🫥 Как экосистемы понимают, что предложить пользователю?

Т-Банк выложил в открытый доступ Perseus — фреймворк для моделей персонализации, который может объединять разные действия пользователя в одну историю и использует ее для выдачи релевантных рекомендаций.

🔍Рассмотрим на его примере:

▪️Вместо того чтобы анализировать только действия внутри одного сервиса, Perseus собирает события из разных продуктов: покупки, выбор повышенного кэшбэка, действия в Шопинге и другие взаимодействия.

▪️Все эти события выстраиваются в единую временную последовательность. На ее основе модель формирует представление пользователя, которое затем использует для разных задач: кандидатогенерации, ранжирования, классификации и прогнозирования.

▪️Такой подход помогает решить проблему отсутствия истории покупок в новых сервисах. Если пользователь еще ничего не покупал в конкретном магазине, модель может использовать его предыдущие действия в других продуктах и сразу предлагать более релевантные товары.

Что получилось на практике:

Использование Perseus в разных задачах позволило улучшить качество рекомендации от 3 до 17%, а точность рекомендаций для первого заказа выросла примерно на 10%. Сейчас фреймворк используют для более релевантного предложения товаров и партнерских скидок, персонализации повышенного кэшбэка и предиктивной поддержки.

#искусственный_интеллект #машинное_обучение #AI #алгоритмы

💡 Physics.Math.Code // @physics_lib