Окко — ML-персонализация и ИИ-retention: 70% контента формируется алгоритмически

Okko построил комплексную систему ИИ-персонализации и удержания пользователей, в которой машинное обучение задействовано на всём пути пользователя — от онбординга до повторных визитов.

Ключевые компоненты:

1. Персонализация контента (ML-рекомендации) 70% контента, который видит пользователь на платформе, формируется алгоритмически на основе истории просмотров, рейтингов и добавлений в избранное. ML учитывает доступность контента по подписке.

2. Look-alike аудитории ML-команда Okko строит look-alike модели: изучает паттерны поведения лояльных зрителей (например, смотрящих футбол), находит похожих пользователей среди незаинтересованной аудитории и таргетирует их релевантными предложениями. Результат: +25% зрителей футбола по сравнению с массовыми рассылками.

3. Триггерные пуши при неудачном поиске Если пользователь ищет контент, которого нет в медиатеке Okko, система автоматически подбирает похожий и через несколько минут отправляет пуш-уведомление. Retention в тестовой группе вырос на +2,1 п. п. при статистической значимости 95%.

4. Сегментация по эмоциональным потребностям Аудитория сегментируется не только по интересам, но и по эмоциональному состоянию и контексту просмотра. Письма, адаптированные под эмоциональный профиль пользователя, дали удвоение кликов по сравнению с контрольной группой.

5. Онбординг для новых пользователей ИИ-сценарии онбординга увеличили retention новичков в 1,5 раза.

Onлайн-кинотеатр с тысячами тайтлов должен удерживать разнородную аудиторию — от любителей арт-хауса до спортивных болельщиков. Без персонализации пользователи уходят при неудачном поиске или не находя «своего» контента. Ретеншн был ключевой метрикой роста.

• Увеличить retention новых и возвращающихся пользователей

• Повысить охват и просматриваемость контентных категорий (в т. ч. спорт)

• Автоматизировать персонализированные коммуникации

• Снизить отток в момент неудачного поиска

• Финансы

• Рост конверсии в просмотр: ML-письма с персональными рекомендациями превышают массовые по всем ключевым метрикам (точные данные не раскрыты) Время

• Данные периода сентябрь 2024 — сентябрь 2025 (сравнение с аналогичным периодом 2023–2024)

• Механика триггерного пуша после неудачного поиска: несколько минут Качество и эффективность

• 70% контента формируется алгоритмически

• Время просмотра из рекомендованных сценариев выросло в 5,7 раза

• Онбординг с ИИ: retention новичков вырос в 1,5 раза

• Look-alike по футболу: +25% зрителей к матчам Лиги чемпионов

• Сегментация по эмоциям: удвоение кликов

• Триггерный пуш при неудаче поиска: +2,1 п. п. retention (95% статистическая значимость) Нагрузка и масштаб

• Аудитория Okko — миллионы пользователей по подписной модели

• Лига чемпионов UEFA — флагманский эксклюзивный контент платформы Надёжность

• Механики автоматизированы и работают как постоянные триггерные сценарии

• Статистическая верификация: A/B-тесты с контрольными группами на уровне 95% значимости Импортозамещение и compliance

• Mindbox — российская платформа; ML-модели — собственная разработка Okko Качественный эффект (если цифры не раскрыты): Okko входит в призёры Ruward Award 2025 в категории персонализации как лучший кейс алгоритмической персонализации онлайн-кинотеатра в России.