После серии обновлений в 2026 году время, которое пользователи проводят в ленте ВКонтакте, выросло на 9%.
Этот результат складывается из множества изменений: команда научилась точнее определять актуальные интересы человека, учитывать, насколько ему по-прежнему интересны его подписки, подбирать подходящее соотношение форматов и аккуратно знакомить его с новыми темами.
Вместе с Натальей Толстовой, руководителем отдела ленты ВКонтакте, и командой инженеров AI VK объясняем, как лента понимает, что интересно человеку прямо сейчас.
Как контентная лента выбирает, что показать
Когда человек вводит запрос в поиске ВКонтакте, он прямо сообщает системе, что хочет найти. В ленте такого запроса нет: пользователь просто открывает приложение и ждёт, что там найдётся что-то подходящее. Поэтому рекомендации строятся на его действиях: что он читает и смотрит, на что реагирует, что пропускает и к каким авторам возвращается.
При этом профиль интересов — не статичный портрет, а набор гипотез, которые нужно постоянно уточнять и проверять, а на их основе вносить изменения в продукт. Система учитывает и долгосрочную историю действий, и самые свежие сигналы, чтобы прежние интересы не мешали замечать новые.
Клика и подписки недостаточно
Клик сам по себе ещё не означает, что публикация действительно понравилась. Громкий заголовок может привлечь внимание, но если человек закрыл материал через две секунды, это тоже важный сигнал. Поэтому при ранжировании лента учитывает не только факт открытия публикации, но и время чтения или просмотра.
Подписка также остаётся одним из сильных сигналов. Человек сам выбрал автора или сообщество, но со временем могут накопиться сотни неактуальных для пользователя источников. Команды обновили механизм умного квотирования подписочного контента. Это значит, что при формировании ленты учитывается не только сам факт подписки, но и история взаимодействия: когда человек открывал материалы автора, досматривал его видео, ставил реакции и возвращался за новым контентом. Так в ленте остаётся только то, что интересно именно сейчас.
Тема важна, но формат тоже
Три человека могут одинаково интересоваться путешествиями, но потреблять такой контент совершенно по-разному. Один читает длинные посты и рассматривает фотографии. Второй смотрит короткие видео. Третий выбирает формат по ситуации.
Команда обновила ML-модели, которые смешивают разные типы контента. По взаимодействиям человека с публикациями система определяет не только интересные ему темы, но и предпочитаемый формат, а затем рассчитывает персональное соотношение постов и клипов в ленте.
После того как система определила предпочтения человека, ей нужно разложить посты и клипы по ленте в рассчитанной пропорции — так, чтобы публикации одного формата не шли длинным блоком. Система следит, какого формата не хватает, чтобы выдержать персональную пропорцию, и отдаёт ему следующее место.
Как лента предлагает новые интересы
Один прочитанный материал может стать точкой входа в новую тему. Например, после публикации о беге лента предложит несколько близких материалов. Это стало возможно благодаря внедрению i2i-сервиса: он подбирает материалы, похожие на конкретный объект, а не на весь профиль интересов целиком.
При этом один случайный просмотр не меняет рекомендации целиком. Сначала система добавляет несколько публикаций по новой или смежной с ней теме. Если человек продолжает их читать или смотреть, таких материалов становится больше. Если пропускает, предположение не получает дальнейшего развития.
А если лента о вас почти ничего не знает?
У нового или малоактивного пользователя почти нет истории действий, но подходящий контент нужно показать уже в первые сессии. Для таких случаев лента формируется по отдельной логике. Сначала алгоритм предлагает разные темы и форматы, а затем быстро перестраивается по первым реакциям: что человек открыл, что досмотрел, а что сразу пропустил. Это называется динамическим квотированием.
Ещё один ориентир для рекомендаций — реакции и комментарии друзей. В социальной сети публикация нередко становится интересной, потому что её обсуждает знакомый человек. Лента может добавить такой материал в рекомендации и показать рядом подсказку о реакции друга. Этот сигнал помогает расширить круг интересов пользователя за счёт постов, которые нравятся друзьям со схожими интересами.
Как всё это складывается в одну ленту
В зрелом продукте заметный эффект редко даёт одна крупная доработка: большинство очевидных решений уже реализовано. Поэтому рост складывается из постоянной работы с разными частями пользовательского опыта — оценкой контента, подписками, балансом форматов и новыми интересами.
Все эти механизмы работают на единой Discovery-платформе AI VK — общей технологической основе для рекомендаций, поиска и рекламы всех продуктов группы. Пользователь эту инфраструктуру, конечно, не видит. Для него изменения складываются в одну более точную и удобную ленту.
Мы видим этот эффект в цифрах: люди больше времени проводят ВКонтакте, дольше листают ленту, лучше реагируют на контент. Сегодня контентная лента учитывает актуальность подписок, аккуратно проверяет новые интересы и время от времени предлагает что-то за пределами привычных тем. Продукт не требует постоянно объяснять ему, чего вы хотите. Он замечает изменения и подстраивается сам, сохраняя баланс между прошлым и настоящим, знакомым и новым, темой и форматом.
Комментарии