Метод VK предсказывает, пролистают ролик сразу или досмотрят до конца

Исследователи AI VK Research, исследовательского подразделения VK, предложили метод HEGM. Он помогает рекомендательной системе оценить, пролистнёт человек ролик сразу, посмотрит часть или досмотрит до конца. В VK Клипах, где метод уже работает, за одно посещение сервиса стали смотреть на 10% больше роликов.

Предыстория: обычно рекомендательные алгоритмы прогнозируют одно число — сколько примерно человек будет смотреть видео. Но одинаковое среднее время даст и ролик, который половина зрителей бросает сразу, а половина досматривает до конца, и ролик, который все смотрят до середины. В 2025 году исследователи китайской соцсети Xiaohongshu предложили модель EGMN, которая предсказывает весь разброс: одна её часть описывает быстрые пролистывания, несколько других — разные варианты долгого просмотра.

Как это работает: авторы из VK воспроизвели EGMN на больших данных и нашли в ней сбои. Часть внутренних компонентов дублирует друг друга, часть не участвует в прогнозе. А некоторые вместо диапазона времени просмотра выдают почти одно точное значение: так модель запоминает отдельные примеры из обучающих данных и хуже прогнозирует на новых. HEGM устроен иначе: сначала он оценивает, пролистнут ли ролик, и только потом — сколько его будут смотреть, если не пролистнут. Один такой прогноз даёт сразу несколько оценок: вероятность быстрого пролистывания, досмотра до конца и другие признаки интереса.

Детали: HEGM ставят вместо выходной части готовой рекомендательной модели, остальное менять не нужно — так авторы и сравнивали его с другими методами. Код, скрипты и обученные модели для опытов на открытых данных выложены на GitHub под лицензией Apache 2.0.

В цифрах: полтора месяца VK сравнивала в Клипах рекомендации с HEGM и без него. У пользователей, которым ленту подбирал новый метод:

• за одно посещение смотрели на 10% больше роликов.
• просмотров дольше 10 секунд стало на 6% больше.
• дизлайков стало на 8,3% меньше.

Но: выигрыш HEGM — в порядке выдачи. Авторы проверили его на открытых наборах KuaiRec¹ и VK-LSVD² и на внутренних данных VK — 282 млн обезличенных действий пользователей. Метод лучше других проверенных решений расставлял ролики по степени интереса и предсказывал, досмотрят ли видео до заданного момента. Среднее время просмотра он угадывает примерно так же точно, как соперники. Сравнивали его с лёгкими методами, результаты которых можно повторить.

Если шире: в VK считают, что метод подойдёт любому сервису, которому важно, сколько времени человек проводит с контентом. Музыкальному стримингу он поможет предсказывать пропуски треков и полные прослушивания, рекламной системе — сколько смотрят видеорекламу, интернет-магазину — сколько изучают карточку товара.

Препринт статьи появился на arXiv ещё 24 августа. Теперь VK рассказала об итогах внедрения и о том, что работу приняли на конференцию IEEE ICDM 2026³.