VK объединила поведение пользователей в нейропрофили: новая ИИ-модель подняла вовлеченность в «Клипах» на 5,5%

Компания VK представила единую рекомендательную ИИ-модель, которая анализирует последовательность действий пользователей во всех сервисах экосистемы и формирует так называемый нейропрофиль — обезличенное представление об интересах человека. Технология уже работает в «ВКонтакте», «VK Видео» и «VK Клипах», а первым практическим результатом стало внедрение нейросетевого ранжирования ленты. По данным компании, после запуска новой модели общее время просмотра контента в «VK Клипах» выросло на 5,5%.

Как работает трансформерная модель

В основе решения лежит трансформерная архитектура, аналогичная используемой в современных больших языковых моделях. В отличие от традиционных рекомендательных систем, рассматривающих действия изолированно, новая модель обрабатывает поведение как единую анонимизированную последовательность событий: лайки, репосты, комментарии, пропуски контента и другие сигналы. Алгоритм оценивает важность каждого действия с учётом контекста — в каком продукте оно произошло, с каким типом контента, у какого автора, как давно и в каком порядке относительно других событий.

Как пояснили в VK, паттерны поведения в разных сервисах существенно отличаются: в «VK Видео» пользователи подолгу смотрят контент и реже ставят лайки, в «VK Клипах» — быстро листают ленту и активно взаимодействуют, а в ленте «ВКонтакте» могут задерживаться, генерируя неочевидные сигналы. Нейропрофиль сводит эти сценарии в одно целостное представление, позволяя алгоритмам точнее отличать устойчивые предпочтения от случайных действий.

Нейросетевое ранжирование и метрики вовлеченности

Первым обновлением на базе технологии стал алгоритм нейросетевого ранжирования, работающий в режиме реального времени. Система сопоставляет нейропрофиль пользователя с характеристиками контента и определяет порядок показа материалов: более релевантные поднимаются вверх ленты, менее актуальные — уходят вниз. По итогам экспериментов взаимодействие с такой выдачей стало заметно активнее: пользователи на 15% чаще делятся контентом, на 10% чаще открывают его в полноэкранном режиме и на 5% чаще ставят лайки.

«Для точных рекомендаций алгоритмам нужно понимать не только содержание контента, но и то, что именно сейчас хочет увидеть человек. Для первой задачи мы развиваем технологии глубокого понимания контента, для второй — нейропрофиль, объединяющий поведенческие сигналы из разных сервисов», — отметил Александр Пославский, руководитель подразделения рекомендаций AI VK. По его словам, такая связка помогает рекомендациям быстрее реагировать на изменения интересов и точнее подбирать материалы под разные сценарии потребления.

Экономический эффект и инвестиции

VK официально не раскрывает объём вложений в проект, однако источник в крупной IT-компании, знакомый с разработкой подобных технологий, оценивает затраты в диапазоне 0,8–1,2 млрд рублей. В стоимость входят оплата труда ML-специалистов и команд разработчиков, расходы на графические ускорители и вычислительную инфраструктуру, обработку больших объёмов данных, обучение и тестирование моделей, а также интеграцию сразу в несколько продуктов экосистемы.

Эксперты считают, что эффект от внедрения уже проявляется в отчётности. Выручка VK в 2025 году составила 160 млрд рублей, из них на онлайн-рекламу пришло 98,3 млрд рублей (прирост 2%). Весь рост рекламных доходов обеспечивает сегмент «Видео и клипы»: видеореклама выросла на 68% до 6,5 млрд рублей. Прирост времени просмотра в «Клипах» на 5,5% напрямую конвертируется в дополнительный рекламный инвентарь без привлечения новых пользователей.

Технологические и организационные вызовы

По словам технологического предпринимателя Павла Хегая (основатель сообщества heg.ai), формирование единого нейропрофиля — логичный шаг для VK: «Кросс-продуктовый сигнал плюс единая идентификация через VK ID — это буквально единственное структурное преимущество VK перед TikTok и YouTube». Руководитель направления Т1 ИИ Сергей Голицын подтверждает: объединение сигналов в единую последовательность даёт более целостное представление об интересах, чем их раздельный анализ.

С точки зрения исполнения задача крайне трудоёмка. Директор по развитию бизнеса департамента e-commerce ГК «КОРУС Консалтинг» Вячеслав Коган указывает на две главные сложности: необходимость значительных вычислительных мощностей и хранилищ для пересчёта профилей почти в реальном времени для десятков миллионов пользователей, и организационная часть — продукты долго развивались разными командами с разными форматами данных, поэтому сведение сигналов в единую модель потребовало серьезной инфраструктурной работы.

Платформа Discovery как фундамент масштабирования

Технологии работают в контуре Discovery-платформы VK, запущенной в 2025 году. Она объединяет инфраструктуру всех продуктов для рекомендаций, поиска и рекламных технологий. Это позволяет быстро масштабировать нейропрофиль и нейроранжирование на новые сервисы без перестройки архитектуры их рекомендательных систем. По словам представителей компании, такая архитектура открывает путь к дальнейшему развитию рекомендательных технологий во всей экосистеме VK.