Товарные рекомендации во ВКонтакте: как мы научили Ленту отличать интерес к контенту от намерения купить

habrahabr.ru · world
Full story

Nikolai Karasov, a lead developer for content-service recommendations at AI VK, describes work on product recommendations in the VKontakte feed. The team aimed to support a scenario where a user comes for content, sees a product from an author, and then moves to buy it directly inside the social network. The work focused on teaching the feed to distinguish interest in content from an intention to purchase.

Привет, Хабр. На связи Николай Карасов, ведущий разработчик отдела рекомендаций контентных сервисов в AI VK. Наша команда отвечает за рекомендации в Ленте ВКонтакте. Перед нами стояла цель — развить внутри ВКонтакте новый пользовательский сценарий: человек приходит за контентом, видит у автора интересный ему товар и переходит к покупке прямо из социальной сети. Так в Ленте появился новый тип объекта — товарный пост. Первым партнёром в этом сценарии стал Ozon. Дальше речь пойдёт именно про товарные посты авторов в рамках реферальной программы Ozon, а не про любые публикации с товарами. Было понятно, что обычный рекомендер для такого сценария не подходит. В итоге мы построили внутри Ленты отдельный товарный контур: со своими логированием, селекторами кандидатов, моделью ранжирования и выделенной квотой в финальной выдаче. Про это и расскажу. Про товарный контур

Read full article → Compare