Яндекс представил Sona — генеративную модель рекомендаций для Яндекс Музыки, которая сама подбирает треки и определяет порядок их показа. По данным компании, модель заменила целый каскад алгоритмов и в тестах на колонках с Алисой улучшила ключевые метрики вовлеченности.
Главная особенность Sona в том, что она берет на себя сразу несколько этапов рекомендательной системы, которые раньше выполняли отдельные модели. Обычно музыкальные рекомендации строятся как цепочка: одни алгоритмы ищут подходящие треки, другие отбирают лучшие варианты, третьи ранжируют их в нужном порядке. Sona объединяет эти задачи в одной модели.
В Яндексе заявляют, что Sona не требует ручного подбора признаков и заменяет более 15 генераторов кандидатов, а также модели предварительного и финального ранжирования. Для обучения она анализирует поведение пользователя: какие треки он выбирал, что пропускал, к чему возвращался и что просил включить повторно.
Какие результаты показал тест
На неделю Sona заменила действующую систему рекомендаций в колонках с Алисой. По данным Яндекса, в тестовой группе выросли сразу несколько показателей:
- время прослушивания рекомендованных треков — на 6,3%;
- количество просьб повторить трек — почти на 18%;
- аудитория активных слушателей — на 4,5%;
- лайки — на 11,42%.
Отдельно компания отмечает, что прирост аудитории активных слушателей оказался в 2,4 раза выше, чем после предыдущего обновления рекомендательной системы.
Почему это важно
Новость касается не только музыкального сервиса. Для рынка это еще один сигнал, что крупные платформы переходят от сложных каскадов специализированных алгоритмов к единым генеративным моделям, которые принимают решение на основе полного пользовательского контекста. Такой подход позволяет быстрее обновлять рекомендации и потенциально лучше учитывать реальные интересы аудитории.
Для российских digital-специалистов это практический ориентир: и в SEO, и в платном трафике, и в контент-маркетинге все важнее становятся не отдельные формальные сигналы, а совокупное поведение пользователя. Возвраты к контенту, глубина взаимодействия, повторные прослушивания, дочитывания и другие поведенческие метрики становятся все более значимыми для платформ, которые ранжируют контент автоматически.
Как Яндекс развивал это направление
По данным компании, Sona продолжает развитие рекомендательных технологий последних лет. В 2025 году Яндекс внедрил систему ARGUS на трансформерах, а в 2026 году начал использовать архитектуру Gryphon, которая уже объединяла часть этапов подбора рекомендаций. Sona стала следующим шагом: теперь одна генеративная модель закрывает еще больше задач внутри рекомендательного контура.
Модель разрабатывали и тестировали инженеры Алисы, Яндекс Музыки и команда исследований и разработок Яндекса.
На практике запуск Sona показывает, что Яндекс усиливает ставку на генеративные модели не только в поиске и ИИ-инструментах, но и в рекомендательных системах. Для бизнеса, маркетологов, агентств и контент-команд это означает одно: качество контента и реальные сигналы вовлеченности аудитории будут играть все большую роль в том, как платформы распределяют внимание пользователей.
Проверьте, какие поведенческие сигналы собирает ваш продукт или контент: возвраты, повторные просмотры, сохранения, лайки, дочитывания. Именно такие метрики все чаще становятся основой для автоматических рекомендаций на платформах.
Если работаете с контентом или медиапроектом, пересмотрите KPI: кроме охвата и кликов отслеживайте глубину потребления и повторные взаимодействия. Это поможет лучше адаптироваться к рекомендательным системам Яндекса и Google.
Для SEO и performance-команд полезно тестировать контент и посадочные страницы не только на привлечение трафика, но и на удержание интереса. Сценарии, которые повышают возвраты и вовлеченность, могут давать больший эффект в экосистемах с ИИ-рекомендациями.
Частые вопросы
Где уже используется модель Sona?
По данным Яндекса, модель уже запущена и тестировалась в рекомендациях Яндекс Музыки, в том числе на колонках с Алисой.
Чем Sona отличается от обычной рекомендательной системы?
Обычная система состоит из нескольких отдельных алгоритмов для подбора и ранжирования контента. Sona объединяет эти этапы в одной генеративной модели.
Почему эта новость важна не только для музыкальных сервисов?
Она показывает общий тренд платформ: решения о показе контента все чаще принимаются на основе комплексного анализа поведения пользователя. Это важно для SEO, контент-маркетинга и рекламных стратегий.