- Роман РожковРедакция Forbes
VK разработала единую ИИ-модель, в которой свела действия пользователей из разных сервисов в нейропрофиль — представление об интересах каждого из них, узнал Forbes. Это дает более точные и актуальные рекомендации в разных сервисах VK и уже работает в «VK Видео», «VK Клипах» и «ВКонтакте». По экспертным оценкам, на логичную для VK и в то же время непростую разработку, которая может помочь компании нарастить доходы от рекламы, могло быть направлено около 1 млрд рублей
Работа по профилю
VK объединила действия пользователей из разных сервисов в ИИ-модель, которая анализирует последовательности действий пользователя в разных продуктах и формирует нейропрофиль — обезличенное представление о его интересах, рассказали Forbes в компании. Решение уже работает в таких сервисах, как «VK Видео», «VK Клипы» и «ВКонтакте».
В основе нейропрофиля лежит трансформерная модель, которая рассматривает поведение пользователей не как изолированные действия, а как единую анонимизированную последовательность событий: лайки, репосты, комментарии, пропуски и другие сигналы, поясняют в VK: «Она определяет, какое из них важнее с учетом контекста — в каком продукте произошло, с каким типом контента, у какого автора, как давно и в каком порядке относительно других событий. К примеру, в «VK Видео» люди подолгу смотрят контент и реже оставляют лайки. В «VK Клипах» — наоборот, быстро листают и активно взаимодействуют. В ленте «ВКонтакте» — могут задержаться, генерируя неочевидные сигналы. Нейропрофиль сводит эти сценарии в одно целостное представление о пользователе».
Нейропрофиль содержит интересы человека на уровне всей экосистемы VK. Алгоритмы точнее интерпретируют поведение, отличают устойчивые предпочтения от случайных действий. Для пользователей это значит, что рекомендации будут быстрее подстраиваться под их актуальные интересы, даже если они меняются от одного сервиса к другому. Так, после внедрения новой модели общее время просмотра контента в «VK Клипах» выросло на 5,5%, делятся статистикой в VK.
Первым обновлением на базе технологии стало нейросетевое ранжирование — алгоритм, который в реальном времени определяет, в каком порядке показать контент, говорят в компании. Система сопоставляет нейропрофиль с характеристиками контента, а лента точнее подстраивается под текущие интересы: релевантные материалы поднимаются выше, а менее актуальные рекомендации уходят ниже. По итогам экспериментов пользователи стали активнее взаимодействовать с такой выдачей: на 15% чаще делиться контентом, на 10% чаще открывать его в полноэкранном режиме и на 5% чаще ставить лайки.
«Таким образом, пользователи получают больше интересного и релевантного контента и полезных предложений, авторы — возможность привлекать новую аудиторию и увеличивать вовлеченность, а рекламодатели, соответственно могут эффективнее достигать целевой аудитории и повышать конверсии», — рассчитывают в компании.
В чем сложность
По словам технологического предпринимателя, AI-фаундера и основателя сообщества heg.ai Павла Хегая, формирование нейропрофиля — логичный шаг для VK: «Настолько, что странно было бы этого не сделать. Кросс-продуктовый сигнал плюс единая идентификация через VK ID — это буквально единственное структурное преимущество VK перед TikTok и YouTube».
Для VK единый нейропрофиль — это важный инструмент монетизации, и для экосистемы масштаба VK решение выглядит закономерным, согласен руководитель направления Т1 ИИ (IT-холдинг Т1) Сергей Голицын. «Пользователь взаимодействует с разными форматами контента по-разному: где-то долго смотрит видео, где-то быстро листает короткие ролики, где-то комментирует или делает репост, — рассуждает он. — Если анализировать эти сигналы по отдельности, часть контекста теряется, поэтому объединение их в единую последовательность позволяет получить более целостное представление об интересах человека».
Исторически у «VK Видео», «VK Клипов» и «ВКонтакте» были отдельные рекомендательные модели, а после объединения в общую Discovery-платформу появилось основание строить единый нейропрофиль поверх нее, говорит директор по развитию бизнеса департамента e-commerce ГК «КОРУС Консалтинг» Вячеслав Коган.
С точки зрения исполнения задача трудоемкая, признают аналитики. Нужны значительные вычислительные мощности и хранилища, потому что профиль должен пересчитываться почти в реальном времени для десятков миллионов пользователей, считает Коган. Не менее сложна, продолжает он, организационная часть, потому что продукты долго развивались разными командами и с разными форматами данных. Поэтому сведение сигналов (просмотров, скроллов, лайков, реакций) в единую последовательность требует серьезной нормализации и интеграции данных разной природы.
«Сама рекомендательная модель не уникальна: архитектура известна, код частично открыт, прототип, сильная команда соберет за квартал», — размышляет Павел Хегай. Основные трудности, по его словам, заключаются в следующем:
- Данные. «Нужно объединить миллиарды событий из трех продуктов с разными схемами логов и идентификаторами».
- Смысл сигналов. «Одинаковые действия (например, свайп) в разных сервисах имеют разную смысловую нагрузку; есть риск «зацикливания» модели на собственных рекомендациях».
- Инференс. «Обработка длинной истории пользователя в реальном времени требует сложной асинхронной схемы, кэширования и частых пересчетов».
- Организация. «Синхронизация трех команд с разными KPI: риск, что общая модель станет лишь одной из тысяч фич, и эффект растворится».
Вслед за «Яндексом»
VK не первая российская компания, которая внедряет ИИ-рекомендации на основе генеративных моделей в свои сервисы. Год назад так сделал «Яндекс», разработка получила название ARGUS (AutoRegressive Generative User Sequential modeling, учитывает анонимизированную историю пользователя и контекст взаимодействия). Помимо «Яндекс Музыки», ее на тот момент успешно интегрировал «Маркет», а в перспективе их должны были получить все сервисы «Яндекса», где есть такие алгоритмы, — в частности, «Кинопоиск» и «Лавка». В апреле 2026 года компания сообщила, что ARGUS внедрен и в Рекламную систему «Яндекса».
В VK не раскрывают сумму инвестиций в проект, однако источник в крупной IT-компании, знакомый с разработкой такой технологии, оценивает вложения в подобные разработки в размере 0,8-1,2 млрд рублей. По его словам, стоимость складывается из ФОТ ML- и инфраструктурных команд, затрат на GPU и другую вычислительную инфраструктуру, обработки больших объемов данных, обучения и тестирования моделей, а также интеграции решения сразу в несколько продуктовых контуров.
Ориентировочные затраты Павел Хегай оценивает примерно так же: около 1 млрд рублей («с погрешностью в два раза в обе стороны»). «300-600 млн рублей — зарплаты команды (20-40 человек на полтора-два года), остальное — инфраструктура (инференс, хранение петабайтов данных). При этом проект окупается примерно за год: даже 1% прироста от 98 млрд рублей рекламной выручки — это 1 млрд рублей в год», — говорит он.
Главный же ограничивающий фактор, по его словам, — это не бюджет, а дефицит специалистов, способных довести такие трансформеры до продакшена: «Людей, которые доводили рекомендательные трансформеры до прода, в России, кажется, несколько десятков, и они поделены между «Яндексом», VK, «Сбером», Ozon, «Авито» и WB». Вячеслав Коган предполагает инвестиции на уровне «сотен миллионов рублей»: «Для VK такая инвестиция выглядит посильной на фоне квартальной EBITDA в 6,4 млрд рублей».
По мнению аналитиков, эффект новой разработки для VK уже оправдывается. Согласно данным отчетности компании, выручка VK в 2025 году составила 160 млрд рублей, из них онлайн-реклама — 98,3 млрд рублей (+2%). Весь рост рекламных доходов сейчас дает сегмент «Видео» и «Клипы»: видеореклама выросла на 68% до 6,5 млрд рублей. Новая модель рекомендаций дала +5,5% времени просмотра в «Клипах» — это напрямую конвертируется в дополнительный рекламный инвентарь без привлечения новых пользователей, рассуждает Хегай: «Платформа точнее выбирает, какое объявление показать, и поднимает доход с тысячи показов вообще без роста аудитории».
К тому же после удаления приложений VK из App Store в июне 2026 года (а позднее — и из Google Play) у части аудитории пропала штатная точка входа — а значит, вырос риск перехода на альтернативные платформы (Telegram, RuTube, YouTube), полагает Коган. В этих условиях, продолжает он, точные рекомендации становятся инструментом удержания: чем быстрее сервис угадывает интерес человека, тем меньше поводов уходить на другую площадку.
Единый нейропрофиль может представлять собой более богатый рекламный сегмент для рекламодателя, а не разъединенные данные в рамках отдельных сервисов, рассуждает Вячеслав Коган: и чем точнее будет собран портрет интересов, тем дороже можно продать показ нужной аудитории. Нейропрофиль, по его мнению, также может усилить кросс-промо внутри экосистемы: «Если интерес к теме возник в одном сервисе, похожий контент можно предложить в другом и тем самым удерживать пользователя внутри VK».
Источник: www.forbes.ru
