«Яндекс» разработал собственную рекомендательную модель Sona для подбора музыки. Компания запустила тесты в колонках с «Алисой» на ограниченной группе пользователей. Время прослушивания выросло на 6,3%, число слушателей — на 4,5%. При этом модель пока обучена только на внутреннем каталоге «Яндекса» и не учитывает внешние предпочтения — Spotify, YouTube, сторонние плейлисты.

Sona использует ту же архитектуру, что и другие рекомендательные системы «Яндекса». Алгоритм анализирует историю прослушиваний, время суток и контекст — что именно слушает пользователь в этот момент. Для «Алисы» это значит более точный выбор треков без ручного поиска. Колонки с голосовым помощником становятся умнее именно за счёт таких встроенных моделей.

Эксперты отмечают: локальная модель выгоднее сторонних решений — все данные остаются в экосистеме, нет зависимости от внешних API. Для рекламодателей это открывает точечную таргетацию по настроению и контексту прослушивания. В перспективе Sona может заменить коммерческие сервисы рекомендаций в собственных продуктах «Яндекса», включая «Яндекс Музыку».

Есть и риски. Пользователи привыкли к разнообразию — сторонние сервисы предлагают музыку из всего мира. Внутренняя модель может сузить палитру до того, что нравится большинству. Эффект «пузыря» фильтров усиливается, когда алгоритм учится только на своих данных.

6,3% роста времени прослушивания — впечатляющий результат для первого теста. Но база пользователей мала, и статистика может измениться при масштабировании. Ранее «Яндекс» запускал похожие модели, которые теряли эффективность после расширения аудитории. Sona — тот же путь, только быстрее.

А вы уже замечали, как «Алиса» подбирает музыку — точно попадает в настроение или часто ошибается? Просчитать, какие треки подойдут именно вам, и сравнить алгоритмы поможет нейросеть AiGENDA — разберётся в предпочтениях за секунды. Первый запрос — бесплатно. Если понравится, сами выберете условия.