Иви (ivi.ru) — ML-система двухэтапных рекомендаций с Feature Store

ML-команда онлайн-кинотеатра ivi построила и развивает комплексную двухэтапную архитектуру рекомендательных систем, которая обеспечивает персонализацию всех ключевых сценариев потребления контента:

1. Candidate Generation (первый этап) Из всего каталога (десятки тысяч тайтлов) алгоритмы отбирают релевантный пул кандидатов для конкретного пользователя. Используется алгоритм EASE-DAN (улучшенная версия EASE).

2. Reranking (второй этап) Модель переранжирует кандидатов с учётом множества признаков (фичей) пользователя, контента и контекста.

Feature Store «Groot» — внутренняя инфраструктура быстрого и медленного хранилищ для признаков всех рекомендательных моделей. Позволяет добавлять десятки новых признаков за 1–2 дня.

A/B-тестирование — новые гипотезы запускаются в эксперимент за 1 час; для приоритизации используются ICE, RICE и методы Causal Inference.

Покрытие: рекомендации фильмов и сериалов на главной, персонализированный набор кнопок-фильтров, рекомендации коротких видео (запущены), раздел мини-драм (вертикальные сериалы, запущен в 2025).

Онлайн-кинотеатр с тысячами тайтлов сталкивается с проблемой «паралича выбора» у пользователей. Стандартные рекомендации по жанру или популярности не учитывают индивидуальные вкусы. Кроме того, высокая скорость добавления нового контента (в том числе коротких видео) требует гибкой инфраструктуры для быстрого развёртывания новых сценариев.

• Максимизировать релевантность рекомендаций для каждого пользователя

• Ускорить цикл разработки и тестирования новых ML-гипотез

• Обеспечить масштабируемость системы для новых форматов (короткие видео, мини-драмы)

• Увеличить вовлечённость пользователей и время просмотра

• Финансы

• Не раскрыты Время

• Добавление новых ML-признаков: 1–2 дня (ранее — недели)

• Запуск нового A/B-эксперимента: 1 час

• EASE-прототип быстро показал положительный результат на A/B-тесте Качество и эффективность

• Алгоритм EASE-DAN: положительный результат на A/B-тесте; улучшение качества рекомендаций похожего контента

• Персонализация охватывает: главную страницу, фильтры, рекомендации похожего, рекомендации новинок Нагрузка и масштаб

• Охват: все пользователи ivi (миллионы подписчиков)

• Новые форматы: раздел коротких видео, вертикальные мини-драмы (2025) Надёжность

• Feature Store обеспечивает согласованность признаков между обучением и инференсом

• Nvidia Triton Inference Server — промышленный уровень обслуживания моделей Импортозамещение и compliance

• Полностью российская разработка; хранение данных на собственной инфраструктуре Качественный эффект (если цифры не раскрыты): ML-команда ivi: «Мы делаем так, чтобы каждому пользователю показывался именно тот контент, который будет ему интересен. Это касается всего: от рекомендаций фильмов и сериалов до персонализированного набора кнопок с различными фильтрациями контента».