На пути к большой цели по развитию Поиска в Звуке мы преодолели важную веху, о которой ниже рассказано подробнее. Это маленькая победа, которая открывает большие возможности в развитии нашего сервиса. Поздравляю команду Поиска с очередным достижением!

Команда Поиска продолжает активно развивать решение. Задача простая — понимать пользовательские запросы в любом формате на всех платформах и давать максимально точные и полные ответы. Для многих пользователей Звук это важная, часто стартовая точка исследования музыки, подкастов, книг.

Для повышения качества результатов мы уже несколько лет успешно сотрудничаем с подразделением iSearch в Девайсах. Параллельно команда AmazMe около года развивает собственное поисковое решение, на которое мы должны переехать во втором квартале этого года. Задача амбициозная — догнать и перегнать iSearch в качестве поиска, правда? Для этого мы совместно провели более 10 A/B-тестов по замеру качества iSearch vs AmazMe. И под Новый год мы получили приятный подарок — один из экспериментов показал особенно сильные результаты.

По ключевой метрике, конверсии из результатов поиска в полезные действия (прослушивания, лайки, скачивания), зафиксирован статистически значимый рост на 4% по алгоритму от AmazMe. Это заметное улучшение, фиксирующее ценность проделанной работы. Говоря начистоту, метрики поиска достаточно флэтовые, поэтому прирост в 4% — это победа!

Мы не поверили в такой великолепный результат и провели оффлайн замер метрики nDCG. Это сложная метрика оценки качества поиска, а если простыми словами, то она сравнивает порядок выдачи в поиске с идеальным порядком, где все релевантные элементы находятся в начале списка. Итак, оффлайн-оценка качества поиска с участием экспертов подтвердила показала позитивную динамику: по метрике nDCG@5 решение AmazMe, так же как и в A/B-тестах, опередило iSearch (0,765 против 0,752). Это ещё одно подтверждение прогресса и роста качества поиска!

Тестирование продолжается, чтобы убедиться в стабильности результатов. Параллельно идёт работа над функциональной и инфраструктурной интеграцией решений. Уже сейчас можно говорить о серьезном шаге вперед, который стал возможен благодаря большой совместной работе команд. Наша стратегическая цель остается неизменной — предоставить пользователям Звука максимально качественный, удобный и современный Поиск.

В общем, коллеги, открывайте Звук, пользуйтесь улучшенным поиском и и внесите свой вклад в развитие сервиса! ;)

Всего один час просмотра записи — и вы в курсе самых громких продуктовых запусков!

Звук пригласили на международную конференцию! Наши ребята из отдела исследований и анализа аудио написали научную статью и были приняты на конференцию EACL (European Chapter of the Association for Computational Linguistics), которая является одной из самых топовых европейских конференций по компьютерной лингвистике и обработке естественного языка.

Вот они — слева направо:
Федор Бузаев, Ринат Муллахметов, Иван Сухарев, Роман Богачёв, Илья Седунов и Олег Павлович!

Научную работу приняли на специализированный воркшоп NLP4MuSA 2026 (Natural Language Processing for Music Search and Recommendation), который спонсируют Spotify и Deezer! Это показывает, что наш подход интересен всей индустрии. Статья на английском и уже переводится на русский, чтобы все смогли с ней ознакомиться — читайте скоро на Хабре!

Наша статья посвящена тому, как мы научили ГигаМикс понимать, когда нужно показывать пользователю треки под его вкус, а когда – просто следовать описанию в запросе. Проблема простая: если человек пишет «треки для пробежки» — ему нужен персональный плейлист для пробежки, учитывающий его музыкальные предпочтения. Но если запрос «лучшие хиты 80-х» — ему нужны именно хиты 80-х, а не то, что система решила подсунуть на основе его истории прослушиваний. Раньше все системы работали одинаково для всех запросов, либо совсем не учитывали вкусы, либо учитывали всегда.

Эта научная работа показывает, как правильно применять большие языковые модели в реальном продукте, решая конкретную бизнес-задачу. Мы не просто написали теоретическую статью — мы внедрили это в Звук, протестировали на тысячах запросов и доказали, что пользователям действительно стало лучше. Такой практический подход с измеримыми результатами ценится на топовых конференциях, особенно когда решение работает в боевом продакшене.

Говоря о Хабре, команда Игоря Миленького продолжает выпускать серию статей и знакомит всех с ML-аналитикой в Звуке. Рустам Муртазин написал статью об оффлайн оценке рекомендаций, подробно разобрал методологию и каждую метрику, стоящую за этой работой. Все с визуализациями и прозрачно, рекомендуем почитать!

Совсем недавно, 13 февраля, прошла конфа DUMP в Санкт-Петербурге, где Надя Буртелова выступала там с докладом о тестировании сервисов при распиле монолита. Обсудили, как из обрывков собрать целостную документацию, и составили план тестирования нового перерождённого сервиса. А еще там Надя показала примеры фейлов и успехов. Ловите презентацию!