Perseus от Т-Банка: фреймворк ML-персонализации по всей экосистеме сервисов

كشف بنك T-Bank في 23 يوليو 2026 عن Perseus، وهو إطار عمل للتخصيص الشامل يجمع كل تصرفات المستخدم عبر مختلف خدمات المنظومة في تسلسل واحد من الأحداث، ويتيح رفع مؤشرات الأعمال بنسبة تتراوح بين 3% و17%.

ما المشكلة التي يحلها Perseus

يزيل Perseus الفجوة بين بيانات عشرات خدمات T-Bank - من مشتريات السوبر ماركت إلى التقدم بطلب الرهن العقاري. في السابق، كان كل نموذج تعلم آلي يتدرب فقط على بيانات الخدمة التي يُستخدم فيها، لذلك كان "يرى" المستخدم بشكل مجزأ لا ككل متكامل.

وتفاقمت المشكلة بسبب تباين البيانات: تجمع الفرق الأحداث بشكل مستقل، ولكل خدمة مخططها الخاص، بينما لا يوجد في المنتجات الجديدة أي سجل سلوكي على الإطلاق - وهي حالة "البداية الباردة" الكلاسيكية (cold start). وبحسب وصف T-Bank، فإن هذا بالتحديد ما كان يعيق نقل التخصيص بين منتجات المنظومة ويجبر كل فريق على بناء نموذجه الخاص من الصفر.

• الكاتب - أوليغ لاشينين، رئيس قسم أنظمة التوصية في T-Bank
• المشكلة: لكل خدمة مخططها الخاص للأحداث ونموذجها المعزول الخاص
• الخدمات الجديدة لا تملك سجل مستخدم - "بداية باردة"
• الحل: تسلسل واحد لجميع تصرفات المستخدم
• نمو مؤشرات الأعمال - من 3% إلى 17% في مهام مختلفة

كيف يعمل التدفق الموحد للأحداث

يدمج Perseus الأحداث غير المتجانسة من جميع الخدمات في تسلسل زمني واحد، ويبني على أساسه صورة متكاملة عن المستخدم. وبحسب المطورين، فإن هذا النهج يجعل من إطار العمل أداة مرنة للتعامل مع بيانات المنظومة بأكملها، ويتيح توسيع نطاق التخصيص القائم على التعلم الآلي ليشمل مختلف منتجات الشركة، بدلاً من إعادة تدريب نموذج منفصل لكل خدمة.

والتسلسل الموحد بالتحديد هو ما يحل مهمتين في آن واحد: توحيد الأحداث ذات المخططات المختلفة في صيغة مشتركة، ونقل إشارة السلوك من الخدمات الناضجة إلى الخدمات الجديدة. وبفضل ذلك، يحصل النموذج على سياق حول المستخدم حتى قبل أن يقوم بأول تصرف له في منتج معين.

"عندما تضم المنظومة عشرات الخدمات، تريد أن يفهم النموذج المستخدم ككل، لا بشكل مجزأ" - أوليغ لاشينين، رئيس قسم أنظمة التوصية في T-Bank، في مدونة الشركة على

Habr.

ماذا يقدم هذا للأعمال

النتيجة الرئيسية هي نمو المؤشرات حتى في الحالات التي لم يكن فيها التخصيص يعمل سابقًا. وبحسب بيانات T-Bank، نمت مؤشرات الأعمال في مهام مختلفة بنسبة تتراوح بين 3% و17%، مع استمرار هذا التأثير حتى لدى المستخدمين الذين لم يقوموا بأي عملية شراء واحدة في خدمة معينة.

وهذا فارق جوهري عن نماذج التوصية الكلاسيكية: فهي عاجزة تمامًا دون سجل سلوكي. أما Perseus فيعتمد على تصرفات المستخدم في خدمات أخرى من المنظومة، ويطبق التخصيص منذ أول تواصل مع منتج جديد. وبالنسبة لشركة تضم عشرات الخدمات، يعني هذا أن إطلاق التخصيص في منتج جديد لم يعد مرهونًا بتراكم البيانات.

ما الذي يعنيه هذا

تتجه المنظومات المالية التقنية الكبرى نحو "ملف سلوكي موحد": فبدلاً من عشرات النماذج المعزولة، يوجد تدفق واحد من الأحداث تتعلم منه جميع الخدمات. وبالنسبة لـT-Bank، فإن هذا وسيلة لتفعيل التخصيص بسرعة في المنتجات الجديدة التي لا تملك بعد سجلًا متراكمًا، واستخراج نمو يصل إلى 17% في مؤشرات الأعمال.

الأسئلة الشائعة

ما هو Perseus من T-Bank؟

Perseus هو إطار عمل للتخصيص الشامل يجمع تصرفات المستخدم في جميع خدمات منظومة T-Bank في تسلسل واحد من الأحداث. وعلى أساس هذه البيانات المشتركة، يُبنى التخصيص القائم على التعلم الآلي لمختلف منتجات الشركة في آن واحد.

إلى أي مدى يرفع Perseus المؤشرات؟

وفقًا لبيانات T-Bank، نمت مؤشرات الأعمال في مهام مختلفة بنسبة تتراوح بين 3% و17% - بما في ذلك لدى المستخدمين الذين لم يقوموا بأي عملية شراء، حيث لا تعمل النماذج المعتادة بسبب غياب السجل.