Рекомендации на Авито: как работает алгоритм, что влияет и можно ли на него повлиять

Рекомендации на Авито — это персонализированная лента объявлений, которая формируется для каждого пользователя индивидуально. В отличие от поиска, где пользователь сам задаёт критерии, рекомендательная система сама подбирает предложения на основе истории интересов. Для продавцов это важный канал трафика, особенно в конкурентных нишах, где пробиться через поисковую выдачу сложно. Разберём, как устроен этот механизм изнутри и что можно сделать, чтобы объявление попало в рекомендации.

Что такое рекомендации на Авито

Рекомендательные технологии — это самообучаемая система, которая анализирует поведение пользователя на платформе за последний месяц и формирует подборку наиболее релевантных объявлений. Цель системы — сократить путь пользователя к нужному предложению и показать товары, которые с высокой вероятностью его заинтересуют.

Рекомендации отображаются в нескольких местах:

• Главная страница сайта и приложения — бесконечная лента объявлений
• Карточка объявления — блок «Похожие объявления»
• Профиль пользователя — в мобильной версии

Пользователь не ограничен рекомендациями и всегда может воспользоваться фильтрами и сортировкой, например по дате публикации или цене.

Как работает алгоритм: техническая кухня

Система рекомендаций Авито обрабатывает порядка 200 000 запросов в минуту и выбирает из примерно 100 миллионов активных объявлений. Алгоритм работает в несколько этапов.

Этап 1: Сбор пользовательских данных

Система обращается к внутреннему хранилищу истории действий и собирает агрегированный профиль интересов пользователя. Какие данные учитываются:

• Просмотренные категории и подкатегории товаров
• Поисковые запросы
• Объявления, добавленные в избранное
• Контакты с продавцами (сообщения, звонки)
• Регион поиска
• Время просмотра конкретных объявлений
• Сотни других характеристик и параметров

На основе этих данных формируется ключевой интерес — набор категорий и подкатегорий, которые пользователь изучал в последнее время. Например: детская одежда, товары для рукоделия, услуги ремонта.

Этап 2: Поиск кандидатов

Несколько ML-моделей первого уровня независимо друг от друга строят гипотезы о том, какие объявления могут заинтересовать пользователя. Каждая модель использует свой алгоритм машинного обучения. Результаты объединяются в общий список кандидатов.

Этап 3: Фильтрация

Из полученного списка исключаются:

• Неактивные объявления
• Объявления, которые пользователь уже просматривал
• Предложения, не соответствующие региону поиска

После фильтрации остаётся около 3000 объявлений на одного пользователя.

Этап 4: Ранжирование

Для каждого объявления-кандидата система загружает около 50 характеристик: заголовок, цену, категорию, полноту описания, качество фотографий и другие параметры. Эти данные подаются на вход финальной ML-модели (CatBoost), которая ранжирует объявления в реальном времени — от наиболее релевантных к наименее.

Этап 5: Бизнес-логика и выдача

На финальном этапе применяется бизнес-логика: объявления с оплаченными услугами продвижения получают дополнительный буст (boost VAS) и поднимаются в ленте. Также учитывается уровень сервиса продавца: высокий уровень повышает шансы на попадание в рекомендации, низкий — ограничивает.

Что влияет на попадание в рекомендации

На основе архитектуры системы можно выделить несколько групп факторов, которые определяют, увидит ли пользователь конкретное объявление в своей ленте.

1. Поведенческий фактор

Это главный сигнал для алгоритма. Система отслеживает, как пользователи взаимодействуют с объявлением:

• CTR — доля пользователей, кликнувших на объявление, среди всех, кто его увидел
• Контакты — количество сообщений и звонков продавцу
• Избранное — добавления в избранное
• Глубина взаимодействия — просматривает ли пользователь другие объявления продавца

Объявления, которые вызывают устойчивый интерес у аудитории, получают больше показов. И наоборот — если пользователи пролистывают объявление, не кликая, его позиции в рекомендациях снижаются.

Важный нюанс: поведенческий фактор — это не накрутка. Алгоритм обучен отличать органический интерес от искусственного. Массовые накрутки кликов и сообщений без реальных сделок могут не дать эффекта или даже привести к санкциям.

2. Качество объявления

При финальном ранжировании система анализирует около 50 характеристик каждого объявления. Наиболее значимые из них:

• Заголовок — должен быть информативным и содержать ключевые слова
• Фотографии — первое фото особенно важно, так как именно оно отображается в ленте рекомендаций
• Описание — подробное, с характеристиками товара и условиями сделки
• Цена — адекватная рыночной ситуации
• Полнота заполнения — чем больше полей заполнено, тем лучше

3. Уровень сервиса продавца

Авито присваивает продавцам уровень сервиса на основе нескольких критериев: скорость ответа, процент успешных сделок, наличие жалоб и возвратов. Высокий уровень сервиса напрямую увеличивает шансы объявлений на попадание в рекомендации и на карты. Низкий уровень, напротив, ограничивает видимость.

4. Платные инструменты продвижения

Оплаченные услуги продвижения (премиум-размещение) дают дополнительный приоритет в ленте рекомендаций. Это встроено в бизнес-логику на финальном этапе ранжирования — объявления с активным продвижением получают буст и поднимаются выше.

5. Актуальность объявления

Неактивные объявления исключаются из рекомендаций. Система отслеживает, обновляется ли объявление, отвечает ли продавец на сообщения, совершаются ли сделки. «Мёртвые» объявления, которые висят месяцами без активности, перестают показываться в рекомендациях.

Рекомендации vs. поиск: в чём разница

Механика рекомендаций принципиально отличается от поисковой выдачи. Понимание этих различий помогает выстроить правильную стратегию.

Критерий	Поиск	Рекомендации
Кто управляет	Пользователь задаёт запрос	Алгоритм подбирает сам
Что влияет	Релевантность запросу, ПФ, цена, качество	История интересов пользователя, поведенческий фактор
Персонализация	Одинаковая выдача по одному запросу	Индивидуальная лента для каждого
Контроль продавца над показом	Относительно высокий	Ограниченный
Влияние креатива	Можно A/B-тестировать фото и текст	Алгоритм сам выбирает, как показать объявление

Как понять, что объявление попало в рекомендации

Авито не показывает отдельную метрику «просмотры из рекомендаций» в стандартной статистике. Однако есть косвенные признаки, по которым можно определить, что объявление «залетело в реки»:

• Резкий рост просмотров без очевидной причины (не менялась цена, не обновлялось объявление)
• Падение конверсии в контакт — рекомендации привлекают более холодный трафик: пользователи смотрят, но реже пишут или звонят
• Отклонение от конкурентов — если объявление получает кратно больше просмотров, чем аналогичные предложения конкурентов (отслеживается через парсеры)

Если объявление действительно попало в рекомендации, рост просмотров будет значительным и заметным на фоне конкурентов.

Практические рекомендации для продавцов

1. Максимально заполняйте объявление

Чем больше информации получает алгоритм на этапе ранжирования, тем точнее он может оценить релевантность объявления. Заполняйте все доступные поля: подробное описание, характеристики, условия сделки, регион доставки. Добавляйте качественные фотографии — особенно первое изображение, которое видно в ленте.

2. Работайте над поведенческим фактором

Поскольку CTR и контакты — ключевые сигналы для системы рекомендаций, уделяйте внимание тому, чтобы объявление было «кликабельным». Привлекательное первое фото, информативный заголовок, адекватная цена — всё это повышает вероятность клика. Быстро отвечайте на сообщения — скорость реакции тоже часть поведенческого фактора.

3. Поддерживайте активность

Обновляйте объявления, следите за их актуальностью. Неактивные объявления, которые висят без движений неделями, исключаются из рекомендаций. Если товар не продаётся — возможно, стоит пересмотреть цену, обновить фото или описание.

4. Следите за уровнем сервиса

Высокий уровень сервиса — один из немногих факторов, на которые продавец может влиять напрямую и который гарантированно учитывается алгоритмом. Быстрые ответы, минимум жалоб и возвратов, успешные сделки — всё это повышает рейтинг продавца и шансы на попадание в рекомендации.

5. Используйте платное продвижение

Если органического трафика недостаточно, услуги продвижения дают дополнительный буст в ленте рекомендаций.

6. Сравнивайте себя с конкурентами

Используйте парсеры и аналитические инструменты, чтобы отслеживать просмотры конкурентов в вашей нише. Если объявление резко обходит всех по просмотрам — скорее всего, оно попало в рекомендации. Если стабильно отстаёт — пора пересмотреть стратегию.

Что не работает: распространённые заблуждения

Заблуждение 1: «Накрутка ПФ решит все проблемы»

Стандартные методы накрутки поведенческого фактора (ПФ) оптимизированы под поисковую выдачу, а не под рекомендации. Алгоритм рекомендаций использует иные сигналы и обучен отличать естественный интерес от искусственного. Накрутка без реальных сделок, скорее всего, не даст устойчивого результата.

Заблуждение 2: «A/B-тесты креативов работают в рекомендациях»

В отличие от поиска, где продавец полностью контролирует отображение объявления, в рекомендациях алгоритм сам решает, какие элементы показать. Тестирование разных вариантов текста или призывов к действию имеет ограниченный эффект, потому что система может просто не использовать эти элементы при показе.

Заблуждение 3: «Пересоздам объявление — поднимется в топ»

Алгоритм рекомендаций не привязан к дате публикации так же сильно, как поиск. Он анализирует совокупность характеристик: историю взаимодействия пользователя, качество объявления, поведенческий фактор. Простое пересоздание того же самого объявления не гарантирует попадания в рекомендации.

Заблуждение 4: «Можно закрепиться на первом месте»

Рекомендации персонализированы — у каждого пользователя своя лента. Одно и то же объявление не может быть «на первом месте» для всех. Алгоритм также учитывает психологический фактор: если пользователь редко кликает на первые объявления, система может показать предложение чуть ниже — так оно вызывает больше доверия.

Итоги

1. Рекомендации — это персонализированная система, которая формирует ленту на основе месячной истории действий пользователя, а не универсальный рейтинг объявлений.
2. Поведенческий фактор — главный двигатель. CTR, контакты, добавления в избранное — ключевые сигналы, по которым алгоритм оценивает интерес к объявлению.
3. Качество имеет значение. Около 50 характеристик каждого объявления анализируются на этапе финального ранжирования. Полнота заполнения, хорошие фото и адекватная цена — базовые условия.
4. Уровень сервиса напрямую влияет на видимость. Продавцы с высоким рейтингом получают приоритет в рекомендациях.
5. Контроль продавца ограничен. В отличие от поиска, где можно управлять креативами и ставками, в рекомендациях алгоритм самостоятельно принимает решение о показе. Накрутка и микро-оптимизации здесь менее эффективны.
6. Рекомендации и поиск — разные каналы. Не стоит применять одни и те же методы для их оптимизации. Для высококонкурентных ниш рекомендации могут быть единственным способом получить трафик — и к ним нужен отдельный подход.