Роман Катеринчик. Життя після запуску. Підтримка проекту
Recomm efir miroshnikov_pr_campnsk2019
1. Как запускать и развивать
рекомендательные продукты
на примере Яндекс.Эфира
Мирошников Григорий, менеджер продукта
2. 2
Обо мне
Опыт работы
› Продакт менеджер Я.Эфира/Я.Видео
@Яндекс
› BigData продакт менеджер @oneFactor
› Старший аналитик @Lamoda
Образование
› Математика – МГУ ВМК
› Менеджмент – МГУ ФГУ
3. 3
Яндекс.Эфир
› Рекомендательный сервис, с
помощью которого миллионы
людей смотрят видео в интернете
› В прямом эфире или в записи
можно посмотреть десятки
телеканалов, отдельные
спортивные и культурные события
› Контент ведущих блогеров
› Больше 5 тысяч лицензированных
фильмов и сериалов
› В 2019 году запущен персональный
канал – «Мой Эфир»
4. Основной сценарий
потребления
контента:
через рекомендации
* O+K Research, 2018 4
› В основе всех крупнейших мировых
контентых продуктов: фид/лента
› Этот тренд будет продолжаться
Дети до 15 лет практически не пользуются поиском при
просмотре видео, а смотрят рекомендованное*
› Нужно уметь реализовывать
сценарий продолжения просмотра
(залипаемость): рекомендации
связаных объектов
5. Основной сценарий
потребления
контента:
через рекомендации
* O+K Research, 2018 5
› В основе всех крупнейших мировых
контентых продуктов: фид/лента
› Этот тренд будет продолжаться
Дети до 15 лет практически не пользуются поиском при
просмотре видео, а смотрят рекомендованное*
› Нужно уметь реализовывать
сценарий продолжения просмотра
(залипаемость): рекомендации
связаных объектов
7. Алгоритмические
рекомендации видео –
уже классическая задача
7
▎ Netflix Prize award 2009
▎ Нужно уметь рекомендовать
› doc2doc
› doc2user
› category2category
› category2user
› …
8. Ранжирование: данные + модели + метрики
8
▎ Данные
логи, профиль пользователя
▎ Модели
SVD, DSSM,
Matrixnet/Catboost, др
▎ Метрики
› Оффлайн
метрика для оценки формулы ранжирования
без проверки в ab эксперименте
› Онлайн: TVT, CTR
9. 9
Аттрактивность:
помочь
пользователю
сделать выбор
▎ Ключевая информация о
ролике
тайтл, картинка, постер
▎ Сценарий довыбора
видеопревью
▎ Дополнительная информация
о ролике
дата/год выхода, жанр, продолжительность
▎ Reason to believe
рейтинг, кол-во лайков, кол-во просмотров,
качество
16. 4 кейса Эфира:
Как запускать и развивать рекомендации
16
› Смотрите «глазами» на холодный старт и принимайте
персонализацию против холодного старта
› Адаптируйте оффлайн метрику под свой продукт и
придумайте для нее критерий для запуска
› Собирайте фидбек пользователя на рекомендации, но не
ждите профита сразу
› Придумывайте новые форматы, вдохновляясь
«соседними» сервисами
1
4
2
3
Запуск
Развитие
17. Кейс 1: запуск блока
рекомендаций фильмов
17
› «глазами» проверять холодный
старт
› персонализация должна
выигрывать у холодного старта
› учитывать diversity: добавочный
value каждой карусели
https://medium.com/netflix-techblog/learning-a-
personalized-homepage-aa8ec670359a
18. Кейс 2: запуск блока
«Смотрите также»
18
› doc2doc блок: нельзя отсмотреть
глазами -> нужна оффлайн
метрика
› переиспользовать опыт,
реализацию и метрики (!) похожих
продуктов
› Учитывать разницу в полноте
кандидатов для ранжирования
› Критерий: в 90% случаев 1 из
топ4 рекомендаций связаных
роликов релевантен текущему
19. Кейс 3: развитие
рекомендаций через
фидбек пользователя
19
› Цель: улучшить ранжирование, но
пользователь может воспринимать
как оценка ролика/фильма
› На старте не ждать профита от
выкатки
› Не путать с фичами
интерактивного смотрения - эмодзи
› Не забыть проверить гипотезу
ценности….
20. Кейс 3: развитие
рекомендаций через
фидбек пользователя
20
› Цель: улучшить ранжирование, но
пользователь может воспринимать
как оценка ролика/фильма
› На старте не ждать профита от
выкатки
› Не путать с фичами
интерактивного смотрения - эмодзи
› Не забыть проверить гипотезу
ценности….
А если проверили: бустить число
собираемых оценок
21. Кейс 3: развитие
рекомендаций через
фидбек пользователя
21
› Цель: улучшить ранжирование, но
пользователь может воспринимать
как оценка ролика/фильма
› На старте не ждать профита от
выкатки
› Не путать с фичами
интерактивного смотрения - эмодзи
› Не забыть проверить гипотезу
ценности….
А если проверили: бустить число
собираемых оценок
22. Кейс 4: развивать
рекомендации через
новые форматы –
персональный канал
22
› использовать уже существующие
разработки - персональный фид
рекомендаций
› смотрите похожие форматы в
других типах контента:
персональное телевидение как
персональное радио…
› и смотрите лучшие практики в
этих продуктах:
возможность настройки
расписания через like/dislike/skip
23. 4 кейса Эфира:
Как запускать и развивать рекомендации
23
› Смотрите «глазами» на холодный старт и принимайте
персонализацию против холодного старта
› Адаптируйте оффлайн метрику под свой продукт и
придумайте для нее критерий для запуска
› Собирайте фидбек пользователя на рекомендации, но не
ждите профита сразу
› Придумывайте новые форматы, вдохновляясь
«соседними» сервисами
1
4
2
3
Запуск
Развитие