AI-поиск в книги билайн: как найти киллер-фичу и увеличить выручку в 3,7 раза

Сервис книги билайн работает на рынке с 2014 года, но в последние годы конкуренция в сфере цифровых библиотек значительно возросла. Большинство платформ предлагают каталоги схожих издательств и предоставляют пользователям ограниченный доступ к контенту (например, в виде ознакомительных фрагментов). В таких условиях продвижение малоизвестных книг из глубины каталога становится непростой задачей.

Чтобы найти точку улучшения клиентского опыта, команда провела большое количество исследований: интервью с клиентами, анализ пользовательских отзывов. Неожиданно обнаружили незакрытую и массовую потребность — сложность с выбором новой книги для чтения.

Эта проблема актуальна для сегмента непрофессиональных читателей. Это люди, которые не следят за книжными новинками, не ориентируются в издательствах и подборках, и часто теряются в огромном каталоге. Им сложно самостоятельно найти книгу, подходящую под настроение или жизненную ситуацию.

Еще один инсайт оказался в том, что для многих чтение — это досуговая активность, она конкурирует с кино, музыкой, прогулками. На основе этого команда сформулировала новое продуктовое предложение: «Быстро найдешь интересную книгу — сразу начнешь читать».

Так началась работа над новой функцией — AI-поиском, который позволил бы искать не по автору, жанру или названию, а в свободной форме, даже если пользователь не знает, что именно хочет.

Когда команда начала работу над AI-поиском, фокус был на точности, скорости и простоте получения доступа к книге.

На первом этапе команда реализовала поиск по сюжету, содержанию и уровню текста. Затем добавили читательские рейтинги. Следующий этап — персонализированный подбор книг на основе истории чтения в сервисе. Например, если пользователь читает детективы, при следующем обращении ему предложат детективы, которые он еще не читал.

Целевой аудиторией стали читатели, для которых книга является частью досуга, альтернативой кино или прогулке. Также учитывались сценарии, когда человек ищет деловую литературу на незнакомую тему и не знает, с чего начать.

Команда сервиса книги билайн долго искала партнера для реализации проекта. В итоге выбор остановился на red_mad_robot.

Первый MVP AI-поиска был запущен в декабре. Через несколько дней стало ясно: фича вызывает живой интерес. За три недели страницу поиск собрал более 1 миллиона заходов на страницу. Это был колоссальный результат для эксперимента, который задумывался как пилот.

Команда предполагала, что такой интерес может быть временным — эффект новизны, выходные, активность в соцсетях. Но когда прошло полгода, выяснилось: фича продолжает привлекать пользователей и работать на ключевые бизнес-показатели. Именно запуск MVP дал старт росту выручки, MAU, ARPU и времени жизни пользователя в сервисе.

Первоначальная идея была такой: команда планировала передавать пользовательские запросы с системным промптом в LLM и отдавать результат. Эта гипотеза не сработала: до 70% книг, которые предлагала модель, не существовало в каталоге сервиса, многие оказались вымышленными.

Это заставило перейти к более устойчивой архитектуре. Тогда разработали гибридную систему, которая параллельно отрабатывает несколько сценариев поиска одновременно.

Команда ожидала, что пользователи будут отправлять неструктурированные вопросы, а модель станет обрабатывать их. Но вместо этого около 75% пользователей оставляли прямые запросы в формате: название книги, автор.

Все эти нюансы учли в разработке. В итоге система получилась такая:

• Классический поиск по базе — например, по автору/названию;
• Запрос, где LLM извлекает из запроса суть — ищет, о чем книга, в какой ситуации ее читают, какой эффект ожидается;
• Запросы «похожее на», для которых используется векторная база и модель, выстроенная на основе литературоведческих параметров (эпоха, стиль, тематика).

Все эти сценарии объединяются в едином пайплайне и взвешиваются по качеству результата.

На поздних этапах добавили рефлексию — повторную проверку релевантности перед выдачей ответа. Это дало прирост точности, но замедлило выдачу результата до 20-30 секунд.

Чтобы ускорить работу, пайплайн переработали: теперь разные задачи выполняются разными LLM, включая сверхлегкие модели на сценаризацию.

Итоговое время отклика LLM сократилось с 30+ секунд до 7–10 секунд. А текущий уровень релевантности составляет около 73%, замер подтвержден на вручную собранных золотых выборках.

AI-поиск стал флагманским продуктом внутри сервиса книги билайн. Результаты такие:

Опыт книги билайн — классный пример того, что даже в «выжженном» и однородном рынке можно найти точку роста, если внимательно слушать пользователя и идти от боли, а не от фичей. AI-поиск открыл доступ к ценности, которая раньше была закопана вглубь каталога. И тем самым дал пользователю повод остаться, а бизнесу — вырасти.