ВКонтакте внедрила новые ИИ-модели для рекомендаций товаров

ВКонтакте внедрила новые ИИ-модели для рекомендаций товарного контента. Обновление затронуло рекомендательные системы ленты ВКонтакте и VK Клипов. Как сообщили в компании, новые алгоритмы позволяют точнее подбирать для пользователей шопсы — публикации с карточками или ссылками на покупку товаров.

Модели работают на базе единой Discovery-платформы VK. При формировании рекомендаций они учитывают разные типы взаимодействия пользователей с контентом: клики, просмотры, лайки, репосты, подписки, интерес к определенным тематикам, прочитанные посты и просмотренные видео. Благодаря этому пользователи видят товарные клипы и публикации, которые больше соответствуют их интересам.

Шопсы — это формат публикаций ВКонтакте, в которые встроены товарные карточки или ссылки на покупку. Такой инструмент позволяет пользователям переходить к покупке прямо из соцсети, авторам — монетизировать рекомендации товаров, а бизнесу — продвигать продукцию через контент и блогерские интеграции.

После внедрения новых алгоритмов показатели товарных рекомендаций выросли. По данным VK, пользователи стали в пять раз чаще кликать по товарной карточке после просмотра публикации и в 15 раз чаще переходить на маркетплейсы партнеров. Количество заказов из авторских шопсов увеличилось в 20 раз.

Руководитель направления контентных сервисов ВКонтакте Никита Лебедев отметил, что контентные платформы становятся новой точкой входа в покупки.
«Контентные платформы становятся новой точкой входа в покупки. Алгоритмы VK учитывают не только взаимодействия с товарным контентом, но и повседневные интересы пользователей: подписки, тематики любимого контента, прочитанные посты, просмотренные видео. Например, пользователю, который смотрит рецепты, система может рекомендовать товары для готовки, а аудитории туристических сообществ – походное снаряжение», — подчеркнул Никита Лебедев.

Новые ML-модели работают в контуре единой Discovery-платформы, которая объединяет рекомендации и поиск во всех продуктах VK. В компании отмечают, что такой подход усиливает персонализацию и позволяет быстрее запускать и масштабировать модели машинного обучения для разных контентных сценариев, включая социальную электронную коммерцию.

Источник: пресс-релиз VK.