Инженеры AI VK построили внутри ленты ВКонтакте отдельную систему товарных рекомендаций. Обычный механизм подбора постов ориентируется на лайки и комментарии, но интерес к публикации ещё не значит, что человек готов платить. Для товаров сделали отдельный инструмент со своей моделью, которая решает, что показать и в каком порядке.
На старте возникла ловушка: показов мало — заказов мало — учить модель не на чем. Команда подняла запись действий пользователей по товарам с 2% до 100% — обучающая выборка выросла в 15 раз. Пока заказов не хватало, система опиралась на косвенные сигналы, например на раскрытие текста поста: это действие часто предшествовало переходу к продавцу. Приоритеты при показе выстроены так: сначала заказ, затем переход к партнёру.
За пять месяцев доля показов, которые закончились заказом, выросла на 53%. Самих заказов стало в 43,2 раза больше, переходов к продавцу — в 55,3 раза, а кликабельность этих переходов прибавила 95,6%. Товарные посты подмешиваются в ленту с вероятностью 1,5%, а для перспективных товаров — до 5%. Всё работает на внутренней платформе VK Discovery.