«Яндекс» объединил рекомендательные алгоритмы в одну ИИ-модель

Первым продуктом для полноценного тестирования Sona стали музыкальные рекомендации в умных колонках с Алисой. В течение недели новая модель полностью заменила действующую систему.

По итогам эксперимента время прослушивания рекомендованных треков в тестовой группе выросло на 6,3%, количество просьб повторить композицию увеличилось почти на 18%, а аудитория активных слушателей прибавила 4,5%. Последний показатель оказался в 2,4 раза выше эффекта от предыдущего обновления рекомендаций.

Отличие Sona от прежнего подхода заключается в сокращении количества самостоятельных этапов обработки. Классические рекомендательные системы используют отдельные модели для поиска кандидатов, их оценки и последующего ранжирования, причем каждую часть приходится обучать и настраивать отдельно. Sona анализирует историю действий пользователя и формирует итоговую рекомендацию внутри одной модели.

Разработка продолжает технологическую линию, которую «Яндекс» развивает больше десяти лет. В 2025 году компания начала внедрять генеративную систему ARGUS, которая анализирует более длинную историю действий пользователей, а в 2026 году стала использовать архитектуру Gryphon, объединяющую часть этапов формирования рекомендаций. Sona расширяет этот подход уже до полного цикла.

Экономический эффект таких систем для цифровых сервисов определяется изменением пользовательской активности и последующей монетизации.

«Яндекс» ранее сообщал, что внедрение новых рекомендательных технологий в Музыке увеличило частоту добавления новых исполнителей и треков в коллекцию на 20%, а в Маркете пользователи во время тестов стали на 3% чаще добавлять в корзину товары из рекомендаций.

В рекламной системе применение ARGUS позволило компании увеличить общую эффективность нейротехнологий по итогам 2025 года на 38%.