента смещается к новым интересам в течение минуты после действий.

  4. Пары «вместе»

    Объекты из одного заказа за 365 дней и открытые одним пользователем подряд за 30 дней образуют пары. Пара учитывается, когда её набрали несколько разных пользователей.

04

Как оценить качество рекомендаций?

Без метрик не видно, лучше ли рекомендации хронологической ленты. ДАРА считает их по событиям, которые присылает сайт.

CTR и цели на 100 показов

recommendation_id из ответа передаётся в событиях показа и открытия. Кабинет считает показы, открытия, CTR и целевые события на 100 показов по поверхностям и дням.

База для сравнения

Показы своей ленты - хронологической или редакционной - отправляются с той же поверхностью без recommendation_id и образуют срез «без рекомендаций».

Контрольная группа

Часть пользователей - по умолчанию 10 % - получает выдачу без ваших данных о пользователях. Так видно, сколько эти данные добавляют.

Разнообразие и свежесть

Лента не состоит из почти одинаковых объектов, а у одного автора - не больше нескольких объектов в окне из 24 позиций. Кабинет показывает долю свежих объектов и покрытие каталога за 7 дней.

Причина у каждого объекта

Поле reason объясняет выбор: interest, session, together, author, trending, fresh, popular или segment. Причину можно показать посетителю.

Запасная выдача

Если подбор не успевает, ДАРА отвечает трендовым списком с mode: fallback, а не ошибкой. Доля запасной выдачи тоже видна в метриках.

05

Как подключить

Четыре шага от письма до выдачи на сайте. Подробности каждого шага — в документации.

  1. Письмо

    Напишите на info@daratech.ru о сайте, контенте и размере каталога. Стоимость обсуждается при подключении.

    Как подключить

  2. Понятия и первые запросы

    Проект, объект, события и поверхности выдачи - и три запроса до первой ленты.

    Понятия · Быстрый старт

  3. Данные о пользователях

    Передайте интересы из анкеты; по желанию подключите ДАРА Отпечаток и ДАРА Аналитику.

    Данные о пользователях · ДАРА Отпечаток · ДАРА Аналитика · Что такое fingerprint браузера · Бесплатная веб-аналитика

  4. Выдача и метрики

    Запросите ленту и похожие, передавайте recommendation_id в событиях показа.

    Рекомендации · Рекомендательная система для сайта

06

Частые вопросы

Чем рекомендательная система отличается от блока «популярное»?

Популярное одинаково для всех посетителей. Рекомендательная система подбирает объекты под конкретного человека - по его действиям, интересам и тому, что он смотрит сейчас. В ДАРА популярное и тренды остаются частью выдачи для новых посетителей и запасной выдачи.

Сколько данных нужно для запуска?

Достаточно каталога: похожие работают по содержанию объектов сразу после загрузки, а новые посетители получают тренды и свежее. Персональная лента появляется по мере событий или сразу, если вы передаёте интересы пользователя в профиле.

Где здесь искусственный интеллект?

Модели распознают речь, описывают кадры, пишут сводку и строят векторы смысла. Для каждой задачи проект выбирает облачную модель или локальную, которая работает на сервере ДАРА и ничего не отправляет наружу.

Нужна ли своя команда по машинному обучению?

Нет. ДАРА сама анализирует контент, считает профили, пары «вместе» и выдачу; веса оценки и разнообразие настраивает для проекта. Сайту остаётся обычная серверная интеграция: передавать объекты и события и запрашивать выдачу.

07

Подключить ДАРА Рекомендации

Доступ открываем по запросу: напишите на info@daratech.ru. Стоимость обсуждается при подключении и зависит от объёма контента и выбранных моделей. Онлайн-оплаты нет.