Product Owner · SWR/ARD · 2024 – 2025 · Baden-Baden → Stuttgart
Silnik rekomendacji AI dla SWR.de
Kontekst
Na swr.de artykuły publikowane są w różnych działach, takich jak sport, wiedza, tematy lokalne i inne. Pod każdym artykułem znajduje się blok dalszych rekomendacji. Do tej pory były one ręcznie utrzymywane przez redaktorów: pracochłonne, nieskalowalne i niedostosowane do specyfiki działów.
Problem
Ręczne rekomendacje oznaczały duży wysiłek redakcyjny w obszarze, który algorytmicznie można rozwiązać lepiej. Jednocześnie standardowy silnik rekomendacji nie pasuje idealnie do takiego ustawienia, bo każdy dział ma inne sygnały relewancji. W sporcie liczy się aktualność, w wiedzy bliskość semantyczna, w tematach lokalnych geografia.
Ograniczenia
Istniejące workflow redakcyjne nie mogły zostać przerwane. Wyniki musiały być zrozumiałe i możliwe do wpływania przez redakcję. Wagi relewancji, takie jak czas, semantyka, lokalizacja i tagi, różnią się między działami. Do tego dochodziły standardy ochrony danych mediów publicznych.
Podejście
Przejęliśmy istniejący model AI i dostroiliśmy go kategoriami. Główna idea: różne działy potrzebują różnych funkcji celu. Sport: dominująca aktualność. Wiedza: dominująca semantyka i tagi. Lokalność: dominująca lokalizacja. Równolegle zbudowaliśmy własne narzędzie A/B testing, w którym redaktorzy oceniali i porównywali rekomendacje jako przedstawiciele odbiorców. Oceny wracały do fine-tuningu.
Rozwiązanie
Silnik rekomendacji AI działający na żywo na swr.de, z wagami specyficznymi dla działów i redakcyjną pętlą A/B testing do ciągłego fine-tuningu.
Wyniki
Ręczne utrzymywanie rekomendacji przez redakcje zostało zastąpione silnikiem. Konkretne liczby kliknięć nie są publiczne.
Wnioski
Dobry silnik rekomendacji dla wydawcy nie jest jednym modelem do wszystkiego. To framework, w którym każdy dział dostaje własną funkcję celu. Redakcja jako aktywna część ewaluacji to dźwignia, na której wiele projektów się wykłada.