Как Яндекс Лавка разорвала замкнутый круг рекомендаций и вернула новизну
В Яндекс Лавке точные рекомендации превратились в «пузырь» привычных товаров. Команда внедрила стратегии исследования и мульти‑цели, повысив разнообразие показов и рост продаж.
В статье на Habr ML команда Яндекс Лавки рассказала о проблеме, с которой сталкиваются многие рекомендательные системы: замкнутый круг. Чем точнее алгоритм предсказывает, что пользователь добавит в корзину, тем реже он видит новые категории и бренды, потому что система «играет» на проверенных сигналах. В результате интересы покупателя меняются, но модель этого не фиксирует, что приводит к падению вовлечённости и упущенным продажам.
Чтобы выйти из этой ловушки, инженеры перестроили pipeline рекомендаций. Было введено исследовательское (exploration) окно – небольшая доля рекомендаций (≈5 %) формировалась случайным образом или на основе «длинного хвоста» каталога. Параллельно запустили мульти‑цельную оптимизацию, где помимо конверсии учитывались метрики разнообразия и новизны. Для оценки эффективности использовался bandit‑подход: алгоритм онлайн‑обучения постепенно повышал вес новых товаров, если они показывали рост CTR.
Результаты за первый квартал после внедрения:
- Доля показов товаров из «длинного хвоста» выросла с 2 % до 12 %;
- Средний CTR новых рекомендаций увеличился на 27 %;
- Общий объём продаж в категории «новинки» поднялся на 15 % без потери конверсии основных рекомендаций.
Подробный разбор подходов и код‑примеров доступен в оригинальной статье: https://habr.com/ru/companies/yandex/articles/1051044/. Эта работа показывает, что даже в продакшн‑среде можно экспериментировать с исследованием, не жертвуя доходами, если правильно балансировать цели.
Для разработчиков рекомендаций это яркое подтверждение необходимости включать исследовательские стратегии в продакшн‑модели. Баланс между эксплуатацией и исследованием помогает избежать «пузыря» и поддерживать рост интереса пользователей. Студентам стоит изучать bandit‑алгоритмы и мульти‑цельную оптимизацию – они становятся практическим инструментом для реальных продуктов.