Стриминг: рекомендации проваливаются на новых пользователях

Ситуация: У новых пользователей (первые 7 дней) CTR по рекомендациям и D7-retention заметно ниже, чем у «старых». Подозрение на cold-start: системе нечем персонализировать. Нужно подтвердить и предложить решение.

Cold-start — рекомендательная система не знает вкусов нового пользователя (нет истории просмотров). Коллаборативная фильтрация требует взаимодействий; для новичков она вырождается в «популярное всем», что слабо цепляет.

Доступные данные

• users: user_id, signup_at, source, onboarding_genres (выбранные при регистрации)
• impressions: user_id, item_id, shown_at, position, clicked (bool)
• plays: user_id, item_id, started_at, watch_seconds, item_duration
• items: item_id, genre, release_year, popularity_score

Задачи

• Сравнить CTR и completion rate рекомендаций у когорт по «возрасту» аккаунта (день 0-7 vs 8+).
• Проверить, заполнен ли onboarding_genres и помогает ли он (CTR с выбором жанров vs без).
• Оценить, насколько рекомендации новичкам = просто топ-популярное (разнообразие).
• Гипотеза: content-based bootstrap по onboarding-жанрам поднимет ранний CTR.

Все кейсы для подготовки → ← Все кейсы