Как KION формирует в Realtime персональные рекомендации и витрины Архитектура
Исполнительный директор в ПАО Сбербанк, Дивизион платформы генеративного ИИ.
15+ лет в backend-разработке, руководитель инженерных команд. Ex Stream CTO KION, прошёл путь от senior-разработчика до руководителя направления: занимался построением высоконагруженных систем, вёл направления backend, данных и A/B-экспериментов, отвечал за highload-архитектуру, платформу данных и персональные витрины. Ex лидер Python-гильдии и TechMaster MWS. Внедрял DORA, OKR, performance review; запускал AI-агентов для автотестов и ускорения code review; растил «продуктовых» разработчиков (dev + QA + analyst)
Тезисы
Расскажу, как контент в KION попадает в рекомендации, на персональные витрины, как мы разрабатывали ТВ-витрину. А еще про самые интересные бизнес-правила и как редакция помогает растить смотрение.
В KION есть элемент «блендер». Он формирует витрину, используя разные источники, применяет свыше 50 бизнес-правил, и все это — быстрее, чем за 300 мс для каждого запроса. При этом рекомендации и витрины формируются максимально релевантные пользователю. Например, просмотренный фильм больше не покажется на витрине. Или если пользователь несколько раз не реагирует на постер фильма, витрина предлагает ему другой, чтобы пользователь с большей вероятностью обратил внимание на тайтл. Все это строго персонально и очень быстро.
