Рекомендательная система в приложении с социальными механиками. Как мы ленту для Шедеврума делали и вырастили возвращаемость

Доклад о ленте рекомендаций в приложении Шедеврум. Рассмотрим постановку задачи и особенности сервиса с точки зрения рекомендаций. Разберем, как с помощью ленты можно влиять на KPI-метрики сервиса.

Отдельно поговорим про подходы, которые мы попробовали в ранжировании: что в итоге дало наибольший профит, а что пришлось «закопать». Обсудим архитектуру рекомендаций с точки зрения ML. В конце разберем полученные результаты и возможные дальнейшие пути улучшения.

Будет интересно ML-инженерам, ML Research.