Los ingenieros de AI VK han construido un sistema de recomendaciones de productos separado dentro del feed de VKontakte. El mecanismo habitual de selección de publicaciones se basa en los 'me gusta' y los comentarios, pero el interés en una publicación no significa que la persona esté lista para pagar. Para los productos, se creó una herramienta separada con su propio modelo que decide qué mostrar y en qué orden.

Al principio, surgió una trampa: pocas impresiones, pocos pedidos, nada para entrenar el modelo. El equipo aumentó el registro de las acciones de los usuarios con los productos del 2% al 100%, lo que hizo que la muestra de entrenamiento creciera 15 veces. Mientras los pedidos eran insuficientes, el sistema se basaba en señales indirectas, como la expansión del texto de la publicación: esta acción a menudo precedía a la transición al vendedor. Las prioridades de visualización se establecen de la siguiente manera: primero el pedido, luego la transición al socio.

En cinco meses, la proporción de impresiones que terminaron en un pedido aumentó un 53%. Los pedidos en sí aumentaron 43.2 veces, las transiciones al vendedor 55.3 veces, y la tasa de clics de estas transiciones aumentó un 95.6%. Las publicaciones de productos se mezclan en el feed con una probabilidad del 1.5%, y para productos prometedores, hasta el 5%. Todo funciona en la plataforma interna VK Discovery.