Собеседование на AI PM в Иви

Почему Иви — особенный работодатель для AI PM

«Иви» — один из крупнейших VOD/стриминг-сервисов в РФ: миллионы подписчиков, тысячи единиц премьерного и каталожного контента, развитая инфраструктура для работы с правообладателями. Аудитория — массовая, от детской до взрослой, потребляет разный контент в разное время дня и на разных устройствах. Для AI PM это значит работу с массовым recsys-продуктом, где любая фича сразу видна миллионам и где watch-time напрямую конвертируется в retention подписки.

AI PM в «Иви» отвечает за фичи на стыке рекомендаций, video AI и пользовательского UX: персонализированная главная страница, блок «похожее», поисковое ранжирование, авто-теги к контенту, генерация превью и постеров, NLP для описаний и отзывов, retention prediction для подписки, LLM-чатбот в саппорте. Главный челлендж — recsys в медиа отличается от e-commerce: тут оптимизируешь watch-time и retention, а не CTR; cold start критичен, потому что постоянно добавляется новый контент.

Стек: классические recsys-подходы (collaborative filtering, ALS, two-tower нейросети для retrieval), gradient boosting для ранжирования, PyTorch + CV-модели для video AI, LLM для NLP, ClickHouse для аналитики, мощная A/B-инфраструктура с долгосрочными retention-метриками.

Актуальные вакансии — на hh.ru и сайте Иви.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет AI-фокус, базовое ML, опыт в media, streaming, recsys. Любой experience с VOD, музыкальным стримингом или e-commerce recsys — большой плюс. Готовь питч на 90 секунд: какие AI-фичи запускал, какие метрики двигал, какой объём аудитории прокатывал.

2. AI / ML grounding (45-60 минут)

С ведущим PM или ML-лидом. Темы: recsys-метрики (NDCG, MAP, watch-time vs CTR, freshness, popularity bias), cold start стратегии, ranking-подходы (pointwise/pairwise/listwise), особенности streaming-домена (long sessions, многократный просмотр). На LLM-блоке — генерация описаний и hallucinations в медиа-контексте.

Подготовка: LLM-фичи, ML для PM.

3. Product кейс с AI-фичей (90 минут)

Дают кейс «спроектируй AI recommendation для VOD». Жди вопросов про аудиторию (новые vs давние подписчики, день vs вечер, индивидуально vs семейно), JTBD (хочу не выбирать долго / хочу новое и интересное), UX (как блок «рекомендуем» вписывается в главную), риски (filter bubble, popularity bias, low-watch-quality рекомендации), метрики (watch-time per session, retention next-day, удержание подписки M+1), MVP (на каком сегменте). Сильные кандидаты сразу обозначают, что в VOD рекомендация = удержание подписчика, а не клик.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в VOD: short-term watch-time двигается быстро, но retention M+1 — главный KPI. Спросят, как ловить долгосрочный эффект быстрее (proxy-метрики, surrogate models), как избегать popularity-bias в evaluation. Готовь evaluation для генеративных моделей (постеры, описания): human-rating + online click-rate.

Подготовка: AI-метрики и evaluation.

5. Поведенческое (45 минут)

STAR с тимлидом. Истории про конфликт с командой контента (какие тайтлы продвигать), факап в проде, спор о приоритете. В медиа всегда есть напряжение между ML-метрикой и решением редакции — проверяют, как ты находишь баланс.

Особенности по командам

Recommendation. Ядро продукта: главная страница, «похожее», «продолжить смотреть», подборки. Тесно работает с продактом и контентной командой. Самая большая команда. Подойдёт PM с recsys в e-commerce/media.

Video AI. Авто-теги к видео, поиск ключевых сцен, генерация постеров, encoding-оптимизация под устройство. CV-heavy R&D-блок. Подойдёт PM с CV background или интересом к video-AI.

NLP. Описания фильмов, обработка отзывов пользователей, генерация коротких аннотаций. Подойдёт PM с NLP/LLM background.

Retention AI. Прогноз отписки от подписки, propensity-модели для возврата ушедших, push-кампании. Тесно работает с CRM и продуктом подписки. Подойдёт PM с lifecycle-marketing опытом.

Content discovery. Поиск внутри Иви, голосовой поиск, авто-теги по сюжету. Тесно пересекается с recommendation и NLP. Подойдёт PM с search-recsys background.

Что Иви ценит в AI PM

AI понимание. Слабый: «возьмём LSTM». Сильный: «two-tower для retrieval + gradient boosting для ранжирования + diversity-injection для борьбы с popularity bias».

Media / streaming context. Знание watch-time vs CTR, retention в VOD, life cycle подписки, content licensing constraints. Слабый: «увеличим CTR». Сильный: «оптимизируем watch-time и retention M+1, не CTR — клик без просмотра бесполезен».

CV / NLP fluency. Базовое понимание video transformers, CLIP-like моделей, image generation, fine-tuning LLM. Слабый: «возьмём готовое». Сильный: «для постеров — fine-tuned diffusion на нашем визуальном стиле».

Business metrics. Не «NDCG», а «retention M+1 +2.3 pp, watch-time per session +18%, churn М+1 -8%, ROI новых рекомендаций 14% LTV-лифта».

Cross-team. Контент, маркетинг, продакт-подписки, ML. Проверяется на behavioral.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — ML базовые + recsys primer. Метрики ranking, CF/MF, basics. ML для PM.
2. Неделя 2 — LLM + CV глубже. Архитектура, video transformers, generative AI. Параллельно — прорешай вопросы по Python, ML и SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. LLM-фичи.
3. Неделя 3 — Prompt + RAG. Prompt engineering, RAG.
4. Неделя 4 — Cost / latency. Recsys inference масштабом, video-AI batch processing. AI cost и latency.
5. Неделя 5 — Mocks + behavioral. Mock-кейс recsys VOD.
6. Неделя 6 — Polish. Перечитай Netflix Tech Blog, отчёты Иви.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «AI-бот в саппорт». Сильно: «у нас 30k тикетов в неделю, 70% — типовые „как отписаться, почему списали“; LLM-бот с RAG в FAQ закроет 50%, retention пользователей через positive саппорт +8 pp».

Игнор hallucinations. В медиа halluc = бот ошибся с условиями подписки. Слабый: «модерируем». Сильный: «для money — обязательная подстановка из биллинга, не LLM».

Без media / streaming. Слышно по фразам типа «оптимизируем CTR». Изучи: watch-time, retention M+1, popularity bias, cold start в медиа.

Без CV знаний. Слабый: «обучим CNN». Сильный: «video transformer для tagging, CLIP для генерации embeddings для recsys».

AI metrics only. Слабо: NDCG@10. Сильно: «retention M+1 +2.3 pp, что в денежном выражении 90М в год LTV-лифт».

Связанные темы

• Собеседование на AI PM
• LLM-фичи в продукте
• Prompt engineering
• RAG и context
• AI-метрики и evaluation
• AI cost и latency

FAQ

Удалёнка в Иви для AI PM?

Часто полная удалёнка. Офис — Москва.

Зарплатные вилки 2026?

Middle AI PM: 340-480k. Senior: 480-710k.

Английский нужен?

Базовый — желательно для чтения research-статей (Netflix, Spotify, YouTube Engineering).

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды и грейды могут менять процесс.