Поиск работы в Москве: как ML-модели Авито из 1,5 млн вакансий выбирают 200 для вас

Вадим Вахрушев, старший DS-инженер (инженер по обработке данных) в Авито, описал внутреннюю кухню поискового ранжирования на платформе Авито Работа. Материал раскрывает, как алгоритмы балансируют между тремя задачами: показать релевантные вакансии, обеспечить монетизацию (продвижение объявлений работодателями) и сохранить справедливость, чтобы каждая свежая вакансия была показана хотя бы раз.

Как устроена «пирамида» из трёх уровней?

Выдача формируется тремя последовательными этапами, от широкого охвата к точной подборке.

L1: отбор кандидатов. Из более чем 1,5 миллиона вакансий система выбирает 1 000 наиболее подходящих. Здесь работают так называемые кандидатогенераторы (наборы правил отбора) двух типов:

• Горизонтальные (общие для всего Авито): полнотекстовое совпадение слов запроса, семантический поиск (находит «педагог» по запросу «учитель», даже если слово не совпадает), подмешивание вакансий из соседних регионов.
• Вертикальные (специфичные для раздела «Работа»): если запрос про удалёнку, фильтр по локации сбрасывается и система показывает вакансии со всей России. Отдельно работает механизм смежных профессий: алгоритм анализирует, на что люди откликаются помимо основного запроса, и кластеризует профессии. По данным Авито, это критично для рабочих специальностей, где соискатели готовы рассматривать сразу несколько смежных направлений.

На этом же уровне подключаются три ML-модели:

• Векторный кандидатогенератор: двухбашенная модель (отдельно обрабатывает запрос и вакансию), обученная на позитивных действиях пользователей: звонках, сообщениях, добавлении в избранное.
• ClickPred: ранжирующая модель, которая, несмотря на название, обучается на контактах (звонки, сообщения), а не на кликах. Использует базовые статистики: конверсию в контакт, конверсию в клик и текстовые метрики BM25 и TF-IDF (формулы, измеряющие, насколько слова запроса важны для конкретного объявления).
• RelPred: модель текстовой релевантности, обученная не на пользовательских оценках (они слишком «шумные»), а на разметке, которую сделала большая языковая модель (LLM). Это даёт «идеализированную» оценку того, насколько вакансия соответствует запросу.

Финальная формула отбора топ-1 000 кандидатов выглядит так:

score = sigmoid(w1 × clickpred + w2 × relpred + w3 × item_age)

Возраст вакансии (item_age) включён сознательно: свежие объявления получают шанс быть показанными хотя бы раз, а система успевает накопить по ним статистику для дальнейшего ранжирования.

L2: вычисление интентов. Для отобранной тысячи вакансий рассчитываются два ключевых показателя:

• BX («баерское счастье»): вероятность, что вакансия и соискатель «совпадут». Считается как произведение трёх скоров: предсказания контакта (CttrPred), текстовой релевантности (RelPred) и коэффициента пессимизации, который занижает фродовые (мошеннические) и накрученные объявления.
• ECPI: ожидаемая выручка от показа вакансии, учитывающая платное продвижение работодателями.

Модель CTTR (предсказание контактов) персонализирована: она учитывает скоры моделей мэтчинга пользователя и вакансии, близость к месту работы и конверсионные статистики. По данным Авито, именно фичи (признаки) персонализации оказались самыми важными для качества выдачи в разделе вакансий.

L3: блендер. Алгоритм перемешивает кандидатов, балансируя релевантность, монетизацию и справедливость, и формирует итоговую выдачу из примерно 200 вакансий.

Что понадобится

• Аккаунт на Авито (бесплатная регистрация).
• Заполненный профиль соискателя с указанием города, опыта и желаемой зарплаты: каждый параметр становится входом для ML-моделей.
• 15 минут на настройку фильтров и первые отклики, чтобы алгоритм начал «узнавать» ваши предпочтения.

Пошаговая инструкция

1. Заполните профиль максимально подробно. Укажите город, опыт и зарплатные ожидания. Векторный кандидатогенератор берёт на вход «заголовок + текст + параметры» (зарплата, локация, опыт). Чем точнее ваши данные, тем точнее совпадение.

2. Формулируйте запрос конкретно, но не слишком узко. Запрос «бухгалтер удалённо» сработает лучше, чем «работа на дому»: семантический поиск подберёт синонимы, но ему нужна точка опоры. Для поиска работы в Москве вакансии можно указывать конкретный район: система подмешает объявления из ближайших зон.

3. Используйте фильтры, а не дописывайте условия в строку. Удалёнка, зарплата, график: фильтры напрямую попадают в вектор запроса и кэшируются. Текст в строке поиска обрабатывается отдельной моделью.

4. Откликайтесь на подходящие вакансии, звоните, пишите. Каждый контакт (звонок, сообщение, добавление в избранное) обучает модель CttrPred именно под вас. Чем больше осмысленных действий, тем точнее персонализация.

5. Проверяйте выдачу регулярно. Свежие вакансии получают приоритет через параметр item_age, поэтому утренняя выдача отличается от вечерней. Новые объявления появляются в топе быстро, но и уходят из него, если не набирают статистику.

6. Не игнорируйте смежные профессии. Если вы ищете «водитель», система может показать «курьер на авто» или «экспедитор». Это не ошибка, а работа кластеризации смежных профессий. Для рабочих специальностей такие предложения часто оказываются выгоднее исходного запроса.

Что делать с этим прямо сейчас, по ролям

Соискателю (в том числе 50+). Заполните профиль, выставьте фильтры и сделайте первые отклики осознанно. Алгоритм учится на ваших действиях, а не на ваших мыслях. Для поиска работы в Москве вакансии стоит проверять утром: свежие объявления получают буст.

Автору Дзена, копирайтеру. Логика «покажи релевантное, а не просто совпавшее по словам» напрямую переносится на SEO-заголовки: алгоритмы ищут семантическое совпадение, а не набор ключевых слов. Пишите заголовки вакансий и статей так, как их ищет человек, а не как их индексирует робот.

Маркетологу, HR-специалисту. Платное продвижение вакансий учитывается через ECPI, но не отменяет релевантности. Вакансия с высоким BX-скором обойдёт продвинутую, но нерелевантную. Вкладывайтесь в качество описания, а не только в бюджет.

Предпринимателю в РФ. Механика Авито, пример того, как российская платформа строит ML-ранжирование с учётом локальной специфики (удалёнка для малых городов, смежные рабочие профессии). Если вы размещаете вакансии, указывайте зарплату и точный адрес: каждый параметр напрямую влияет на то, увидит ли ваше объявление нужный кандидат.

Алгоритмы уже решают, какую вакансию вы увидите первой. Единственный способ сделать их союзником, а не чёрным ящиком, давать им точные данные о себе и понимать, на что именно они реагируют.