Если вы это видите, значит я сейчас выступаю на ProductSense и делюсь материалами и ссылками со своего доклада.

А именно презой и ссылками на примеры использования поведенческих метрик для персонализированной адаптации коммуникации с пользователями продуктов:

Benefit Cosmetics - использовала AI-триггеры в email-кампаниях, посылая сообщения на основе действий пользователя

Результаты:
•CTR: +50?%
•Рост дохода: +40?%

RealVNC использовала Lift AI для анализа намерений посетителей и запуска pop-up сообщений на основе высоких оценок интереса.

Результаты:
•+94?% CTR
•+71?% конверсий через чат с HubSpot
•2.16? эффективность продажной команды
+33?% CTR в ремаркетинге +?67?% снижение CPL

TFG внедрила AI-чатбот, который своевременно реагировал на действия пользователей во время Black Friday.

Результаты:
•Рост конверсии на сайте: +35,2?%
•Увеличение дохода на визит: +39,8?%
Снижение показателя ухода (exit rate): –28,1?%


Ноябрь 2024 — «одна запрещенная в России социальная сеть» представила новое ядро для рекомендательной системы, основанное на sequence learning:

- в новой структуре важную роль играют event-based features (EBF) — структурированные поведенческие события (например, просмотр рекламы, лайк, оформление страницы и т.д.), включающие не только ID события, но и семантику, категорию и timestamp

- преимущество: лучшая репрезентация цепочек поведения и динамики интересов, что значительно повышает качество персонализации рекламы

Ранжирующий алгоритм «Одной запрещенной
в России социальной сети» : сигналы, предсказания, релевантность
Апрель 2025 — алгоритм  (и рекомендательная выдача) функционирует через четыре этапа:

1.Инвентарь — что доступно для показа.

2.Сигналы — пользовательские и контентные метрики: тип контента, взаимодействия, время, частота и длительность просмотров и т.д.

3. Предсказания — оценка вероятности лайка, комментария, акции, клика и т.д.

4. Релевантность — на основе предсказаний контент получает релевантный скор (ранжирование).
Итог: более релевантный, персонализированный фид.