Собеседование на AI PM в Кинопоиск

Почему Кинопоиск — особенный работодатель для AI PM

Кинопоиск — крупнейший медиапортал и VOD-сервис в РФ, часть экосистемы Яндекса. Аудитория — десятки миллионов активных пользователей в месяц, библиотека из сотен тысяч единиц контента, интеграция с подпиской Плюс, голосовым ассистентом Алиса, поисковой инфраструктурой Яндекса. Для AI PM это значит работу в гибридном контексте: одновременно медиа-recsys на масштабе, голосовые сценарии Алисы и Сбер-экосистемные интеграции (через инфра-стек Яндекса).

AI PM в Кинопоиске отвечает за фичи на стыке рекомендаций, video AI и voice: персонализация главной и блок «похожее», поисковое ранжирование, авто-теги к видео, генерация постеров и описаний, NLP для отзывов, retention prediction для Плюса, интеграция с Алисой (голосовые сценарии «что посмотреть»). Главный челлендж — recsys в медиа отличается от e-commerce, плюс соседство с Алисой даёт voice-context, где ML-фича должна понимать естественный язык запроса о контенте.

Стек: classical recsys (CF, ALS, two-tower) + Catboost для ranking, CV-модели (CLIP-like, video transformers) для video AI, LLM (YandexGPT) для NLP и копилотов, YT (YTSaurus) и ClickHouse для аналитики, Алиса-инфраструктура для voice-сценариев.

Актуальные вакансии — на hh.ru и сайте Яндекса.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели. Это типичный Yandex-style процесс с акцентом на ML system design и культурный fit с Yandex Values.

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.

2. AI / ML grounding (45-60 минут)

С ведущим PM или ML-лидом. Темы: recsys-метрики (NDCG, MAP, watch-time vs CTR, freshness), cold start стратегии, особенности streaming-домена (long sessions, многократный просмотр). На LLM-блоке — генерация описаний, hallucinations в медиа-контексте, YandexGPT в продакшен-сценариях.

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 Плюсовые подписчики, индивидуально vs семейно), JTBD, UX (плюс voice-сценарии через Алису), риски (filter bubble, popularity bias), метрики (watch-time per session, retention M+1, удержание Плюса), MVP. Сильные кандидаты сразу обозначают, что в VOD рекомендация = удержание подписчика.

Подготовка: Prompt engineering, RAG и context.

4. Metrics / experimentation (45 минут)

Эксперименты в VOD: short-term watch-time двигается быстро, retention M+1 — главный KPI. Спросят про proxy-метрики, surrogate models.

Подготовка: AI-метрики и evaluation.

5. Поведенческое + Yandex Values (45 минут)

STAR + Yandex Values. Истории про конфликт с командой контента, факап в проде, спор о приоритете.

Особенности по командам

Recommendation. Ядро: главная, «похожее», подборки. Самая большая команда. Подойдёт PM с recsys в e-commerce/media.

Video AI. Авто-теги, генерация постеров, encoding-оптимизация. CV-heavy R&D-блок. Подойдёт PM с CV background.

NLP. Обработка отзывов, генерация аннотаций. Подойдёт PM с NLP/LLM background.

Retention AI. Прогноз отписки от Плюса, propensity для возврата. Подойдёт PM с lifecycle-marketing опытом.

Voice / Алиса. Voice-сценарии «найди что посмотреть», integration с Алиса-инфраструктурой. Подойдёт PM с voice/conversational AI background.

Что Кинопоиск ценит в AI PM

AI понимание. Слабый: «возьмём LSTM». Сильный: «two-tower для retrieval + Catboost для ранжирования + diversity-injection; для voice — slot-filling + NLU; для постеров — fine-tuned diffusion».

Media / streaming context. Знание watch-time vs CTR, retention в VOD. Слабый: «увеличим CTR». Сильный: «оптимизируем watch-time и retention M+1, не CTR».

CV / NLP fluency. Понимание video transformers, CLIP, LLM, voice NLU.

Business metrics. «Retention M+1 +2.3 pp, watch-time per session +18%, churn Плюса -8%, ROI 14% LTV-лифт».

Cross-team + Yandex Values. Контент, маркетинг, продакт-Плюса, ML, Алиса-команда.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — ML базовые + recsys primer. Метрики ranking, CF/MF. ML для PM.
2. Неделя 2 — LLM + CV глубже. 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. AI cost и latency.
5. Неделя 5 — Mocks + behavioral. Mock recsys VOD. Подготовь Yandex Values-истории.
6. Неделя 6 — Polish. Перечитай Netflix Tech Blog, статьи Яндекса по recsys.

Частые ошибки

«Добавим chatbot» без бизнес-кейса. Слабо: «AI-бот». Сильно: «у нас 25k тикетов в неделю, 70% — типовые „как отписаться от Плюса“; LLM-бот с RAG в FAQ закроет 50%, retention +8 pp».

Игнор hallucinations. Слабый: «модерируем». Сильный: «для money — обязательная подстановка из биллинга».

Без media / streaming. Слышно по фразам про CTR. Изучи watch-time, retention M+1.

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

AI metrics only. Слабо: NDCG. Сильно: «retention M+1 +2.3 pp = 90М 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 Кинопоиске для AI PM?

Гибрид с офисом в Москве. Полная удалёнка возможна для senior+ при сильной мотивации.

Зарплатные вилки 2026?

Middle AI PM: 380-540k. Senior: 540-800k. Yandex платит выше рынка.

Английский нужен?

Базовый — желательно для research-статей (Netflix, Spotify 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.