Новый клип. 0 просмотров. 0 лайков. Кому его показать?

Это и была задача на соревновании VK RecSys Challenge: найти 100 пользователей из 10 млн, которые с наибольшей вероятностью посмотрят новый клип и поставят лайк.

Главная сложность — клипы появляются на платформе впервые, поэтому по ним нет данных о взаимодействиях.

Наш коллега Никита Трифонов справился с заданием лучше всех и занял 1 место 🏆

Главный урок: иногда выигрывает не самая модная модель, а проверенная временем классика.

На карточках разбираем постановку задачи, особенности датасета и подход, который привёл к победе 🔼

#aaa_experts

Что ни день, то хакатон непростая задачка!

Как найти нужную сцену в фильме за секунду? На хакатоне от ЦУ × ИТМО участникам нужно было разработать систему, которая по описанию пользователя находит конкретный фрагмент фильма или отвечает на вопросы по сюжету. Задача усложнялась тем, что работать нужно было сразу с видео и текстом, без готовых решений и с жёстким ограничением по времени ответа.

Наши коллеги Андрей Мирошниченко и Тимофей Лисоченко вместе с сокомандниками — Тимуром Захаровым (МИСИС, CV-инженер в Х5) и Семёном Исаевым (РАНХиГС, DS в Сбере), предложили решение и забрали первое место 🏆

На карточках разбираем задачу, подход и стратегию, которая в итоге привела к победе 🔼

#aaa_experts

Пришли хвастаться 👀

Забрали победу на FINNEXT 🏆

Стали победителем в номинации «Маркетинг» с проектом «AI-платежный прорыв: автоматизация обязательных платежей с динамическим ML-кэшбэком»

Что сделали 👇

Во-первых, разобрались, кому вообще нужен кэшбэк, а кто готов и проводить оплату по бесплатному офферу. Во-вторых, научились по внешним данным находить реквизиты для подписки клиентов на выставление счета ЖКУ без участия клиента.

А дальше команда разработала ML-модель, которая анализирует клиентскую базу и для каждого пользователя оценивает вероятность отклика и чувствительность к размеру кэшбэка. Она выделяет тех, кто активируется без оффера, исключает их из кампаний и направляет бюджет на целевых клиентов.

В итоге модель рассчитывает персональный кэшбэк и управляет экономикой кампании на основе данных.

Что изменилось 🔽

📈 Отклик вырос в 3,2 раза
💸 СРА снизился более чем на 10%
👥 База платящих клиентов +20%
📉 Отток снизился

Гордимся проектом, спасибо команде за результат 🚀

#aaa_hardposting

Как поймать мошенничество в потоке транзакций? 🕵️‍♂️

Ответ на этот вопрос уже готов у Никиты Трифонова, главного эксперта по интеллектуальному анализу данных!

В Data Fusion Contest 2026 от ВТБ участникам нужно было решать задачу антифрода в реальном времени и находить подозрительные операции среди миллионов транзакций. Никита Трифонов взял 2 место среди 574 команд, а сейчас разбирает задачу и рассказывает о подходе к решению 🔼

#aaa_experts