VK внедрила ИИ-модель, которая анализирует поведение пользователей сразу во всех сервисах компании и формирует так называемый нейропрофиль — обезличенное представление об интересах человека. Решение уже работает в «VK Видео», «VK Клипах» и «ВКонтакте».
В основе технологии — трансформерная модель, которая рассматривает действия пользователя не по отдельности, а как единую последовательность событий: лайки, репосты, комментарии, пропуски и другие сигналы. Учитывается контекст — в каком продукте произошло действие, с каким контентом, у какого автора и в каком порядке относительно других событий.
В VK поясняют, что поведение пользователей сильно различается между сервисами. В «VK Видео» люди смотрят контент долго, но редко ставят лайки. В «VK Клипах» — быстро листают и активно взаимодействуют. В ленте «ВКонтакте» могут задерживаться, создавая неочевидные сигналы. Нейропрофиль объединяет все эти данные в целостную картину интересов пользователя на уровне всей экосистемы.
Первым практическим применением технологии стало нейросетевое ранжирование — алгоритм, который в реальном времени сопоставляет нейропрофиль с характеристиками контента и определяет порядок показа материалов в ленте. Более актуальный контент поднимается выше, менее интересный — опускается вниз.
После внедрения системы пользователи стали на 15% чаще делиться контентом, на 10% чаще открывать его в полноэкранном режиме и на 5% чаще ставить лайки. Общее время просмотра в «VK Клипах» выросло на 5,5%.
По данным отчётности, выручка VK в 2025 году составила 160 млрд рублей, из которых 98,3 млрд пришлось на онлайн-рекламу (рост на 2%). Основной вклад в рост рекламных доходов внёс сегмент «Видео и клипы»: видеореклама выросла на 68%, до 6,5 млрд рублей. Аналитики отмечают, что рост времени просмотра в «Клипах» напрямую конвертируется в дополнительный рекламный инвентарь без привлечения новых пользователей.
В VK не раскрыли объём инвестиций в проект. По оценке источника в крупной IT-компании, знакомого с разработкой подобных технологий, вложения в такие системы обычно составляют 0,8-1,2 млрд рублей. Эти затраты включают оплату труда ML-специалистов и программистов, расходы на графические ускорители и вычислительную инфраструктуру, обработку больших объёмов данных, обучение и тестирование моделей, а также интеграцию решения в несколько продуктов экосистемы одновременно.