Компания Mail.Ru обладает уникальными данными о поведении пользователей рунета: активность на сайтах, поведение в соц.сетях, на портале, в поиске. В то-же время мы владеем крупнейшими площадками. Это побудило нас разработать рекомендательную систему для медиа MyWidget и добавить туда нативную рекламу. Мы расскажем вам о наших данных, о задачах которых мы уже умеем решать и о том, как мы это делаем.

1. Технологи рекомендаций и
нативной рекламы MyWidget
Алексей Воропаев, руководитель группы рекомендательных систем

2. «Парадоксальным образом изобилие
ассортимента товаров и услуг
ограничивает свободу нашего
выбора.»
Информации становится слишком много

3. Многие уже научились на этом зарабатывать
75% от 6.78ММ $
35% от 107ММ $

4. Немного про данные
5 TB/сутки
+
100 GB/сутки
500 GB/сутки

5. Схема работы сервиса
Машинное
обучение Модели
Сервис
рекомендаций
Контекст
Offline Online

6. • Коллабаративная фильтрация
• Контентные рекомендации
• На основе свойств объектов
• На основе сообществ людей
• Гибридные системы
Основные подходы к рекомендациям
Recommender Systems Handbook

7. Коллабаративная фильтрация

8. Матричное разложение
4.5 2
4 3.5
5 2
3.5 4 1
1.5 1.2 1.0 0.8
1.7 0.6 1.1 0.4
1.2 0.8
1.4 0.9
1.5 1.0
1.2 0.8
Ratings Users Items
≈ *

9. Персональные рекомендации
http://go.mail.ru/

10. Граф запрос-документ
Запрос 1
Запрос 2
Док. 1
Док. 2
Док. 3

11. docskeywordsword2vec
Контентные рекомендации

12. Гибридные модели
Модель 1
Модель 2
Модель N
Агрегирующая
модель рекомендации
обратная связь
...
Холодный
старт

13. Hadoop
18 PB HDD
40 TB RAM
HDFS
YARN
HBase
SparkMapreduce

14. A/B тесты

15. «Нативная» реклама
• Меньше раздражения
• Больше CTR
• Но, сложнее создавать

16. «Нативная» реклама

17. С точки зрения рексистемы
• Кабинет рекламодателя
• Управление ограничениями
показа
• Аукционная система (аукцион
второй цены)
• Управления площадками
размещения
• Побдор банеров для
пользователя
• Оценки CTR для аукциона

18. В чем разница
1. Нужно минимизировать прогрев
2. Нужно понимать, когда рекламу показывать не нужно

19. Look-alike
1.5 1.2 1.0 0.8
≈
• Вектор сайтов
• Латентные факторы
• Контентные факторы
• Соц.дем факторы

20. Мы вам еще покажем!
widget.my.com
voropaev@corp.mail.ru