Пн – Вс: 8–21 по НСК

📞+7 383 380-81-89
Telegram Макс
Записаться на демо
ГлавнаяAI-решения для бизнесаВайбкодинг и развитие продуктовПерсональные рекомендации контента по всей истории интересов

Персональные рекомендации контента по всей истории интересов

Собирает подборку статей, видео или курсов под интересы конкретного человека — на основе всего, что он смотрел и читал раньше, а не только последнего клика.

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

1Смотрим историю интересовчто человек дочитал, досмотрел, бросил2Строим профиль интересовпо темам, а не по одному материалу3Обновляем его постепенноа не переворачиваем от одного клика4Формируем подборкупод конкретного человека5Следим за реакциейдочитал — подборка становится точнее
Как собирается персональная подборка

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 направления →

Network as Code: доступ к сети оператора через простой запрос

Разработчик запрашивает у оператора нужное качество связи через обычный интерфейс, а не строит инфраструктуру сам. Разбираем, кому это реально нужно.

Автоматический код-ревью: формальные правки — до старшего разработчика

Проверяет пул-реквест на стиль, дубли и опасные паттерны сразу после отправки. Содержательную часть — логику и архитектуру — по-прежнему смотрит человек.

Дорожная карта продукта по данным пользователей, а не по мнениям

Собирает обращения в поддержку, отзывы и данные об использовании функций в одну картину и предлагает черновик дорожной карты. Решение — за командой продукта.

Единый профиль клиента: все данные о человеке в одном месте

Собирает историю покупок, обращений и переписки клиента из разных систем в один профиль, чтобы сотрудник видел полную картину, а не только последнее письмо.

ИИ проходит сценарии в интерфейсе и находит, где путает пользователя

Прогоняет типовые сценарии пользователя по интерфейсу между большими исследованиями и показывает, где человек может застрять. Живых людей не заменяет.

ИИ раскладывает задачу продукта на понятные истории для команды

По описанию гипотезы или фичи собирает черновик задач с условиями готовности. Продакт-менеджер проверяет и заводит их в трекер, а не пишет с нуля.

ИИ-диспетчер входящих задач: разбирает поток и бережёт спринт

Сортирует новые задачи и вопросы, которые прилетают в команду в течение спринта, по вашим правилам срочности. Тимлид решает только спорные случаи.

ИИ-помощник НКО: подбор грантов и черновик заявки

Подбирает подходящие конкурсы под проект НКО и готовит черновик заявки по требованиям конкретного фонда. Человек проверяет содержание и отправляет сам.
La-Chatte

Готовы передать рутину
ИИ-сотрудникам?

За 30 минут разберём задачу, которая съедает время команды, и честно скажем, стоит ли отдавать её ИИ.

    Что вас интересует?