Персональные рекомендации контента по всей истории интересов
Что это даёт бизнесу
Медиа, образовательные платформы и сервисы с большой библиотекой контента теряют читателя не из-за того, что контента мало, а из-за того, что найти своё среди тысяч материалов сложно. Помощник смотрит на всю историю интересов конкретного человека — что он читал, досматривал, а что бросал на середине, — и формирует подборку под него. Это не разовая рекомендация по последнему клику, а профиль интересов, который меняется медленно и точно.
- Почти половина пользователей Netflix признаются, что выбирают, что смотреть, ориентируясь на рекомендации сервиса, а не на конкретное название (отчёт Netflix Still Watching 2025).
- Персонализация контента и предложений в среднем приносит компаниям на 10–15% больше выручки с той же аудитории, а в отдельных цифровых сервисах — до 25% (McKinsey).
- Профиль строится на том, что человек досмотрел или дочитал до конца, а не просто открыл, — это точнее, чем считать по одним кликам.
Источники: Habr / МТС, разбор отчёта Netflix Still Watching 2025, McKinsey & Company.
Какую проблему решает
Библиотека контента растёт быстрее, чем у человека остаётся времени её пролистать. Список «популярное» одинаков для всех и быстро приедается: то, что зашло тысяче случайных людей, не обязательно подойдёт конкретному читателю или зрителю.
Ручные подборки редакции не успевают за объёмом контента и не учитывают личные интересы: человеку, который читает только про финансы, всё равно предлагают статьи про кулинарию просто потому, что они сейчас популярны у всех.
Как это работает
Третий шаг — главное отличие от рекомендаций по текущей сессии (это соседнее решение для реакции на то, что человек делает прямо сейчас). Здесь профиль интересов меняется постепенно, по накопленной истории, а не скачет от одного случайного клика.
Кому подходит
Медиа, образовательным платформам, стриминговым сервисам и любым продуктам с большой библиотекой контента, где у пользователя накапливается заметная история просмотров или чтения — от нескольких десятков материалов.
Что нужно от вас
Доступ к истории действий пользователей в продукте (просмотры, дочитывания, оценки), каталог контента с темами и тегами, и согласие пользователей на использование этой истории для персонализации.
Чего он делать не будет
Помощник не строит профиль интересов на данных, которые пользователь не разрешил собирать, — например, на действиях вне вашего продукта. Хранить и использовать историю интересов конкретных людей можно только с их согласия и на сервере в России, это требование 152-ФЗ, а не формальность. Он также не заменяет редакционную подборку для тех, кто явно выбрал её вместо персональной.
С чего начать
Разбор — бесплатно, 40 минут. Аудит процессов — 150 000 ₽. Запуск — от 250 000 ₽, сопровождение — от 50 000 ₽ в месяц.
Вайбкодинг и развитие продуктов — другие решения
Все решения направленияNetwork as Code: доступ к сети оператора через простой запрос
Автоматический код-ревью: формальные правки — до старшего разработчика
Дорожная карта продукта по данным пользователей, а не по мнениям
Единый профиль клиента: все данные о человеке в одном месте
ИИ проходит сценарии в интерфейсе и находит, где путает пользователя
ИИ раскладывает задачу продукта на понятные истории для команды
ИИ-диспетчер входящих задач: разбирает поток и бережёт спринт
ИИ-помощник НКО: подбор грантов и черновик заявки

Готовы передать рутину
ИИ-сотрудникам?
За 30 минут разберём задачу, которая съедает время команды, и честно скажем, стоит ли отдавать её ИИ.