Впровадження AI-рекомендацій у мобільний додаток

Проблема: рекомендації завантажуються повільно або нерелевантні

Нещодавно до нас прийшов клієнт із e-commerce: його iOS-додаток показував рекомендації із затримкою 2 секунди — користувачі встигали прокрутити далі. Конверсія в блоці рекомендацій була 1.2%. Ми перевели фінальний реранкінг на пристрій із CoreML — час відгуку знизився до 50 мс, конверсія зросла до 4.1%. Економія на серверних ресурсах — 40% (близько $3,500 на місяць) за рахунок зниження кількості запитів. Холодний старт для нових користувачів вирішили онбордінг-квізом (2 питання про вподобання) та popularity-based fallback. Через 10 сесій персональні рекомендації вже працювали.

Ми розробляємо AI-рекомендаційні системи не як чорний ящик, а як конвеєр: збір поведінкових подій, передача в ML-модель, ранжування та вбудовування в UI без втрати продуктивності. Наша команда — 7+ років досвіду, 15+ проєктів для iOS та Android. Гібридна архітектура краще за чисто серверну: CTR вищий у 2–3 рази при тих самих даних.

Як вибрати архітектуру: on-device чи серверна?

On-device реранкінг скорочує затримку в 3–5 разів і економить до 60% серверних ресурсів (до $4,000/міс). Тестування показало, що гібридний підхід покращує CTR у 2–3 рази порівняно з чисто серверним.

Чому збір подій — основа якості?

Рекомендаційна система хороша рівно настільки, наскільки хороші дані. На мобільному клієнті потрібно логувати мінімум:

• item_view — перегляд об'єкта (з часом перегляду, не просто показ)
• item_click — клік/тап по об'єкту
• item_purchase / item_save — конверсійна дія
• item_skip — прокрутили мимо (важливий негативний сигнал)

// Android: подійний логер з батчингом
class RecoEventLogger(private val api: RecoApi) {
    private val buffer = mutableListOf<RecoEvent>()
    private val flushInterval = 30_000L // 30 секунд

    fun log(event: RecoEvent) {
        buffer.add(event.copy(timestamp = System.currentTimeMillis()))
        if (buffer.size >= 20) flush() // або за таймером
    }

    private fun flush() {
        if (buffer.isEmpty()) return
        val batch = buffer.toList()
        buffer.clear()
        viewModelScope.launch(Dispatchers.IO) {
            runCatching { api.sendEvents(batch) }
            // При помилці — записати в Room для повторної відправки
        }
    }
}

Важно: час перегляду (dwell_time) — часто упущений сигнал. Засікайте момент появи картки в viewport (RecyclerView.OnScrollListener або LazyList.onVisibleItemsChanged) та момент уходу. Перегляд менше 2 секунд — скоріше за все скролл мимо. В одному з проєктів додавання dwell_time підвищило CTR на 18%.

Як працює вбудовування CoreML / TFLite для реранкінгу?

Якщо сервер віддає топ-200 кандидатів, фінальне ранжування можна зробити на пристрої. Це усуває зайвий мережевий запит при кожному відкритті екрану.

На iOS із CoreML:

// Завантаження моделі (bundled або через Core ML Model Deployment)
let model = try MLModel(contentsOf: modelURL)
let input = RerankerInput(
    userVector: userEmbedding,        // Float32 array 64d
    itemVectors: itemEmbeddings,      // [Float32 array 64d]
    sessionFeatures: sessionContext   // останні 10 дій
)
let output = try model.prediction(from: input)
let scores = output.featureValue(for: "scores")?.multiArrayValue

TensorFlow Lite на Android — через Interpreter із ByteBuffer входом. Для моделей > 10 МБ використовуйте GPU delegate (GpuDelegate) — прискорення на 3–8x на флагманах.

Оновлення моделі без релізу додатку: на iOS — Core ML Model Deployment через CloudKit або власний CDN з MLModel.compileModel(at:). На Android — Firebase ML з RemoteModel або пряме завантаження .tflite в filesDir з верифікацією хешу.

Етапи впровадження рекомендаційної системи

1. Аудит даних та подій — перевіряємо, які події вже логуються, додаємо недостатні (dwell_time, skip).
2. Вибір архітектури — визначаємо, що живе на сервері, що на пристрої.
3. Розробка event-трекера — з батчингом, retry-механізмом та зберіганням у Room на випадок офлайну.
4. Серверна модель — колаборативна фільтрація або готовий сервіс (Amazon Personalize, Google Recommendations AI).
5. Інтеграція моделі на клієнт — CoreML/TFLite, реранкінг кандидатів.
6. UI-компоненти — адаптивні блоки з лінивим завантаженням.
7. A/B-тестування — Firebase Remote Config, Amplitude Experiment.
8. Документація та гарантія 6 місяців.

Що дає on-device реранкінг (порівняння)

Як боротися з холодним стартом?

Перші 5–10 сесій немає достатньо даних для персоналізації. Стандартний підхід — гібрид:

1. Онбордінг-квіз (2–3 питання про вподобання) дає початковий профіль.
2. Popularity-based рекомендації як fallback.
3. Implicit feedback з перших взаємодій швидко зміщує профіль.

Не показуйте «рекомендації для вас» до набору мінімальної історії — це чесніше з користувачем і не ламає метрики якості.

Які метрики якості відстежувати?

Click-Through Rate (CTR) та конверсія — базові. Але для мобільного UX важлива також «сліпота до рекомендацій»: якщо блок ігнорують, це гірше низького CTR. A/B-тестування через Firebase Remote Config або Amplitude Experiment — обов'язково при зміні алгоритму. Мінімальна вибірка для статистичної значущості — 1000+ унікальних користувачів на варіант.

Що входить у роботу (deliverables)

• Технічна документація: архітектура подійного трекера, модель даних.
• Вихідний код event-трекера з батчингом та retry (Swift/Kotlin).
• Інтеграція серверної рекомендаційної моделі (або кастомної).
• In-app UI-компонент рекомендацій з лінивим завантаженням.
• Налаштування A/B-тестування та моніторингу метрик.
• Навчання команди роботі з системою.
• 6 місяців технічної підтримки.

Орієнтири за термінами

Інтеграція готового серверного рекомендаційного сервісу з event-трекером — 2–3 тижні. Гібридна система з on-device реранкінгом, кастомними подіями та A/B-тестуванням — 6–10 тижнів. Вартість розраховується індивідуально.

Зв'яжіться з нами для безкоштовного аудиту вашого додатку — ми оцінимо архітектуру та запропонуємо оптимальне рішення. Замовте впровадження — отримайте консультацію з вибору моделі.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.