Яндекс внедрил генеративные модели в рекомендации — уже доступно в Яндекс Музыке и Яндекс Маркете

Компания Яндекс представила новую архитектуру рекомендательных систем, основанную на генеративных моделях. Эти технологии позволяют точнее подбирать контент и товары для каждого пользователя, учитывать сложные паттерны поведения и адаптироваться к изменениям интересов. Первые результаты внедрения показывают рост вовлечённости и интереса к новым рекомендациям.

В отличие от традиционных рекомендательных алгоритмов, генеративные модели способны анализировать гораздо более длинную историю взаимодействий и выявлять неочевидные взаимосвязи. Это помогает предугадывать потребности пользователя с учётом сезонности и жизненных сценариев. Например, если человек ежегодно покупает спортивные товары в определённое время года, алгоритмы заранее напомнят ему об этом.

Где уже работают новые алгоритмы

Первым сервисом, который полностью перешёл на новые модели, стала Яндекс Музыка. Генеративные нейросети, работающие в реальном времени, анализируют предпочтения пользователей и подбирают треки по более сложным критериям. Обновлённые рекомендации повысили активность пользователей: прослушивание «Моей волны» выросло, на 20% увеличилось добавление новых треков в коллекции, а разнообразие рекомендаций выросло на 14%.

«Вслед за Яндекс Музыкой новые алгоритмы внедрил Яндекс Маркет. Они позволяют людям выйти за рамки своих привычек и получать больше актуальных предложений, узнавать о новых товарах и брендах. Алгоритмы теперь учитывают в десятки раз больше действий пользователей — эквивалентно двум годам активности. Это даёт более глубокий контекст, и рекомендации становятся заметно точнее», — отмечает Николай Савушкин, ответственный за рекомендательные технологии Яндекса.

В тестах Яндекс Маркета пользователи стали чаще добавлять рекомендованные товары в корзину (на 3%) и делать покупки в новых категориях (на 5%).

Новые возможности и перспективы

По словам Яндекса, прежние рекомендательные алгоритмы достигли своего потолка. Генеративные модели — это следующий шаг, но они требуют серьёзных вычислительных ресурсов. Команде удалось создать эффективную нейронную архитектуру, которая позволяет обучать такие модели быстрее и с меньшими затратами. Это открыло путь к массовому внедрению генеративных рекомендаций в сервисах компании.

Решение такого масштаба реализовали всего несколько технологических компаний в мире, включая Google, Netflix и LinkedIn. В ближайшем будущем Яндекс планирует применить эти алгоритмы в большинстве своих продуктов — от поиска до электронной коммерции.

Подробное описание технологии и её архитектуры доступно в официальной публикации на Хабре.