Современные рекомендательные системы формируют портреты пользователей на основе неявных данных. Алгоритмы анализируют историю прослушиваний, маршруты в картах и поисковые запросы. Система ищет закономерности среди миллионов пользователей: например, если покупатели кроссовок часто ищут спортивные часы, сервис предложит их другим клиентам со схожим поведением.
Избыточная точность рекомендаций может вызывать у пользователей ощущение слежки и потерю контроля. Исследование крупного стримингового сервиса показало, что большинство людей не понимают принципы работы персонализации, что снижает доверие к продукту. Дизайнеры внедряют «объяснимую персонализацию», добавляя пояснения к контенту, например, «Потому что вы смотрели...».
Рекомендательные системы делятся на четыре типа: ручную, поведенческую, контекстную и предсказательную. Дизайнеры интерфейсов отвечают за то, чтобы подача рекомендаций была уместной и прозрачной. Важно учитывать момент показа, чтобы не раздражать пользователя, например, во время оформления заказа или просмотра фильма.
В 2026 году компания начала расширение штата. После публикации вакансии за первые два дня поступило более 400 откликов. После первичной фильтрации заявок у работодателя осталось около 300 кандидатов для проведения собеседований.
