Миллионы пользователей слушают любимых артистов в приложении Звук. На текущий момент при онбординге пользователю показываются артисты, которых он, с наименьшей вероятностью, дизлайкнет – как правило, это наиболее популярные исполнители. Рекомендации подключаются только после клика по артисту. Для того чтобы улучшить показываемый список и качество онбординга, мы пробуем разные сегментации. Одна из них — попробовать сегментировать пользователей на основе их интересов.

Таким образом, перед нами встала задача: используя эмбеддинги экосистемы, которые отражают интересы пользователя, выявить применимость кластеризации и, в случае ее применимости, составить кластеры и описать их с точки зрения популярности исполнителей и их жанров.

Расскажу, как мы это решили, какие инструменты использовали. Поделюсь, с какими сложностями мы столкнулись и к каким выводам пришли. Доклад будет полезен для бизнес- и дата-аналитиков, которые работают с большими данными (в том числе данными бизнес-партнеров и т.д.).