Модель поняла, что к телефону берут чехол, ничего не зная о товарах

🏢 Ситуация

Большой квартальный проект. Виктор (CTO) на кике:

«Блок "Вам может понравиться" на главной приносит 4% выручки, и он сейчас — просто топ продаж, одинаковый для всех. Конкуренты делают персонализацию и растят конверсию на 15–20%. Делаем свою рекомендательную систему. Датасет: 2 млн пользователей, 300 тысяч товаров, история просмотров и покупок.»

Лена распределяет роли: вы отвечаете за модель-кандидат и офлайн-метрики.

🎯 Ваша задача

1. Понять подходы: попьюлярити, коллаборативная фильтрация, контентные модели.
2. Освоить матричную факторизацию (ALS) и implicit feedback.
3. Померить качество ранжирования: precision@k, recall@k, NDCG.

---

📚 Теория

Три семейства рекомендаций

1. Неперсональные: топ продаж, тренды. Бейзлайн, который обязан быть в сравнении. Для новых пользователей — часто единственный вариант.
2. Коллаборативная фильтрация (CF): «похожие пользователи покупают похожее». Работает только на поведении, не требует описаний товаров. Слабость — холодный старт (новый товар/пользователь без истории).
3. Контентные: рекомендуем похожее по атрибутам (категория, бренд, текст описания, картинка). Решают холодный старт для товаров.

Продакшен-системы — гибрид: двухэтапная архитектура: сначала лёгкая модель отбирает сотни кандидатов (retrieval), потом тяжёлая модель точно ранжирует (ranking). Так работают YouTube, Amazon и все крупные маркетплейсы.

Матричная факторизация

Матрица «пользователи × товары» с оценками взаимодействий гигантская и на 99.99% пустая. Идея: разложить её в произведение двух узких матриц — эмбеддинги пользователей U (n×k) и товаров V (m×k), k ≈ 32–256. Скор товара для пользователя = скалярное произведение векторов. Похожие вкусы → близкие векторы.

Explicit vs implicit feedback

• Explicit: оценки 1–5. Редкость в e-commerce.
• Implicit: просмотры, корзина, покупки. Здесь нет «негативов»: отсутствие покупки ≠ «не нравится», может просто не видел. Для implicit используют специальные методы (ALS с весами уверенности, BPR).

Метрики ранжирования

Пользователь видит топ-K (например, 10 позиций) — важно качество верха списка:

• precision@k — доля релевантных в топ-k;
• recall@k — доля найденных из всех релевантных;
• NDCG@k — учитывает позицию: релевантный товар на 1-м месте ценнее, чем на 10-м;
• coverage/novelty — не рекомендуем ли всем одно и то же.

Валидация — по времени: обучаемся на истории до даты T, проверяем покупки после T.

---