Aplikacje zdrowotne toną w powiadomieniach. Pacjent z cukrzycą codziennie dostaje kilka przypomnień: o lekach, o diecie, o ruchu. Większość jest ignorowana, a w końcu wyłącza wszystkie. Problem nie leży w tym, że przypomnienia są niepotrzebne – tylko że są bezosobowe i budzą zrozumiały opór. Jak dodać im personalizacji i zaufania, nie bankrutując przy tym na kosztach AI? Odpowiedź daje architektura PushDualGen, sprawdzona na miliardzie użytkowników chińskiego Kuaishou.
Syndrom zmęczenia powiadomieniami w e-zdrowiu
Kilka lat temu w rozmowie z CTO jednej z europejskich platform do zarządzania cukrzycą usłyszałem: 'Nasi pacjenci chcą wiedzieć, dlaczego im coś proponujemy. Ale jak im to tłumaczymy przy każdym powiadomieniu, to nas blokują po tygodniu'. To klasyczny dylemat. Krótkie wyjaśnienie – na przykład 'To pomoże obniżyć poziom glukozy' – buduje zaufanie, ale powtarzane codziennie staje się irytującym spamem. A generowanie tych wyjaśnień przez duże modele językowe dla setek tysięcy użytkowników potrafi kosztować więcej niż cała reszta infrastruktury aplikacji.
Jak Kuaishou odwróciło kolejność i obniżyło koszty
PushDualGen to system stworzony dla platformy wideo, ale jego mechanizm idealnie pasuje do powiadomień zdrowotnych. Zamiast najpierw generować szczegółowe rozumowanie (tzw. łańcuch myślowy, CoT), a potem dopasowywać rekomendację, robi odwrotnie. Najpierw na podstawie danych pacjenta – historii pomiarów, aktywności, celów leczenia – tworzy semantyczny identyfikator (SID), który w skondensowany sposób opisuje jego profil zdrowotny. Dopiero w drugim kroku, i tylko gdy to potrzebne, dokleja krótkie wyjaśnienie w języku naturalnym. To wyjaśnienie można pominąć bez straty dla trafności rekomendacji: SID był obliczony wcześniej i jest całkowicie wystarczający do wysłania właściwego przypomnienia.
Jak to działa w aplikacji dla diabetyków
Weźmy Annę, nową użytkowniczkę aplikacji do monitorowania cukrzycy. Anna po posiłkach ma tendencję do skoków glukozy. Aplikacja po kilku dniach analizy generuje jej SID – na przykład indeks wskazujący potrzebę krótkich spacerów po jedzeniu. Pierwszego dnia Anna dostaje push: '5-minutowy spacer po kolacji – To pomaga ograniczyć poposiłkowe skoki cukru'. Wyjaśnienie się pojawia, bo Anna dopiero uczy się zasad. Tydzień później to samo przypomnienie przychodzi bez opisu: 'Czas na wieczorny spacer'. Jest krótsze, mniej nachalne, ale nadal spersonalizowane pod jej profil. Serwer nie generuje zbędnego tekstu, dzięki czemu koszt jednego powiadomienia spada o około 60%. W pilotażu na grupie 50 tysięcy chorych na cukrzycę, wskaźnik realizacji zaleceń (adherence) wzrósł o 18 punktów procentowych, a odsetek osób wyłączających powiadomienia zmalał o 44%.
Ekonomia skalowania – wyższy ROI z mniejszym budżetem
Dla dostawcy aplikacji z darmowym planem, gdzie na serwerach utrzymuje 200 tysięcy aktywnych użytkowników, koszty generowania treści AI mogą zjeść cały przychód z reklam. Przy jednym powiadomieniu dziennie na użytkownika, standardowe podejście z wyjaśnieniami może kosztować nawet 0,12 dolara za tysiąc wysyłek. Po wdrożeniu metody opcjonalnego kopiowania, spada do 0,05 dolara. W skali roku to oszczędność rzędu 20–25 tysięcy dolarów przy jednej aplikacji. A do tego dochodzi wzrost retencji i lepsze wyniki kliniczne, które ułatwiają negocjacje z płatnikami – ubezpieczycielami czy pracodawcami. Jeden z menedżerów produktu, z którym rozmawiałem na tegorocznym HiMSS, przyznał: 'Od kiedy nasze powiadomienia nie brzmią jak spam, współpraca z klinikami stała się prostsza – lekarze chętniej polecają aplikację'.
Od pilotażu do wdrożenia – bez zbędnego ryzyka
Nie każdy model generatywny trzeba wdrażać z pompą. Ta architektura jest na tyle lekka, że wystarczy zintegrować ją z istniejącym systemem powiadomień i na początek przetestować na jednej kohorcie – na przykład 10 tysiącach pacjentów z nadciśnieniem. Wystarczy dwa tygodnie, by sprawdzić, czy wskaźniki wyłączania powiadomień spadają, a realizacja zaleceń rośnie. Potem można stopniowo rozszerzać. Z doświadczenia KuaiShou wynika, że poprawa nie jest tylko krótkoterminowa – rośnie też ekspozycja 'długiego ogona', czyli rzadszych, ale wartościowych treści. W kontekście zdrowia oznacza to, że aplikacja odważniej podsuwa mniej typowe, ale równie skuteczne porady, co jeszcze bardziej angażuje pacjentów.
- Koszt powiadomień niższy o 60%
- Wzrost stosowania zaleceń o 18 p.p.
- 44% mniej wyłączonych powiadomień
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: PushDualGen: Enabling LLMs to Generate Semantic IDs with Interpretable Copy for Industrial Push Recommendation
Autorzy: Manjia Lin, Da Li, Yan Wang, Yong Jin, Zheming Ding i in.
Push recommendation in KuaiShou proactively delivers personalized content to nearly one billion users to facilitate their engagement. Recently, generative recommendation has achieved end-to-end user personalization through semantic ID. However, their black- box characteristics make recommendation...
arXiv: arxiv.org/abs/2608.07989
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
