בניית פיד המלצות אלגוריתמי לאפליקציות מובייל

class VideoProgressTracker {
    private var timeObserver: Any?
    private let player: AVPlayer
    private let itemId: String
    private var maxProgress: Float = 0

    init(player: AVPlayer, itemId: String) {
        self.player = player
        self.itemId = itemId
        setupObserver()
    }

    private func setupObserver() {
        let interval = CMTime(seconds: 0.5, preferredTimescale: CMTimeScale(NSEC_PER_SEC))
        timeObserver = player.addPeriodicTimeObserver(forInterval: interval, queue: .main) { [weak self] time in
            guard let self, let duration = self.player.currentItem?.duration.seconds, duration > 0 else { return }
            let progress = Float(time.seconds / duration)
            if progress > self.maxProgress {
                self.maxProgress = progress
            }
        }
    }

    func reportCompletion() {
        Analytics.track(.videoProgress(itemId: itemId, completionRate: maxProgress, source: .algorithmicFeed))
    }
}

ב-Android—השתמש ב-class VideoProgressTracker { private var timeObserver: Any? private let player: AVPlayer private let itemId: String private var maxProgress: Float = 0 init(player: AVPlayer, itemId: String) { self.player = player self.itemId = itemId setupObserver() } private func setupObserver() { let interval = CMTime(seconds: 0.5, preferredTimescale: CMTimeScale(NSEC_PER_SEC)) timeObserver = player.addPeriodicTimeObserver(forInterval: interval, queue: .main) { [weak self] time in guard let self, let duration = self.player.currentItem?.duration.seconds, duration > 0 else { return } let progress = Float(time.seconds / duration) if progress > self.maxProgress { self.maxProgress = progress } } } func reportCompletion() { Analytics.track(.videoProgress(itemId: itemId, completionRate: maxProgress, source: .algorithmicFeed)) } } עם ExoPlayer ו-AnalyticsListener.onPlaybackStateChanged().

כיצד ליישם גלילה אינסופית מבלי לפגוע בחוויית המשתמש

המשתמש לא צריך לראות loader בזמן גלילה. הגישה הסטנדרטית: טען מראש את העמוד הבא כשהמשתמש מגיע לפריט השני-לאחרון בעמוד הנוכחי. Prefetch עם סף של 7–10 פריטים לפיד וידאו מפחית את זמן הטעינה פי 2–3 בהשוואה ללא prefetch.

// Android, RecyclerView + ViewModel
recyclerView.addOnScrollListener(object : RecyclerView.OnScrollListener() {
    override fun onScrolled(recyclerView: RecyclerView, dx: Int, dy: Int) {
        val layoutManager = recyclerView.layoutManager as LinearLayoutManager
        val lastVisible = layoutManager.findLastVisibleItemPosition()
        val total = layoutManager.itemCount
        if (total - lastVisible <= PREFETCH_THRESHOLD) {
            viewModel.loadNextPage()
        }
    }
})

Player.Listener.onPositionDiscontinuity() הוא בדרך כלל 3–5 פריטים. עבור פיד וידאו, אנו מגדילים אותו ל-7–10 כי טעינת וידאו לוקחת יותר זמן. הסרת כפילויות: השרת עשוי להחזיר את אותו פריט בשתי תגובות pagination. הלקוח שומר // Android, RecyclerView + ViewModel recyclerView.addOnScrollListener(object : RecyclerView.OnScrollListener() { override fun onScrolled(recyclerView: RecyclerView, dx: Int, dy: Int) { val layoutManager = recyclerView.layoutManager as LinearLayoutManager val lastVisible = layoutManager.findLastVisibleItemPosition() val total = layoutManager.itemCount if (total - lastVisible <= PREFETCH_THRESHOLD) { viewModel.loadNextPage() } } }) של מזההים שהוצגו ומסנן כפילויות לפני הוספה לרשימה.

כיצד אנו בודקים ומפרסמים

גרסת מודל דירוג חדשה לא משוחררת לכולם בבת אחת. סכמה אופיינית: 5% תנועה → 20% → 50% → 100%, עם ניטור מדדי session (שימור D1/D7, זמן ממוצע באפליקציה, שיעור מעורבות) בכל שלב. ניהול feature flags נעשה דרך Firebase Remote Config או מערכת ביתית. הלקוח שולח PREFETCH_THRESHOLD בכל בקשה ל-API של הפיד—זה מאפשר לשרת לבחור את ranker המתאים.

מה כלול בעבודה

• ביקורת על מעקב ואנליטיקה קיימים
• עיצוב סכמת אירועים וארכיטקטורת פיד
• פיתוח צד לקוח (iOS/Android) עם prefetch, הסרת כפילויות, מעקב
• אינטגרציה עם API של הפיד (REST/GraphQL)
• יישום תוויות הסבר ובקרות ממשק
• הקמת A/B testing וניטור
• תיעוד וסקירת קוד
• תמיכה לאחר השקה (חודשיים)

הערכות לוחות זמנים

העלות מחושבת באופן אישי, בהתאם לנפח התוכן, זמן השהיה הנדרש, וקיומה של תשתית אנליטיקה קיימת.

למה לבחור בנו

יש לנו 5+ שנות ניסיון בפיתוח מערכות המלצות וביצענו מעל 30 פרויקטים בתחום. המהנדסים שלנו מיומנים במלא הטכנולוגיות: Swift, Kotlin, Flutter, Python, ML. אנו מבטיחים פעילות יציבה של הפיד תחת עומס גבוה ודיווח שקוף בכל שלב.

צור קשר כדי לדון במשימה שלך ולקבל הערכת תקציב ראשונית.