Системи за препоръчване на съдържание за издатели: Какво работи и какво не

Всеки дигитален издател иска система за препоръки. Малцина разбират какво всъщност включва изграждането на такава – и още по-малко разбират защо моделът на Netflix, който повечето издатели посочват като еталон, е почти изцяло грешна отправна точка.

Netflix препоръчва от каталог с приблизително 17 000 заглавия на глобална аудитория от 270 милиона абонати. Съдържанието е стабилно - филм, добавен към каталога днес, все още е там следващата година. Предпочитанията на потребителите са относително стабилни. Netflix разполага с инфраструктура за данни, инженерен персонал и времеви хоризонт, за да изпълнява препоръките като основна бизнес функция.

Регионален вестник препоръчва от каталог, който се прелиства изцяло на всеки 24 часа, на аудитория, която често посещава веднъж или два пъти седмично, където най-ценното съдържание - актуалните новини - е най-малко податливо на персонализация, защото никой все още не го е чел. Проблемите са структурно различни. Решенията също трябва да бъдат.

Тази статия разглежда какви архитектури на препоръките всъщност работят за издателите, какви са често срещаните режими на неуспех и как изглежда реалистичното внедряване в различни мащаби.

Допълнителен материал към по-широката ни работа върху ИИ в медиите и издателската дейност — вижте „ИИ в медиите и издателската дейност: Как да задържим абонати с машинно обучение“ за стратегическата рамка около препоръките, предотвратяването на отпадане и задържането на читателите; и нашия преглед на медийната и издателската индустрия за по-широката картина на ИИ в дейността на издателите.

Проблемът с препоръките на издателите е различен

Преди да се стигне до архитектурата, струва си да се уточни какво отличава препоръката за издател от препоръката за развлекателен сектор.

Оборот на съдържанието. Издател, който произвежда 100 статии на ден, има каталог, който е почти изцяло нов на всеки 48 часа. Съвместното филтриране – техниката, която задвижва „потребители, които са харесали X, също са харесали Y“ – изисква достатъчно потребителски взаимодействия с дадено съдържание, за да генерира смислени сигнали за сходство. Новото съдържание има нулеви взаимодействия. Проблемът със студения старт, който е управляем при препоръките за развлечения, е почти постоянно състояние за новините.

Структура на сесията. Абонат, посещаващ новинарски сайт, прекарва 5–12 минути на сесия, чете 1–3 статии и може да се връща от три до пет пъти седмично. Това е много различно от потребител на стрийминг, който гледа двучасов филм в една сесия. Имплицитният сигнал за обратна връзка от посещение на новинарски сайт – кликване, дълбочина на превъртане, време, прекарано на страницата – е по-слаб и по-нееднозначен от събитието за завършване на филма.

Редакционно намерение. Издателите не искат просто да увеличат максимално ангажираността с това, което читателите вече харесват. Те искат да запознаят читателите с важни истории, които те не биха търсили, да подкрепят журналистика с ниска, но висока производителност и да представят пълния спектър от редакционно отразяване. Чистата оптимизация на ангажираността създава „филтърни балони“ и пренебрегва журналистиката от обществен интерес. Това не е просто етичен проблем – той е търговски, защото читателите, които получават само съдържание, съответстващо на съществуващите им интереси, е по-вероятно да сметнат публикацията за излишна, когато могат да получат същата перспектива другаде безплатно.

Цели на конверсията. За издателите на абонаменти, препоръката не е просто функция за ангажиране. Тя е функция за конверсия. Статиите, които е най-вероятно да превърнат регистриран потребител в абонат, не са непременно същите статии, които увеличават максимално преглежданията на страници или времето, прекарано на сайта. Система за препоръки, оптимизирана за ангажираност, може активно да работи срещу конверсията чрез абонамент, ако предлага безплатно съдържание, а не платено съдържание с ограничено съдържание.

Трите подхода и кога всеки от тях работи

Три архитектурни подхода доминират в препоръките на издателите: филтриране, базирано на съдържание, съвместно филтриране и хибридни системи, които комбинират двете. Всеки от тях има различни силни страни, режими на неуспех и изисквания за мащаб - и правилният избор зависи от размера на вашата аудитория, оборота на съдържанието и редакционните приоритети. Повечето издатели преминават през тези подходи с нарастването си: базирано на съдържание в малък мащаб, съвместно или хибридно с узряването на аудиторията и пълни двустепенни архитектури за извличане/класиране в производствен мащаб. Решението рядко е за това кой подход е „най-добър“ абстрактно - а за това кой подход съответства на вашите данни, вашата аудитория и вашите редакционни цели на текущия ви етап.

1. Филтриране въз основа на съдържание

Филтрирането въз основа на съдържание препоръчва елементи, подобни на това, с което потребителят е взаимодействал преди това, въз основа на свойствата на самото съдържание, а не на поведението на други потребители. За новините това обикновено означава: сходство в текста (статии по подобни теми, от подобни автори, от подобни раздели), припокриване на обекти (статии, споменаващи едни и същи хора, организации, места) и претегляне на скорошността (по-новото съдържание е оценено по-високо).

Кога работи: Ситуации на студен старт — нови потребители без история, ново съдържание без данни за взаимодействие. Ефективно е и за издатели с малка аудитория, където сигналите за съвместно филтриране са твърде оскъдни.

Когато не успее: Създава балон. Читател, който прочете три статии за лихвени проценти, получава още три статии за лихвени проценти. Филтрирането, базирано на съдържание, няма механизъм за случайност – за извличане на релевантно съдържание, което потребителят не е знаел, че иска. Освен това не улавя сигналите за качество, които данните за ангажираност предоставят: две статии по една и съща тема може да имат много различни проценти на завършване, проценти на споделяне и проценти на запазване, но филтрирането, базирано на съдържание, ги третира като еквивалентни.

Сложност на внедряването: Ниска до средна. Вграждането на текст (използвайки предварително обучени езикови модели като Sentence-BERT или версии с фина настройка на домейна) може да доведе до разумни резултати за сходство на съдържанието без обширна ML инфраструктура.

2. Съвместно филтриране

Съвместното филтриране препоръчва въз основа на поведението на подобни потребители – „потребители, които четат това, което четете вие, четат и това“. Основното предположение: потребители с подобна история на четене имат сходни предпочитания.

Кога работи: Зрели сайтове с голяма, ангажирана аудитория. Съвместното филтриране се нуждае от достатъчно данни за взаимодействие – обикновено хиляди ежедневно активни потребители, генериращи достатъчно сигнали за ангажираност между статии – за да се получат смислени клъстери за сходство между потребителите.

Когато не успее: Малка аудитория (недостатъчен сигнал), висок оборот на съдържание (новите статии нямат сигнал за сътрудничество) и за актуални новини (всички потребители четат едно и също нещо, което не генерира сигнал за диференциация). Също така усилва популярността - популярното съдържание се препоръчва повече, получава повече взаимодействия, бива препоръчвано повече. Нишовата, но важна журналистика се погребва.

Сложност на внедряването: Средна до висока. Подходите за матрична факторизация (ALS, SVD) са лесни за изпълнение, но изискват инфраструктура. Невронното колаборативно филтриране (NCF) е по-мощно, но по-сложно за обучение и обслужване.

3. Хибридни подходи

Моделите, които работят най-добре в производствена среда за издатели, комбинират сигнали, базирани на съдържание и сътрудничество, с допълнителни функции: актуалност, сигнали за ангажираност на потребителите (дълбочина на превъртане, повторни посещения, споделяния), индикатори за качество на статиите (избор на редактора, процент на ангажираност сред подобни потребители) и бизнес правила (популяризиране на статии с измерване на броя на регистрирани потребители, показване на подкани за конвертиране на абонамент в моменти с висока вероятност).

Двуетапната архитектура е индустриалният стандарт за издатели в голям мащаб:

Етап 1 — Извличане: От пълния каталог със съдържание, бързо извлечете набор от 50–200 кандидат статии, които са правдоподобно релевантни за този потребител. Този етап дава приоритет на припомняемостта пред прецизността — по-добре е да се включат някои нерелевантни кандидати, отколкото да се пропуснат релевантни. Извличането обикновено използва приблизително търсене по най-близък съсед при вграждане на съдържание, със сигнали за съвместно филтриране като слой за прекласиране.

Етап 2 — Класиране: От набора от кандидати, класирайте статиите, за да идентифицирате 5-10, които да представите на потребителя. Моделът на класиране включва повече функции от етапа на извличане: история на потребителя, контекст на сесията (какво е прочел по време на текущото посещение), тип устройство, час от деня, бизнес правила и ограничения за разнообразие (не препоръчвайте пет статии по една и съща тема).

Тази архитектура — използвана от Guardian, Financial Times, Washington Post и повечето сложни издателства — разделя ограничението за проследимост (бързо извличане от голям каталог) от ограничението за качество (точно и разнообразно класиране).

Решенията за студен старт, които действително работят

Проблемът със студения старт – новото съдържание няма данни за ангажираност, новите потребители нямат история – изисква специфичен дизайн, а не надежда, че основният модел за препоръки ще се справи с него.

За ново съдържание: Задайте първоначални препоръки въз основа на раздел/тема (статия, публикувана в раздел „Икономика“, се препоръчва на потребители с история на четене на „Икономика“), съвпадение на обекти (статии, споменаващи конкретни хора или компании, се препоръчват на потребители, които са чели за тези обекти) и последователност на автора (за издатели, където лоялността на автора е важна, новото съдържание от следван автор се показва на последователите незабавно).

За нови потребители: Фунията за регистрация е недостатъчно използван източник на данни за препоръки. Помоляването на новите потребители да изберат 3–5 теми, които ги интересуват, по време на регистрацията – вместо просто да съберат имейл адрес – създава изричен сигнал за предпочитания, който може да генерира препоръки още от първото посещение. Издателите, които събират тези данни, виждат значително по-добра релевантност на препоръките в ранните сесии, което корелира с по-висока ранна ангажираност и по-нисък ранен отлив.

За анонимни посетители: Контекстът на сесията на браузъра — какви статии са прочетени в текущата сесия — предоставя достатъчно сигнал за основни препоръки, базирани на сесия, дори без самоличност на потребителя. Моделите за препоръки за сесии, базирани на трансформатори (BERT4Rec и варианти), третират последователността от статии в текущата сесия като контекст и предсказват вероятни следващи статии. Те работят сравнително добре за издатели с висок анонимен трафик.

Как изглежда доброто: показателите, които имат значение

Издателите, които оценяват качеството на препоръките, често използват грешни показатели.

Честотата на кликване е най-често проследяваният показател за препоръки. Той е и най-малко полезен. CTR измерва дали потребителите кликват върху препоръки; той не измерва дали са прочели препоръчаната статия, дали са я намерили за ценна или дали препоръката е допринесла за решението им да се абонират.

Показатели, които наистина имат значение:

Процент на завършване на статии с препоръчано съдържание — дали потребителите, които са кликнали върху препоръка, са прочели статията докрай? Процентът на завършване е по-силен сигнал за качеството на препоръката от процента на кликване.

Процент на повторни посещения сред потребители, които са взаимодействали с препоръки — по-вероятно ли е потребителите, които взаимодействат с препоръки, да се върнат? Това свързва качеството на препоръките с резултатите от задържането на клиенти.

Процент на конверсия на абонамент по препоръчителния път — за издателите на абонамент, какъв е процентът на конверсия за потребители, които достигат до платената стена чрез препоръка, в сравнение с органична навигация? Системите за препоръки, които показват първокласно съдържание в моменти с висока вероятност за конверсия, би трябвало да показват измеримо увеличение на конверсиите.

Случайност и покритие — каква част от каталога се препоръчва? Представени ли са всички раздели, автори и теми или препоръките се концентрират върху малка популярна подгрупа? Метриките за покритие предпазват от системи за препоръки, които пренебрегват важна журналистика.

Измерване на въздържанието. Системите за препоръки са трудни за оценка без правилно проектирано въздържание – контролна група от потребители, които не получават персонализирани препоръки или вместо това получават базова линия (редакционно подбран списък). Без въздържание е трудно да се установи дали препоръката добавя стойност отвъд това, което потребителите биха намерили само чрез навигация.

Често срещани режими на отказ

Изграждане на модела преди инфраструктурата от данни. Моделите за препоръки се нуждаят от данни за събития на потребителско ниво: какви статии е чел всеки потребител, кога, за колко време, с каква дълбочина на ангажираност. Повечето издатели откриват, след като въведат система за препоръки, че тези данни не съществуват в използваема форма — данните за сесиите са в една система, идентичността на потребителя е в друга, метаданните на статиите са в трета, а обединяването им изисква инженеринг на данни, който не е бил планиран в бюджета.

Оптимизиране за грешен показател. Система за препоръки, оптимизирана за CTR, създава статии с примамливи заглавия. Система за препоръки, оптимизирана единствено за процент на завършване, предлага удобни дълги четения, а не новини. Целевата функция трябва да бъде претеглена комбинация от сигнали за ангажираност и бизнес резултати (конверсия на абонамент, повторно посещение), с изрично определени ограничения за разнообразие и редакционни ограничения.

Пренебрегване на редакционните намерения. Напълно автоматизираните препоръки без редакторски контрол създават системи, на които редакторите не се доверяват и не използват. Вграждането на редакционен контрол в системата за препоръки – възможността за показване на конкретни статии или поредици, за изключване на статии от препоръки, за увеличаване на скорошното първокласно съдържание – не е просто отстъпка на редакционната политика. То създава по-добри препоръки, защото редакторите знаят неща за качеството и важността на съдържанието, които сигналите за ангажираност не отчитат.

Не измерване на случайността. Най-ценното от търговска гледна точка нещо, което една система за препоръки може да направи за издател, работещ с абонамент, е да покаже на читателя статия, за която не е знаел, че я иска, от раздел, до който не би отишъл – и тази статия да е толкова добра, че да го накара да оцени абонамента си повече. Системите, които оптимизират само за релевантност, не постигат това. Ограниченията за разнообразие и новост в модела за класиране са начинът, по който го вграждате.

Как изглежда внедряването в различни мащаби

Под 100 000 активни потребители месечно: Система, базирана на съдържание, използваща вграждане на текст, вероятно е правилната отправна точка. Аудиторията е твърде малка, за да бъдат сигналите за съвместно филтриране смислени. Фокусирайте инженерството на данни върху изграждането на канал за събития на потребителско ниво – ще ви е необходим, когато растете.

100 000 до 1 милион активни потребители (MAU): Хибридна система става жизнеспособна. Започнете с двуетапна архитектура: извличане на базата на съдържание, прекласиране на сигнала за ангажираност. Това е осъществимо с малък екип за наука за данни и разумна инфраструктура.

Над 1 милион активни потребители (MAU): Сигналите за съвместно филтриране са значими. Оправдан е пълен двуетапен процес на извличане/класиране с вграждане на потребители, вграждане на съдържание и контекст на сесията. Персонализацията в реално време (актуализиране на препоръки, докато потребителят чете по време на сесията) става постижима. Оценките за склонност към абонамент могат да бъдат включени в модела за класиране.

Три съвременни съображения: Поверителност, LLM и изграждане срещу покупка

Три съображения, които не бяха част от стандартния наръчник преди пет години, станаха съществени за препоръките на издателите през 2026 г.

GDPR и профилиране

Системите за препоръки обработват лични данни и представляват „профилиране“ съгласно член 4 от GDPR — автоматизирана обработка за оценка на характеристиките на потребителите. За влезли в системата или регистрирани потребители обработката изисква законово основание (съгласие, изпълнение на договор или законни интереси съгласно член 6), с право на възражение срещу профилирането съгласно член 22, когато препоръката има значителни последици. За анонимни потребители препоръките, базирани на „бисквитки“, попадат под правилата за електронна поверителност/PECR — изрично съгласие обикновено се изисква за несъществени „бисквитки“, включително тези, използвани за персонализиране.

Средата за прилагане на профилирането, базирано на „бисквитки“, за периода 2024–2025 г. се е затегнала значително. Новите системи за препоръки трябва да бъдат проектирани спрямо настоящите очаквания за прилагане, а не спрямо по-хлабавата базова линия от 2020 г., върху която са изградили повечето издатели. Когато съгласието е правното основание, системата за препоръки трябва да се справи с липсата на съгласие грациозно — като се върне към редакционно куриране или неперсонализирани препоръки, базирани на популярност, за потребители, които отказват проследяване.

LLM като компоненти на препоръките

Големите езикови модели са се превърнали в полезни компоненти в системите за препоръки, но не и в заместители на традиционната инфраструктура. Ефективни приложения през 2026 г.:

• Генериране на висококачествени вградени съдържание — заместване или допълване на Sentence-BERT на етапа на извличане с вграждания, получени от LLM, които улавят по-нюансирано сходство на съдържанието.
• Прекласиране на препоръките за кандидати, използвайки оценяване, базирано на LLM, с изрични редакционни критерии — например, като се поиска от LLM да класира кандидатите по „би ли тази статия изненадала читател, който вече се интересува от X?“.
• Генериране на персонализирани обяснения защо дадена статия е била препоръчана („защото сте чели за лихвените проценти миналата седмица“), което съществено подобрява доверието на потребителите в препоръките.
• Препоръка за „нулев опит“ за потребители, които стартират на студен начин, базирана на описания на интереси на естествен език, заснети по време на регистрацията.

Неефективни приложения: замяна на пълния конвейер за препоръки с LLM. Профилът на латентност, цена и надеждност все още не съответства на традиционните модели за препоръки в реално време с голям обем. Моделът 2026 е хибриден — традиционни модели за извод по горещ път, LLM за генериране на кандидати офлайн, обяснения и гранични случаи.

Доставчик срещу изграждане

Много издатели купуват инфраструктура за препоръки, вместо да я изграждат. Доставчици на различни етапи: Outbrain и Taboola за рециркулация на съдържание и монетизация на трафика; Recombee, RTB House и подобни за персонализиране с общо предназначение; инструменти от клас Piano и Sailthru за препоръки, фокусирани върху абонамент, и маркетинг на жизнения цикъл.

Доставчиците са по-бързи за внедряване и предлагат по-ниски първоначални разходи – полезно за издатели под 1 милион активни потребители (MAU), където препоръката не е стратегически диференциращ фактор. „Изграждането“ е правилно, когато препоръката е от основно значение за продуктовата ви стратегия, когато имате значими възможности за анализ на данни и когато вашите редакционни изисквания (разнообразие, оптимизация на конверсиите, представяне на първокласно съдържание) не отговарят на стандартната конфигурация на доставчика. Хибридният модел – изграждане на слоя за класиране с персонализирани редакционни функции, закупуване на инфраструктура за търсене – е все по-често срещан при средните по мащаб издатели.

Издателите, които дават правилните препоръки, не са тези с най-сложните модели. Те са тези, които първо са изградили инфраструктурата от данни, след това са избрали правилните показатели и са запазили редакционния контрол през целия цикъл.

Заключение: Какво трябва да направят издателите след това

Препоръката на издателя е една от инвестициите в изкуствен интелект с по-висок ливъридж, достъпни за дигиталните издатели, но този ливъридж е обусловен от правилното внедряване. Системите, които успяват, споделят три структурни характеристики: инфраструктура от данни, изградена преди моделите, показатели, които отразяват бизнес резултатите, а не суетната ангажираност, и редакционен контрол, запазен в цикъла. Системите, които се провалят, споделят различен модел: фокус върху усъвършенстването на модела, докато качеството на данните, дизайнът на показателите и редакционната интеграция се третират като последващи мисли.

За издателите, които оценяват инвестиция в препоръки през 2026 г., три практически препоръки:

1. Първо проверете данните си. Преди да пуснете в експлоатация система за препоръки, проверете дали данните за събития на потребителско ниво – свързването на данни от сесията с потребителската идентичност и метаданните на статията – са налични и могат да бъдат заявени. Ако не, това инженерство е първият ви проект, а не вторият.
2. Изберете метриката преди модела. Решете как изглежда успехът (процент на завършване, процент на повторни посещения, конверсия на абонаменти, покритие) и изградете инфраструктурата за измерване – включително и възможност за изчакване – преди да започнете обучението. CTR по подразбиране е най-честата причина, поради която системите за препоръки се провалят в търговския сектор.
3. Съобразете архитектурата с мащаба. Не изграждайте колаборативно филтриране за аудитория от 50 000 MAU. Не внедрявайте система, базирана на съдържание, самостоятелно при 5 милиона MAU. Правилната архитектура е функция от размера на вашата аудитория, оборота на съдържанието ви и вашите редакционни цели, а не от най-новата научна статия.

Издателите, които печелят въз основа на препоръки, имат несправедливо предимство: повечето доставчици на общи препоръки се отнасят към издателите като към сайтове за електронна търговия и в резултат на това се представят по-зле. Изграждането – или внимателното персонализиране – на препоръки спрямо действителната структура на потреблението на новини (висок оборот на съдържание, слаба имплицитна обратна връзка, редакционни намерения, цели за конверсия на абонамент) е истински търговски ров. Работата е по-трудна от избора на доставчик и включването му; предимството, ако се направи добре, е значително по-добра ангажираност, задържане и конверсия на абонамент в сравнение с това, което е налично на склад.

Където се вписва Vector Labs

Vector Labs изгражда системи за препоръки и персонализация за дигитални издатели, включително оптимизация на конверсията на абонаменти и изкуствен интелект за задържане на читатели. Работим с издатели в три аспекта: определяне на обхвата (оценка на мащаба на аудиторията, решения за изграждане/покупка, проектиране на показатели), инфраструктура от данни (канал за събития, изграждане на потребителски профил, метаданни за съдържанието, инфраструктура за A/B тестване) и моделиране (двуетапно извличане/класиране, LLM интеграция, контрол на разнообразието и редакционния контрол, персонализация в реално време).

Ако оценявате инвестиция с препоръка и искате да разберете какво е подходящо за вашия мащаб, свържете се с нас на vector-labs.ai .

За свързана работа вижте по-подробната ни статия за изкуствения интелект в медиите и издателската дейност: Как да задържим абонати с машинно обучение или нашия преглед на медийната и издателската индустрия .