Як працюють алгоритми у дейтингових застосунках. Інтерв’ю із СЕО IT-компанії Quarks

Іван Ролік — СЕО продуктової IT-компанії Quarks, яка створює продукти у галузі Social Discovery & Dating. Головний продукт компанії —  застосунок для онлайн-знайомств Kismia, який завантажили понад 51 млн користувачів. SPEKA розпитала про залаштунки застосунків для знайомств, монетизацію, конфіденційність та виклики у розбудові дейтинг-продукту. 

Система підбору користувачів — це технічно складне рішення на основі великої кількості даних. Вона враховує інформацію з профілю користувачів та обробляє сотні параметрів. Якщо користувач щось змінює чи доповнює, дані оновлюються у режимі реального часу. 

Крім того, ми аналізуємо активність юзерів на сайті, їхню поведінку та дані з пошуку. Наприклад, якщо людина не вказала геолокацію, то система врахує місто, яке вона зазначила у пошуку, аби підібрати релевантного співрозмовника. 

На пріоритетність впливає низка параметрів. Насамперед територіальна близькість одне до одного та активність.

Користувачі можуть впливати на роботу алгоритму поведінкою в застосунку. Співрозмовників підбирають не лише за базовими параметрами, а й відповідно до того, наскільки активно людина користується продуктом, скільки часу проводить в онлайні, кого лайкає тощо. Якщо, наприклад, певний профіль одержав негативну реакцію, то система відфільтрує схожі й не показуватиме їх користувачеві. 

Ми використовуємо багато критеріїв для відбору потенційних партнерів, які враховують різні аспекти особистості та інтересів користувачів. Наші алгоритми не базуються лише на одній ознаці, тож ризик упереджень чи дискримінації зведений до мінімуму. Навіть якщо юзер матиме упередження щодо конкретної групи людей, це не вплине на шанси останніх знайти вдалий метч. 

Так, ми враховуємо, що жінок у застосунках менше, а активність чоловіків більша. До того ж жінки рідше пишуть першими, тож складність роботи у ніші в тому, щоб заохотити людей спілкуватися та збалансувати активність користувачів у продукті. 

Підписуйтеся на наші соцмережі

Подібний дисбаланс важко вирішити лише механіками підбору. Потрібні ще й продуктові зміни. Наразі ми експериментуємо з подібними підходами та тестуємо гіпотези. 

Модерація та безпека даних в дейтингових застосунках

Зображення перевіряються за допомогою низки ML-моделей та команди модерації. Ми послуговуємося і загальнодоступними нейронками, і тими, які створили у компанії. Вони перевіряють більшість контенту автоматично, а фото, де даних для ухвалення остаточного рішення недостатньо, надсилають на ручну модерацію. 

Спочатку фото проходить через ML-моделі, кожна з яких додає до світлини свої метадані. Наприклад, чи є на фото обличчя або яка ймовірність, що світлина містить небезпечний контент. Далі на їх основі ухвалюють рішення: відхилити фото, автоматично схвалити його або ж одразу відправити на ручну перевірку. Фотографії, які схвалюються автоматично, додатково проходять процес постмодерації, який дає змогу побачити можливі помилки ML-моделей і покращити наші внутрішні рішення.

Також у продукті є фотоверифікація, вона допомагає перевіряти особу користувача. Сервіс показує жест руками чи вираз обличчя, а користувачу потрібно його повторити, сфотографуватися і завантажити фото. Так ми перевіряємо, чи дійсно цей користувач — людина і чи справжні фото відображені в акаунті. 

Анкети користувачів дійсно містять чутливу особисту інформацію, тож ми докладаємо багато зусиль для безпечного передавання та зберігання цих даних. До прикладу, використовуємо підхід Continuous Security, в основі якого — постійний моніторинг, оцінювання та вдосконалення заходів безпеки упродовж усього циклу розроблення та експлуатації системи. Також ми регулярно проходимо аудит та pentesting на вразливість системи. 

Аналіз аудиторії в додатках для знайомств

Нові користувачі з’являються у застосунку завдяки маркетинговим та брендовим активностям, а також виходу на нові ринки. У маркетингу основні канали залучення — це Google, Facebook, TikTok та інші глобальні майданчики. Ми тестуємо різні креативні концепції, аналізуємо результати та масштабуємо найбільш вдалі. 

Перед тим як заходити у нову країну, ми проводимо дослідження та оцінюємо, наскільки успішно застосунок може працювати там. Вивчаємо ринок, аналізуємо статистику від партнерів (серед них, наприклад, Google та Facebook) та визначаємо, яку частину маркетингових витрат виділимо. Стартуємо зазвичай із найбільших міст, запускаємо кілька рекламних кампаній, аби максимально стимулювати активність користувачів. На українському ринку працюємо через пошук нових рекламних концепцій та колаборації з інфлюенсерами. 

Проведення повноцінного дослідження споживачів потребує багато часу та інвестицій, тож часто продуктові компанії бояться проводити дослідження та більше покладаються на найкращі практики ринку. З одного боку, це виправдано, а з іншого — навіть невеликі дослідження дають змогу пришвидшити пошук правильних інсайтів і гіпотез.

Натепер ми послуговуємося саме такими дослідженнями і робимо їх «під проблеми». Проводимо користувацькі інтерв’ю та відповідно до фідбеку формуємо гіпотези, які можуть покращити продукт. Іноді ми спілкуємося з людьми, які не користуються нашим застосунком, аби зрозуміти потреби та визначити, чи можуть вони стати нашою цільовою аудиторією. 

Для нас як для продукту, що працює у багатьох країнах, подібні ресерчі — корисний інструмент для локалізації. Він дає змогу висувати гостріші та коректніші гіпотези за коротший час, що впливає на кількість та якість тестів і, головне, на розмір інвестицій.

Насправді їх було доволі багато. Запускати дейтингові сервіси складно, адже для успішної роботи завжди потрібна певна кількість онлайн-юзерів. І хоча на момент запуску застосунків ми вже мали певні знання, викликів було багато, зокрема, в утриманні та поверненні юзерів. 

Відсутність потужної аналітики не дозволяла ухвалювати якісні рішення щодо A/B-експериментів — частково ми рухалися наосліп. На перших етапах продукту потрібно вижити, а це робота у борг — технічний та продуктовий. Загалом це був період  постійних складних рішень та браку часу на розроблення якісних сервісів та побудову процесів. 

Ми визначаємо успішність метчів через глибину діалогу та кількість повідомлень, якими обмінялися користувачі. Оцінити, чи вдалося їм піти на побачення чи знайти пару складно, наразі ми не збираємо такий фідбек. 

Як працює монетизація в Kismia 

За десять років ми багато експериментували з монетизаційними моделями, та підписка нині залишається ключовою. Kismia доступна у багатьох країнах, тож тарифна сітка відрізняється залежно від ринку. Підписка може коштувати від кількох до кількох десятків доларів.

Раніше ми експериментували з рекламною моделлю, проте для нас вона не надто ефективна. Зараз ми намагаємося міксувати підписку з транзакційною моделлю. Користувачу пропонують додаткові продуктові сервіси, які можна купувати та використовувати й без преміуму.  

Підписка дає людині більше можливостей, зокрема, більше уваги до анкети. Профайл буде показуватися частіше, тож користувач зможе швидше знайти співрозмовника, з яким буде найбільше спільного й найбільш ймовірно розпочнеться спілкування. Така практика є не лише у нас, а й в інших продуктах. У безкоштовній версії користувачам доступний основний функціонал, тож за достатньої активності вони також можуть знайти свій ідеальний метч. 

Ми експериментували із цим способом монетизації, але він залишився лише на певних платформах. Натепер ми більше використовуємо підписки разом із транзакційною моделлю.

Підписуйтеся на наші соцмережі