AI VK abre o código do HEGM: modelo prevê toda a distribuição do tempo de visualização de vídeo

Se você desenvolve recomendações para vídeos curtos, certamente já previu o tempo de visualização. O esquema clássico é simples: pegamos características do usuário e do clipe, treinamos uma regressão e obtemos «12 segundos esperados». O problema é que, na realidade, quase ninguém assiste exatamente 12 segundos. A equipe da AI VK publicou um trabalho que aborda esse problema na prática.

Por que o tempo médio de visualização mente

Imagine dois clipes de 30 segundos. No primeiro, metade do público o pula em um segundo e a outra metade assiste até o fim. No segundo, quase todos assistem por cerca de 15 segundos. A estimativa média dos dois pode ser idêntica, mas são clipes completamente diferentes, com destinos diferentes no feed.

A distribuição do tempo de visualização em vídeos curtos é incômoda. Primeiro há um pico acentuado de pulos rápidos nos primeiros segundos, depois uma cauda longa e, em alguns clipes, também um pico na visualização completa. A regressão com erro quadrático puxa a previsão para o meio, justamente onde há poucas visualizações reais. Um ranking construído sobre esse número distingue mal entre «funcionou» e «pulou».

O que o HEGM propõe

HEGM significa Hierarchical Exponential-Gaussian Mixture. Pelo nome e pela descrição dos autores, dá para entender a ideia geral: o modelo prevê não um ponto, mas uma distribuição inteira, como mistura de componentes de dois tipos. O componente exponencial é adequado para pulos rápidos: a probabilidade cai bruscamente a cada segundo. O gaussiano descreve a visualização «normal» em torno de algum tempo característico. A palavra «hierárquica» indica que os componentes são organizados em vários níveis, mas os detalhes dessa estrutura não são revelados no anúncio e precisam ser consultados no artigo.

Os autores também mencionam problemas que surgem no treinamento de modelos probabilísticos. Um exemplo conhecido: misturas de distribuições tendem a «colapsar», quando um componente fica com tudo e os demais ficam mortos. Como exatamente a equipe resolveu isso, será preciso ler no preprint.

O que fazer com isso na prática

O primeiro passo não exige o HEGM. Construa um histograma do tempo real de visualização dos seus clipes e veja se ele tem várias corcovas. Se tiver, uma regressão pontual única quase certamente prejudica você.

Segundo: da distribuição é possível obter não um número, mas diferentes sinais. São a probabilidade de pulo nos primeiros segundos, a probabilidade de visualização completa e o tempo esperado dado que a pessoa não saiu imediatamente. Para um product manager, essas características são mais compreensíveis e mais fáceis de ligar às metas do produto do que um abstrato «tempo esperado».

Terceiro: o código e os modelos do HEGM estão no GitHub, então a hipótese pode ser verificada nos seus próprios logs sem desenvolver do zero. A pesquisa foi aceita na trilha principal do IEEE ICDM 2026, o que significa que passou por revisão por pares.

Limitações

É importante entender que o anúncio não traz números concretos. Não sabemos em quantos por cento o HEGM superou os métodos de base nem o que exatamente mudou no teste A/B com o tráfego da VK. Os autores apenas escrevem que um teste foi realizado e que houve mudanças. É a promessa de um resultado forte, não a sua prova, e os números devem ser buscados no artigo.

Além disso, o modelo foi testado em vídeos curtos, e não se sabe até que ponto a abordagem se transfere para vídeos longos, podcasts ou streaming, onde a forma da distribuição é outra. Uma mistura de distribuições também é mais difícil de treinar e depurar do que a regressão comum, e exige mais computação.

Em resumo: a ideia de prever a distribuição, e não a média, é perfeitamente razoável e aplicável além da VK. Se você precisa especificamente do HEGM, vale decidir depois de ler o artigo e testar o código nos seus dados.