话题公司 › 美团

公司:美团

美团是中国一家以提供生活服务为主的电子商务公司,其自我定位为“科技零售公司”,与大众点评网合并后曾称美团点评,2020年9月起复称美团。美团由经营中国内地团购网站美团网起家,旗下拥有美团网、美团外卖、美团闪购、美团优选、大众点评网、美团单车(原摩拜单车)等互联网平台,业务涉及衣食住行各领域,包括餐饮、外卖、家政、商品配送、出行、住宿、旅游等服务。

美团2018年在香港交易所上市,2020年12月7日成为恒生指数成份股。香港财经界把阿里巴巴、腾讯、美团、小米四只中国大陆科技股的英文名称首个字母,合称“ATMX”股份。

美团App成就勋章设计项目

美团App近期搭建了美团成就勋章体系,一方面,勋章作为精神激励直接授予用户,提升用户在App内的成就感和价值。另一方面,勋章也可以作为物质激励的间接载体,用户通过解锁勋章来获得背后的物质权益。

美团App成就勋章体系从设计角度,采用三维立体视觉风格,充分发散创意想象,使勋章更年轻有趣,形成独特有辨识度的风格体系,区分行业常规视觉方案,让用户形成记忆点。强化视觉冲击力及等级感,满足用户的成就感和荣誉感,引导用户留存并刺激分享传播。

美团平台人物库的炼丹之旅

互联网设计师所说的人物库是现实世界人物角色的虚拟体现,通常包含用户角色、业务角色、员工角色等各类形象。过往,设计师们为了能更好的营造产品场景氛围、让用户产生情感共鸣,会打造一些贴近用户形象的虚拟人物。但在传统的三维人物设计方法下,服装、动作及风格变化难以快速实现,无形中拉高了成本。如果能让AI来做这件事,那不仅能高品质、快速的完成设计,还能沉淀素材资产,更有助用户形成对美团品牌调性一致的认知。而AIGC的建设方式,也正是在这样的背景和想法下应运而生。

“美团平台人物库”就是设计师在这样的构思下,借助AIGC自主训练出了一系列真备特定生成能力的算法模型(美团平台人物角色LoRA模型),它将涵盖设计师预设的一整套典型用户角色、以及每个角色所具备的形象特征。未来借助AIGC,只要先选定某个LoRA模型,再通过提示词和简单的参数调节,就能轻松拥有不同表情、动作和服饰穿搭的人物形象,进而匹配不同画面需求。

基于模式挖掘的可靠性治理探索与实践

本文介绍了基于模式挖掘的可靠性治理探索,为通过技术手段解决该领域代表性问题开启了新的思路。

代码变更风险可视化系统建设与实践

变更是软件系统进化的推动力,同时也是孕育风险的温床。如果一个系统没有了相应的迭代和变更,那这个系统就会逐渐失去了活性和价值。不过,随着系统进行了变更迭代,软件风险也会慢慢衍生,而规避变更引发的软件风险在质量保障领域是一个较大的挑战。

美团多场景建模的探索与实践

文中提出了一种自适应的场景知识迁移和场景聚合技术,解决了在投放中面临外部海量流量带来的场景数量丰富、场景间差异大的问题。

基于rsync的文件增量同步方案

犀牛云盘是美团点评内部一个基于美团云的文件协作平台,核心是文件的结构化云存储以及上传和下载的体验优化。文件同步是云盘功能的重要部分(包括文件内容的同步和文件增删的同步,应该有上传、下载、创建、删除等动作,但在本文的叙述中,主要关注文件内容的传输,即上传、下载),如何快速高效地进行文件同步,就成了云盘亟需解决的技术难题。

本文阐述的方案就是在这种场景下提出来的,我们希望通过rsync增量传输算法,来提高文件同步速度。但原始rsync算法在高并发的服务上会存在性能问题,所以本方案也借鉴zsync的思路,做了优化。

MJDK 如何实现压缩速率的 5 倍提升?

MJDK 是基于 OpenJDK 构建的美团 JDK 发行版。本文主要介绍 MJDK 是如何在保障 java.util.zip.* API 及压缩格式兼容性的前提下,实现压缩/解压缩速率提升 5-10 倍的效果。

美团 Flink 资源调度优化实践

本文整理自美团数据平台计算引擎组工程师冯斐,在 Flink Forward Asia 2022 生产实践专场的分享。本篇内容主要分为四个部分:

  1. 相关背景和问题
  2. 解决思路分析
  3. 资源调度优化实践
  4. 后续规划

美团前端研发框架Rome实践和演进趋势

本文整理自美团技术沙龙第76期《大前端研发协同效能提升与实践》,为大家介绍了美团到店前端研发框架Rome实践和演进趋势。

美团外卖推荐关于用户新颖体验优化的技术探索

为更好平衡用户的复购、尝新的体验,美团外卖搜索推荐技术团队构建了一套新颖性推荐的体系化解决方案。

美团外卖智能陪伴型导购的探索与实践

相比于其他电商场景,外卖场景对于实时发现和反馈用户兴趣的能力有着更高的要求。近年来,美团外卖算法团队摸索出了一套适用于外卖场景的智能陪伴型导购架构和策略。

MySQL自治平台建设的内核原理及实践(下)

本篇系超大规模数据库集群保稳系列的第四篇(下),本篇介绍了数据库内核可观测性建设、全量SQL、异常处理以及索引优化建议与SQL治理方面的内容。

MySQL自治平台建设的内核原理及实践(上)

本篇系超大规模数据库集群保稳系列的第四篇(上),本文将介绍数据库的异常发现与诊断方面的内容。

超大规模数据库集群保稳系列之三:美团数据库容灾体系建设实践

本文重点介绍了数据库容灾平台能力建设、演练体系建设以及这些建设取得的一些成果,最后也会分享一下容灾建设的未来思考。

超大规模数据库集群保稳系列之二:数据库攻防演练建设实践

本文介绍了美团数据库攻防演练平台的具体实践,并结合混沌工程的成熟度标准和成熟度等级,分享我们对未来工作的一些思考和规划。

超大规模数据库集群保稳系列之一:高可用系统

对数据库而言,一个很重要的核心是如何保证其高可用性。本文围绕4个方面的内容展开,包括高可用简介、高可用部署、重点模块的设计思考以及对未来思考。

trang chủ - Wiki
Copyright © 2011-2024 iteam. Current version is 2.137.3. UTC+08:00, 2024-11-28 13:38
浙ICP备14020137号-1 $bản đồ khách truy cập$