За нами следят! 100% замечали это. Откуда рилсы, доставка, кино, музыка и наконец браузер знает, что ты хочешь вот прям сейчас? Бургер, колу и сериал? А может билет в солнечный Таиланд?
У каждого из нас есть тысячи, а иногда и миллионы цифровых двойников в разных сервисах, они на 90% ты, но только с другим лицом (шутка). Первая группа двойников любит такие же фильмы, как и ты вечером под колу и бургеры. Вторая группа заказывает такие же продукты из онлайн-доставок и всегда берёт мороженое твое любимое, шоколадное, Третья группа слушает музыку, прям как у тебя сейчас в голове. На-на-на-на. Ты только подумал, а они уже послушали.
Твои любимые приложеньки на телефоне не знают конкретно о тебе что-то в плане твоих интересов. Что ты вот Вася Пупкин любишь клубничное мороженое в стаканчике. Умные и сложные системы на базе ML и AI видят тебя как набор цифр. Конечно, есть личные данные, имена и тд, но тоже все превращается в цифры. В твоём цифровом профиле цифры обозначают что-то, например 1 и 2 — ты любишь смотреть ситкомы, 3 и 4 ты поставил 10 из 10 офису и друзьям. 5 и 6, ты с 10 лет смотришь универ старая общяга, новая общага, 13 и 15 лет спустя. (жду 20 лет спустя)
Такие же цифры есть и у других людей, через эти цифры алгоритмы объединяют людей в группы, группы иногда большие, а иногда маленькие. И магия происходит тогда, когда 999 человек из группы в 1 000 человек с 90% одинаковых цифорок в системе посмотрели после офиса и друзей, как я встретил вашу маму (это леген-леген-дарно, это легендарно!). И алгоритм на основе этой информации предлагает последнему тебе этот сериальчик на вечерок. А ты как раз о нем и думал, потому что любишь почти тоже самое.
И наконец, многие сервисы при первом входе интересуются, а что вам нравится? (музыка, кино, знакомства), так решается проблема холодного старта, когда ты пришел, а сервис о тебе ничего не знает, все что ты натыкаешь и накликаешь будет попадаться тебе в ближайшее время, а после все твои действия и бездействия влияют на последующие предложения от сервиса. Все прям как на барной стойке в новом баре за углом, сначала бармен спрашивает вкусы, потом первый коктейльчик и понеслась вечеринка.
На основе всего этого большого объема информации, сервисы могут предугадывать, что тебе понравится вот и вся магия. По идее по метаматическим законам, они могут лучше просчитывать нашу жизнь чем мы. Но пока только предлагают к бургеру кока колу, а к картошке фри сырный соус.
· вчера
В таком интерфейсе хочется иметь кнопку «это было не для меня»: посмотрел фильм вместе с ребёнком или выбрал подарок, а сервис принял это за устойчивый интерес. Для продуктовой команды тут отдельная задача — дать человеку исправить контекст сигнала, а не только удалить рекомендацию. Какой вариант обратной связи вы бы выбрали?
1
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён
· вчера
Это довольно популярная практика оценки после целевого действия. Например, Кинопоиск всегда спрашивает понравился ли фильм, ставишь оценку от 1 до 10. Другие сервисы делают также, даже в Самокате можно оценить товары.
Это работает в том числе и попадает в общий список таких сигналов для алгоритмов, просто именно выбор человека осознанный в системе имеет больший вес для алгоритма, чем например другой сигнал. В том же кино это может быть просмотр трейлере к фильму, у него будет вес для системы например 0,2, а вот фильм который человек оценил сам и поставил 10, будет весом 0,8 и это все вместе по математическим формулам считается в итоге Кинопоиск предлагает посмотреть на главной какой-то конкретный фильм под интересы человека.
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
ответ удалён
· вчера
Что касается конкретного выбора, здесь сильно зависит от контекста и момента, когда спросить человека понравилось ли тебе что-то, я бы здесь строил разную воронку на всем пути взаимодействия с продуктом, начиная от холодного старта и заканчивая целевыми действиями/другими триггерами
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
ответ удалён