Рекомендательные системы изучают поведение пользователей, чтобы настроить персональную выдачу. Например, подсказать музыкальный трек, фильм или книгу, которая с большой долей вероятности понравится человеку. Может ли пользователь как-то повлиять на этот процесс и сделать рекомендации более точными? Да. В Яндексе рассказали, что для этого нужно сделать.
Чаще обращаться к сервису с поисковыми запросами. Любое обращение к поиску на сервисе является прямым сигналом для рекомендательных систем, что нужно добавить больше такого контента в выдачу.
Оценивать контент. Лайки или дизлайки, поставленные музыкальным трекам, фильмам или книгам, являются прямым выражением мнения пользователя. Система к нему прислушивается: уменьшит количество контента, похожего на тот, который не понравился, и найдет аналогичный тому, что получил высокую оценку.
Взаимодействовать с контентом. Например, добавлять треки в плейлисты на Яндекс Музыке, фильмы — в раздел «Буду смотреть» на Кинопоиске, а книги — на тематические полки в Букмейте. Также можно писать отзывы и рецензии — они тоже помогают рекомендательным системам работать точнее.
Отказываться от того, что не нравится: переключить трек, бросить смотреть кино, не дочитывать роман. Эти действия подскажут системе, что контент не зашел. Правда, иногда такое случается по другим причинам, к примеру, от просмотра интересного фильма может что-то отвлечь. Поэтому алгоритмы действуют аккуратно: не меняют рекомендации сразу, а накапливают сведения о подобных действиях, чтобы выявить тенденцию.
Ничего не делать — тоже стратегия. Если просто пользоваться сервисами, как обычно, рекомендательные системы это учитывают. Допустим, если пользователь прослушал песню от начала до конца, то алгоритм сделает вывод, что она ему, скорее всего, понравилась, даже если он не поставил лайк.
Напомним, согласно новому закону, вступившему в силу 1 октября, соцсети, маркетплейсы и онлайн-кинотеатры должны раскрывать особенности процессов и методов сбора данных, их систематизации и анализа, а также способов применения алгоритмизированных сведений.
С правилами применения рекомендательных технологий на сервисах Яндекса можно ознакомиться здесь.
