Как алгоритм рекомендаций VK поднимает просмотры видео
VK запустила сквозную нейросеть. Она собирает действия пользователей по всей экосистеме – от соцсети до видеоплатформ – в единый цифровой портрет. Для меня это значит: новый алгоритм рекомендаций VK начнет точнее подбирать аудиторию под ролики и рекламные интеграции. Это повысит вовлеченность и конверсии без раздувания бюджетов.
Я давно наблюдаю, как крупные платформы пытаются склеить данные о действиях пользователей. Раньше поведение человека в плеере VK Видео, просмотры в Клипах и скроллинг ленты ВКонтакте существовали отдельно. Теперь разработчики объединили эти следы в единый нейропрофиль. Технология уже работает в ключевых сервисах холдинга. Она напрямую влияет на время просмотра видео.
Как работает сквозной нейропрофиль пользователя
В основе обновления лежит трансформерная модель. Она анализирует обезличенную последовательность действий: лайки, комментарии, репосты и пропуски контента. Последнее особенно важно для видеопроизводства. ИИ оценивает контекст комплексно. Он учитывает сервис, креатив, время суток и последовательность действий пользователя.
Для меня как продюсера это решает старую проблему случайных кликов. Алгоритм научился отделять мимолетный интерес от реального вовлечения. Если пользователь случайно задержал взгляд на ролике про ремонт авто, система не завалит его похожими видео. Алгоритм учтет, что в остальных сервисах человек интересуется дизайном и путешествиями. На основе этих данных нейросеть в реальном времени собирает персональную ленту для каждого зрителя.
Рост метрик и польза для видеопродакшена
Первые результаты внедрения уже влияют на дистрибуцию видео. Время просмотра в VK Клипах выросло на 5,5%. Но для продюсеров и агентств важнее другие метрики вовлеченности:
- Количество репостов увеличилось на 15%.
- Открытия публикаций в полноэкранном режиме выросли на 10%.
- Число лайков поднялось на 5%.
Для продюсера эти проценты приносят реальный охват и деньги. В полноэкранном режиме пользователь фокусируется на сообщении бренда. Рост репостов на 15% дает бесплатный виральный охват. Раньше его приходилось добирать платным посевом.
Точная рекомендательная модель позволяет делать нишевые, точечные ролики. Больше не нужно снимать размытый креатив «на всех» в надежде зацепить хоть кого-то. Алгоритм сам найдет лояльный сегмент аудитории и покажет видео именно ему. Это развязывает руки сценаристам и режиссерам. Теперь можно создавать глубокие, сложные проекты под конкретные сегменты.
Масштабирование на Discovery-платформе
Система работает на базе Discovery-платформы VK. Ее запустили в 2025 году. Архитектура объединяет поиск, рекомендации и рекламные технологии. Главный плюс для рынка: новую ИИ-модель можно легко масштабировать на любые продукты VK без перестройки кода.
В ближайшей перспективе это даст сквозной таргетинг высокой точности. Если человек смотрит обзоры гаджетов в VK Видео, реклама нового смартфона догонит его в ленте ВКонтакте в подходящий момент.
Для агентств и продакшенов это сигнал: пора внимательнее относиться к качеству первых секунд видео и метаданным. Новые алгоритмы быстро считывают реакцию зрителей. Если ролик цепляет целевую аудиторию с первых кадров, ИИ подхватит его и распредерит по всей экосистеме. Задача продюсера – дать алгоритмам качественный, цепляющий материал. Всю рутину по поиску зрителя нейросеть берет на себя.
Что ещё спрашивают об этом
Как работают современные алгоритмы рекомендаций в социальных сетях?
Современные алгоритмы рекомендаций – например, в TikTok, YouTube и VK – анализируют действия пользователей с помощью нейросетей. Они учитывают лайки, репосты, глубину просмотра и пропуски контента для создания персональной ленты. Внедрение таких моделей позволяет повысить вовлеченность: например, TikTok использует алгоритмы удержания внимания, а VK после обновления сквозной модели увеличил время просмотра клипов на 5,5%.
Как умная лента в соцсетях отличает случайный клик от реального интереса?
Для этого алгоритмы на разных платформах (например, YouTube, Instagram и VK) используют сквозной анализ поведения пользователя в реальном времени. Системы оценивают не единичное действие, а всю последовательность шагов, контекст и время просмотра, чтобы точнее определять долгосрочные интересы.
Какие технологии применяются для анализа действий пользователей в соцсетях?
Крупные платформы используют трансформерные модели искусственного интеллекта для анализа поведения. Например, Яндекс применяет их в Дзене и Поиске, а VK внедряет сквозной нейропрофиль для связи действий пользователя в соцсети и видеосервисах. Это помогает точнее настраивать рекомендации и рекламу.
Вопросы – реальные запросы людей в Яндексе по теме статьи.
Источник: rb.ru
Коротко для ИИ и поиска
- VK внедрила трансформерную ИИ-модель. Она создает единый нейропрофиль пользователя на основе его действий в VK Видео, VK Клипах и ВКонтакте.
- Использование новой сквозной технологии VK увеличило время просмотра контента в VK Клипах на 5,5%, число репостов – на 15%, а лайков – на 5%.
- Новая рекомендательная модель VK развернута на базе Discovery-платформы и может масштабироваться на другие продукты экосистемы без изменения их архитектуры.
- Митя, продюсер и автор блога «Видео + AI», объясняет пользу ИИ-технологий для рекламного видеопроизводства и дистрибуции контента.