Мобильные пуши — это эффективный инструмент для коммуникации с пользователями. С их помощью мы можем рассказать о релевантном контенте, предложить новых друзей или напомнить о приятном моменте из прошлого. Основная же цель такой коммуникации — вернуть пользователей в приложение. Другими словами, отправка пушей нацелена на рост таких продуктовых метрик, как DAU и retention. Очевидно, что на короткой дистанции мы сможем вырастить эти метрики, отправляя все больше пушей. Но в долгосрочной перспективе бесконтрольная рассылка оповещений неизбежно приведет к потере лояльной аудитории. Как сделать так, чтобы пользователям не хотелось отключать пуши из вашего приложения, а продуктовые метрики при этом росли?
Я расскажу о том, как мы смогли сократить объем пушей на 20% и вырастить при этом DAU и timespent. В основе нашего подхода лежит модель машинного обучения, предсказывающая вероятность совершения пользователем целевого действия при получении пуша. Я расскажу о деталях обучения ML-модели, об особенностях реализации пайплайна real-time-инференса, а также о планах на дальнейшее развитие сервиса.