«Яндекс Музыка» полностью обновила алгоритм персональных рекомендаций в сервисе «Моя волна», внедрив гиперконтекстные сценарии. Теперь система учитывает не только музыкальные предпочтения пользователя, но и такие параметры, как время суток, день недели, устройство воспроизведения и другие внешние факторы, чтобы предлагать музыку под конкретную ситуацию.
Тестирование показало, что новые гиперконтекстные рекомендации запускают на 30% чаще, чем стандартные, а треки из этих подборок добавляют в коллекцию на 64% чаще. Количество дизлайков снизилось на 4%. Это говорит о том, что персонализация на основе контекста повышает удовлетворённость пользователей и вовлечённость в сервис.
Технической основой обновления стала новая генеративная модель Argus, анализирующая длинную историю действий пользователя и перестраивающая рекомендации в реальном времени. Также появилась функция «Встряхнуть Мою волну» — она позволяет быстро обновить рекомендации одним касанием или встряхиванием смартфона. Этой возможностью воспользовался каждый третий тестовый пользователь, а добавление треков в коллекцию при её использовании выросло на 73%.
В сервисе появились ИИ-реплики с фактами об артистах и их музыке, а также рекомендации поддержать исполнителя донатом или посетить концерт. Вместе с редизайном был добавлен раздел «Что послушать», объединяющий персональные подборки, тренды, чарты, аудиокниги и подкасты.
Обновление уже доступно части подписчиков «Яндекс Плюса» в России и Беларуси и в ближайшее время появится у всех пользователей. Для рынка цифровых сервисов это пример того, как глубокая персонализация и учёт контекста могут существенно повысить вовлечённость и удовлетворённость аудитории.
Вывод: Гиперконтекстные рекомендации и новые механики персонализации в «Яндекс Музыке» демонстрируют эффективность глубокого анализа пользовательского поведения. Такой подход может быть применим и в других digital-сервисах, включая медиа, маркетинговые платформы и онлайн-магазины, чтобы повысить лояльность и вовлечённость аудитории.
Изучите возможности сбора и анализа контекстных данных о поведении пользователей: время суток, тип устройства, сценарии использования. Это позволит точнее сегментировать аудиторию и персонализировать предложения.
Тестируйте гиперконтекстные рекомендации на своих платформах — например, адаптируйте контент или офферы под разные ситуации использования (работа, отдых, дорога).
Внедрите быстрые механики смены сценариев (например, «встряхнуть» или обновить подборку одним кликом), чтобы повысить вовлечённость и дать пользователю больше контроля над персонализацией.
Частые вопросы
Как использовать гиперконтекстные рекомендации вне музыкальных сервисов?
Аналогичные механики можно внедрять в онлайн-магазинах, медиа и маркетинговых платформах для персонализации контента и предложений под ситуацию пользователя.
Можно ли применить такой подход в Яндекс и Google поиске?
Да, контекстные сигналы (время, устройство, местоположение) уже используются поисковиками для персонализации выдачи — стоит учитывать это при оптимизации контента и рекламы.
Как быстро обновить рекомендации для пользователя на своём сайте?
Реализуйте функцию обновления подборок или рекомендаций одним кликом или жестом, чтобы пользователь мог быстро менять сценарий потребления контента.