Алгоритм разработки рекомендаций: 5 главных принципов работы умных лент

Для рекомендательной системы это просто статистика. Холодная, многослойная и местами довольно умная.

Алгоритм разработки рекомендаций — не секретная кнопка «сделать вирусным». Это конвейер, который за доли секунды решает две разные задачи: из почти бесконечного океана контента выбрать несколько возможных роликов, а затем выстроить их так, чтобы человек не ушёл, не начал яростно жать «Не интересует» и, в идеале, остался доволен своим скроллом. Да, удовлетворённость здесь тоже метрика. Даже у машины есть представление о вашем эмоциональном послевкусии. Мрачно. Но логично.

На языке платформ это называется recommendation system. На языке создателей — «почему мне снова показывают пять видео про чистку ковров, хотя я один раз досмотрел одно». Разница между этими формулировками и есть вся веб-культура 2020-х.

Умная лента не читает мысли. Она просто методично превращает каждый ваш микро-жест в гипотезу о том, что вы сделаете следующим.

Сначала кандидаты, потом кастинг: двухэтапная архитектура ленты

Главная ошибка в разговоре об алгоритмах рекомендательных систем — представлять ленту как единый магический фильтр. Будто система смотрит на миллиард роликов, щурится и выбирает один: «Вот этот, пожалуй, покажем Сергею из Екатеринбурга».

Нет. Так вычислительные мощности закончились бы ещё на первом думскролле понедельника.

Классическая архитектура, которую Google Research описывала на примере YouTube ещё в 2016 году, состоит из двух этапов:

1. Генерация кандидатов. Система быстро отбирает сравнительно небольшой пул видео, которые в принципе могут заинтересовать конкретного пользователя. Здесь важна ширина охвата: нужно не пропустить потенциальный хит, даже если он опубликован пять минут назад и у автора три подписчика.

2. Ранжирование. Из этого пула другая модель собирает финальную очередь. Она решает, что окажется первым, вторым, пятым и что вообще не доберётся до экрана. Здесь уже начинается тонкая работа с вероятностями: кликнет ли человек, останется ли, досмотрит ли, поставит ли реакцию, не разочаруется ли.

Это и есть базовый алгоритм разработки рекомендаций. Не «показывать популярное», а сначала грубо найти релевантное, потом придирчиво отсортировать. Первый этап работает как гигантская сетка, второй — как редактор, который за секунду собирает главную страницу для одного-единственного зрителя.

Именно поэтому создание ленты рекомендаций — это не один алгоритм, а связка моделей и правил. Одни предсказывают интерес, другие следят за безопасностью, третьи не дают вам увидеть подряд десять одинаковых видео с одним и тем же звуком. Хотя иногда кажется, что четвёртая модель в отпуске.

В этом устройстве есть важное следствие для авторов: стартовый охват не обязан зависеть от размера аккаунта. TikTok прямо объяснял, что число подписчиков и прошлые вирусные ролики сами по себе не выступают прямыми факторами рекомендаций. Большой аккаунт получает преимущество не мистическое, а социальное: у него есть ядро зрителей, которые быстрее создают первые сигналы. Но «миллионник» не покупает себе вечную прописку в For You.

Сигналы интереса: лайк — это не корона, а один пиксель в портрете

Вопрос «как работают рекомендации в соцсетях?» часто получает ответ в духе «собирай лайки и ставь хэштеги». Это удобная легенда для инфобизнеса, потому что она помещается на обложку рилса. Реальность сложнее и поэтому интереснее.

TikTok публично выделяет три группы факторов для For You:

• действия пользователя — просмотры, досмотры, лайки, комментарии, репосты, подписки, созданный контент;
• информация о ролике — подпись, звук, хэштеги и другие свойства самого видео;
• настройки аккаунта и устройства — язык, страна, тип устройства и похожие технические контексты.

Ключевая деталь: сигналы не равны между собой. Досмотр длинного ролика до конца — куда более внятное сообщение системе, чем совпадение страны пользователя с автором. Человек мог жить где угодно, но если он семь минут без перемотки смотрел разбор провала криптопроекта, значит, в его цифровой биографии появилась новая глава.

YouTube формулирует схожую логику, но раскладывает её по другой драматургии. Сервис смотрит на историю просмотров и поиска, подписки, лайки и дизлайки, а ещё на отрицательные сигналы: «Не интересует», запрет рекомендаций конкретного канала, ответы в опросах об удовлетворённости.

Последние особенно любопытны. Пользователь может досмотреть ролик не потому, что ему понравилось, а потому, что он не может отвести взгляд от катастрофы. Интернет прекрасно монетизирует это чувство: «ужасно, включи ещё». Если система смотрит только на время просмотра, она легко превращается в поставщика цифровой тревожности. Поэтому платформы пытаются отделить захват внимания от реального одобрения.

Ни один отдельный жест не определяет вашу ленту навсегда. Лайк — не печать на лбу. Один случайный комментарий под видео о ремонте не делает вас фанатом перфораторов. Но повторяющиеся паттерны складываются в профиль интересов, и вот он уже ведёт себя как очень настойчивый знакомый: помнит, что вы задержались на роликах о японских ножах, и начинает приносить вам кузнецов, обзоры стали, ASMR-заточку и, почему-то, десятиминутные лекции о средневековых мечах.

Это не заговор. Это персонализация контента, которая увидела корреляцию и немного увлеклась.

CTR — сладкая ловушка, из которой лента выходит с синяками

Если бы платформы оптимизировали выдачу только под клики, ленты давно состояли бы из красных стрелок, шокированных лиц и заголовков «ОН СДЕЛАЛ ЭТО В 3:00». Впрочем, часть интернета именно так и выглядит. Но крупные сервисы давно знают: высокий CTR сам по себе не означает, что контент полезен, интересен или хотя бы не бесит.

YouTube описывает оценку роликов через три группы сигналов:

• привлекательность — выбрал ли зритель видео для просмотра;
• вовлечение — остался ли он смотреть;
• удовлетворённость — понравился ли ему опыт, судя по реакциям, обратной связи и другим сигналам.

Это важная поправка к народной религии «цепляющего первого кадра». Хук нужен, спору нет. Но хук, после которого зритель мгновенно закрывает ролик, — не хук, а дешёвая пиротехника. Она громкая, но после неё остаётся запах горелого доверия.

Принципы умной ленты всё чаще строятся вокруг долгосрочной удовлетворённости. Платформа хочет не только добиться ещё одного просмотра прямо сейчас. Ей нужно, чтобы человек завтра снова открыл приложение, не чувствуя, что его вечер был украден тридцатью роликами про чужие разводы, финансовые апокалипсисы и «топ-5 симптомов, которые нельзя игнорировать».

Здесь возникает почти комичный конфликт между автором и системой. Автору хочется максимального импульса: заголовок погромче, обещание пообъёмнее, тревога понасыщеннее. Платформе, по крайней мере в теории, нужен зритель, который не выгорает от этого аттракциона за неделю.

Поэтому сильный контент для рекомендации — не обязательно самый громкий. Он должен выполнить обещание, которое делает в первые секунды. Если ролик обещает показать редкий баг Telegram, а потом пять минут ходит кругами вокруг собственного экспертного статуса, зритель считывает подмену быстрее любой нейросети. И лента это считывает через него.

Клик приводит зрителя к двери. Удержание впускает в комнату. Удовлетворённость решает, захочет ли он вернуться.

Разнообразие — это не гуманизм, а защита от скуки и спама

Персонализация без ограничений быстро превращается в алгоритмический инбридинг. Посмотрели два ролика про нейросети — получите неделю AI-аватаров, промптов для «денежных» картинок и людей, которые говорят «агентность» с лицом человека, открывшего электричество.

Платформы это понимают. TikTok прямо заявляет, что старается не показывать подряд два видео с одним звуком или от одного автора, не рекомендует дубликаты, уже просмотренный контент и спам. Более того, сервис намеренно добавляет видео за пределами очевидных интересов пользователя — чтобы открывать новые категории и не делать ленту бесконечной копией вчерашней ленты.

Это не альтруизм. Однообразная выдача снижает ценность продукта. Человек приходит не за идеально предсказуемым автоматом с газировкой, а за ощущением находки. Лента должна быть знакомой ровно настолько, чтобы не раздражать, и неожиданной ровно настолько, чтобы не умереть от собственной предсказуемости.

Внутри этой механики существует несколько конфликтующих задач:

• показать автора, которого зритель уже любит;
• дать шанс новому ролику, у которого пока нет истории;
• не повторить тему, звук или лицо слишком быстро;
• не засорить экран копиями и перезаливами;
• иногда вывести пользователя из пузыря интересов;
• не предложить то, что формально разрешено, но массовой аудитории может оказаться слишком шокирующим.

Последний пункт особенно важен. Контент может оставаться на платформе, но не попадать в рекомендации. TikTok, например, указывал среди таких пограничных случаев графические медицинские процедуры или демонстрацию легального употребления регулируемых товаров. Это не бан и не удаление. Это решение о том, что ролик не стоит выносить на центральную площадь приложения, где его может встретить случайный человек.

Для создателей это неприятная, но нормальная граница. Свобода публикации и право на безлимитный охват — разные вещи. Платформа может оставить контент доступным подписчикам, в поиске или по ссылке, но не включать его в лотерею массовой рекомендации.

Прозрачность: платформы больше не могут прятаться за слово «алгоритм»

Долгое время «алгоритм» был идеальным корпоративным туманом. Он объяснял всё и ничего. Охваты упали? Алгоритм. Ролик взлетел? Алгоритм. Почему именно этот контент? Ну, вы понимаете, сложная система.

Европейский регламент DSA решил, что тумана достаточно. Статья 27 требует от онлайн-платформ понятным языком раскрывать основные параметры рекомендательных систем: какие критерии значимы и как пользователь может влиять на выдачу. Не формулу модели, не веса миллионов признаков и не исходный код — никто не заставляет TikTok выкладывать рецепт своей секретной подливы. Но объяснить базовую механику и дать человеку рычаги управления сервис обязан.

Для очень крупных платформ и поисковиков в ЕС есть ещё одно требование. Статья 38 DSA предусматривает минимум один вариант рекомендации, не основанный на профилировании. То есть пользователь должен получить возможность увидеть выдачу, которая не строится на его поведенческом досье.

Это не глобальное правило для каждой соцсети мира и не волшебный рубильник «отключить алгоритмы». Но сам сдвиг показателен. Рекомендательная система перестаёт быть исключительно внутренним делом платформы. Она становится частью пользовательских прав — примерно как настройки приватности, возможность пожаловаться или удалить аккаунт.

В ближайшие годы этот разговор станет ещё громче. Ленты постепенно превращаются не просто в витрину видео, а в интерфейс к действиям: покупкам, подпискам, заказам, сервисам. Пока стартапы строят платежную инфраструктуру для ИИ-агентов, платформы уже думают, как рекомендации будут подсказывать не только «что посмотреть», но и «что сделать». А значит, вопрос о прозрачности перестаёт быть занудной юридической сноской.

Почему универсальной формулы всё равно не будет

У пользователей есть любимая надежда: где-то существует список из пяти секретных действий, после которых лента начнёт любить их контент. У авторов надежда ещё конкретнее: найти правильную длину ролика, частоту публикаций, звук и время выхода — а затем механически получать охват.

Плохая новость: универсального алгоритма нет. TikTok и YouTube публично раскрывают общие принципы, но не точные веса сигналов, не архитектуру всех моделей, не пороги модерации и не частоту переобучения. И правильно делают: иначе любой щитпост-завод научился бы обманывать выдачу быстрее, чем площадка успела бы обновить правила.

Хорошая новость менее магическая, зато рабочая. Алгоритмы рекомендательных систем реагируют на реальное поведение живых людей. Не на мистический «теневой бан», не на число хэштегов, не на священный час публикации. Если аудитория выбирает ролик, остаётся в нём, возвращается к автору, не прячет канал и не чувствует себя обманутой — у контента появляются основания для следующего показа.

Вся эта машинерия — кандидаты, ранжирование, фильтры, диверсификация, опросы удовлетворённости — обслуживает простую платформенную задачу: дать человеку следующий ролик, от которого он не сбежит. Иногда это выдаёт шедевр. Иногда — кота, который спорит с пылесосом. Машина не сноб, она статистик.

Формат «алгоритм раскрыл секрет вирусности» будет жить ещё долго: он слишком удобен для тревожной экономики авторов. Но сама вера в одну кнопку умрёт быстрее. Дайте ей примерно три дня после следующего обновления TikTok.