Персонализированные рекомендательные системы
Удерживаем пользователей и достигаем бизнес-целей платформы через умные рекомендации.
Проблема, которую мы решаем
В условиях высокой конкуренции в цифровой среде персонализация — это не просто преимущество, а необходимость. Наша рекомендательная система, разработанная для крупной стриминговой платформы (аналог Кинопоиск, Окко, Иви), помогает удерживать пользователей, предлагая им фильмы и сериалы, которые идеально соответствуют их предпочтениям. Но мы идем дальше: система учитывает не только интересы пользователей, но и цели бизнеса, такие как продвижение нового контента или увеличение времени, проведенного на платформе.
Как это работает
Мы построили мощную и гибкую систему рекомендаций с применением современных технологий:
Ядро рекомендаций
На данный момент мы используем подход на основе системы с алгоритмом ALS (Alternating Least Squares). Этот выбор обеспечивает простую интеграцию и легко интерпретируемые результаты, что важно для контроля качества рекомендаций.
Автоматизация и обучение
Apache Airflow автоматизирует весь процесс: от подготовки данных до обучения модели и генерации рекомендаций. Это позволяет системе обновлять рекомендации в режиме реального времени на основе самых свежих данных о поведении пользователей.
Хранение данных и моделей
ClickHouse используется как высокопроизводительная база данных для обработки огромных объемов пользовательских взаимодействий (\~200 ГБ данных только о просмотрах!) и обеспечивает мгновенную выдачу рекомендаций, даже при пиковых нагрузках.
API и фильтрация
Запросы на рекомендации обрабатываются через API на Go, что гарантирует минимальную задержку. При запросе система мгновенно извлекает список из ClickHouse и применяет необходимые фильтры: исключает уже просмотренный контент или фильмы/сериалы, не подходящие для детских аккаунтов.
Преимущества
Индивидуальные рекомендации, которые заставляют их возвращаться снова и снова.
Увеличение вовлеченности, рост удержания аудитории и достижение коммерческих целей.