Как ИИ влияет на рекомендательные системы видеосервисов

Захват рынка

Сейчас практически нет сервисов, которые полностью зависят от редакторов. Некоторые платформы делают авторские подборки, но их ранжированием и отбором для каждого пользователя занимается искусственный интеллект, сообщил «Телеспутнику» директор по видеосерверам VK Федор Ежов. 

Рекомендательные системы в онлайн-кинотеатрах, стриминговых платформах работают с помощью нейросетей — они персонализируют контент для пользователей, модерируют видео и комментарии. Из крупных игроков не осталось тех, кто продолжал бы составлять подборки вручную, удостоверилось наше издание, опросив участников рынка. 

«С увеличением количества активных пользователей возрастает значимость персонализированных рекомендаций, а сделать это силами редакторских подборок крайне сложно — редакция вручную не может подобрать контент каждому пользователю, исходя из его интересов. ИИ же способен анализировать большие объемы информации и лучше справляется с вопросом масштабируемости и персонализации», — рассказал «Телеспутнику» руководитель отдела развития и эксплуатации систем машинного обучения и отчетности RUTUBE Арнольд Сааков. 

В «VK Видео» ручная подборка контента невозможна в силу количества роликов, отметил Федор Ежов, поэтому лента персонализированного контента формируется с помощью ИИ. «Это позволяет нам увеличивать время смотрения на сотни процентов в год», — пояснил эксперт. 

В RUTUBE применяют технологии ИИ, анализируя различные типы данных для построения качественных рекомендаций: информацию о контенте, историю действий пользователя (просмотры, лайки, комментарии и прочее), теги. 

Онлайн-кинотеатр Kion использует ИИ и машинное обучение, отметил в разговоре с «Телеспутником» директор по развитию продукта и технологий Алексей Арефьев. В Premier сказали нашему изданию, что собственная система рекомендаций появилась в видеосервисе в 2023 году. Она также работает на основе нейросети, которая анализирует качественные просмотры, то есть если пользователь посмотрел минимум 11 % от фильма или сезона сериала.



Управление вниманием 

По словам Арнольда Саакова, эффект от использования искусственного интеллекта есть. «Для нас это имеет важное значение из-за постоянного увеличения объема контента. Есть и социально значимый эффект от ИИ — внедрение технологии субтитров расширяет возможности для слабослышащих людей», — подчеркнул он. 

В Kion сообщили, что платформы заинтересованы в увеличении времени, проведенном одним пользователем на сайте. А улучшить этот показатель можно как раз с помощью нейросетей. «Главная ценность системы рекомендаций — увеличение персонализации. Это позволяет онлайн-кинотеатрам увеличивать переходы к смотрению, эффективнее удерживать аудиторию и растить количество точек контакта с пользователями», — пояснил Алексей Арефьев.  

В Premier отметили, что ИИ — это более универсальный инструмент, который позволяет оперативнее собирать данные и приводить их в понятную и логичную форму. В конце 2023 года компания, как выяснил «Телеспутник», зафиксировала рост времени просмотра фильмов и сериалов на сервисе на 15 %, а количество просмотренных сериалов выросло на 20 %. 

«Рекомендательная система доказала свою эффективность в удержании внимания пользователей: по завершении просмотра система предлагает зрителю новые фильмы и сериалы на основе его интересов, тем самым увеличивая смотрение пользователя», — прокомментировал Макар Кожухов. 

Рекомендательные алгоритмы показали эффективность и в VK. Среднесуточное количество просмотров видео за четвертый квартал 2023 года выросло на 18 % по сравнению с аналогичным периодом 2022 года и достигло 2,3 млрд, рассказал «Телеспутнику» Федор Ежов. «С начала года общее время, которое зрители проводят за просмотром в “VK Видео”, выросло на 38 %», — указал эксперт. 

Может показаться, что платформы заинтересованы лишь в персонализации контента, однако стоит учитывать и коммерческие интересы. По словам руководителя отдела бизнес-поддержки продаж компании «Дататех» Александра Чулапова, алгоритмы могут рекомендовать не тот контент, который потенциально будет интересен абоненту, а тот, который нужно окупить. 

«Система будет рекомендовать контент, который владельцам онлайн-кинотеатрам нужно окупить, например, собственного производства или более дешевый с точки зрения выплат правообладателям», — отметил он в разговоре с «Телеспутником».



Без проблем никуда 

По мнению Федора Ежова, в данный момент основная сложность при использовании ИИ — это недостаток квалифицированных кадров на рынке. Работы много, а людей не хватает. «А еще говорят, что у компьютеров нет чувства прекрасного, но это только пока», — подметил он. 

Арнольд Сааков считает, что при лавинном увеличении объема контента время работы моделей ИИ может сильно возрастать, а это скажется на уровне удовлетворенности пользователей. В итоге появляются задачи по оптимизации тех методов, которые лежат в основе моделей ИИ, подчеркнул эксперт. 

Алексей Арефьев отметил, что на работу систем рекомендаций повлиял уход западных мейджоров, однако платформы стараются компенсировать это своими силами. Сейчас Kion, по словам собеседника «Телеспутника», работает над развитием новых алгоритмов и моделей, которые улучшат качество персонализации.



Идеал на горизонте 

Видимый эффект от использования ИИ в рекомендательных системах, по оценкам экспертов, действительно есть и он положительный. Однако идеальной работой это пока сложно назвать. 

Алгоритмы хоть и подбирают индивидуальную ленту рекомендаций под предпочтения пользователя, однако не везде учитывается, что одним аккаунтом могут пользоваться разные люди. Это подтверждают в Premier: «К одному аккаунту в онлайн-кинотеатре может быть подключено до пяти пользователей с разными предпочтениями», — уточнил представитель компании. Следующим этапом развития рекомендательной системы Premier станет анализ поведения всех профилей в рамках одного аккаунта, а также просмотров на разных устройствах. 

В VK не определились с одним набором алгоритмов. По словам Федора Ежова, компания постоянно проводит большое количество экспериментов и пробует разные модели для построения рекомендаций. «Подбираются новые кандидаты, алгоритмы, модели данных или наборы данных для обучения. Этот процесс происходит непрерывно. У нас всегда запущено одновременно несколько экспериментов, которые улучшают наши рекомендации», — объяснил он. 

По словам Арнольда Саакова, RUTUBE активно применяет новые технологии ИИ, включая более мощные алгоритмы, которые работают и с контентом, и с информацией по истории пользователей. «Мы работаем над корректной фильтрацией истории, улучшаем бизнес-правила, повышаем разнообразие выдаваемых рекомендаций, анализируем выдачу на предмет логичности и релевантности — все это многоитеративный процесс, над которым сейчас работает сервис», — резюмировал он.



Что не так 

Основной минус рекомендательных систем, которые нацелены на увеличение экранного времени, это фокусировка на релевантном контенте для отдельного пользователя, считает Александр Чулапов. «Это не всегда помогает расширять кругозор, развивать интерес пользователя к новым жанрам и областям искусства, скорее формируется устойчивое потребление», — подметил он. 

Последствием таких рекомендаций станет снижение популярности сервиса, потому что алгоритмы или искусственный интеллект будут рекомендовать контент, похожий на предпочтения пользователя, а они могут меняться, причем достаточно часто, уверен представитель «Дататеха». «Редакторские подборки могут способствовать расширению интересов пользователя, развитию эстетического восприятия, а также формированию вкуса и повышению общей культуры потребления видеоконтента. Грамотная рекомендательная ИИ-модель может поддерживать интерес к новому и учитывать рекомендации редакции наряду с предпочтениями пользователя, но для этого необходимо изначально определить приоритеты», — указал эксперт. 

Основная проблема видеосервисов при использовании ИИ — это его корректное обучение, отметил руководитель группы защиты инфраструктурных ИТ-решений компании «Газинформсервис» Сергей Полунин. По его словам, площадкам еще предстоит потратить сотни часов на систематизацию каталога роликов и выработку критериев поиска. 

Эксперт обратил внимание на то, что до сих пор не существует стриминговой платформы, которая бы взаимодействовала с подписчиками с помощью чат-бота. «Я пока не встречал в онлайн-кинотеатрах персональных помощников, которые могли бы порекомендовать фильм на запрос вроде “хочу посмотреть что-нибудь про крестоносцев, но не экшен», — сказал Сергей Полунин. 

Вопрос развития рекомендательных систем может упираться и в деньги. Как рассказала «Телеспутнику» директор по маркетингу студии «Кириллица» Надежда Равина, разработка подобных программных продуктов сложная и дорогостоящая. Причем по большей части проблема в кадрах, которых пока сложно найти.