🙋🏻♀️ 编者按:本文作者是蚂蚁集团终端工程师赫仁,介绍了支付宝首页端智能化建设,在探索分发推荐和体验保障这条道路上,支付宝首页团队通过与端智能团队的深度合作,充分发挥端计算的优势,利用端侧丰富且实时的行为特征,结合端智能提供的算法平台能力,为支付宝首页业务带来效率和价值的增长点。
首页是支付宝 App 的第一个 Tab 页面,承载着整个支付宝端的流量分发以及端入口体验的重任。在探索分发推荐和体验保障这条道路上,首页团队通过与端智能团队的深度合作,充分发挥端计算的优势,利用端侧丰富且实时的行为特征,结合端智能提供的算法平台能力,为首页业务带来效率和价值的增长点。
支付宝首页推荐业务从成长逐步进入到成熟的阶段,首页技术的站位需要面向业务、面向数字化、面向未来做进一步的升级。以推荐区业务为例,需要从产品角度做好场景化推荐和精细化运营,需要从技术角度满足子业务的高效率接入和个性化配置,因此扩展底层能力边界、夯实技术核心是首页技术下一阶段的重中之重。
目前云端大规模计算已经成为了智能推荐业务的核心基础设施,在此基础上充分发挥端计算和端智能的优势,弥补云端实时感知的空白,不但可以帮助云端做出更好的推荐决策,也可以发挥端云协同的优势进一步提升数字化运营的能力。
首页端技术在当前的阶段主要面临两个方面的基本要求:1. 产品侧对业务稳定、灵活高效的要求;2. 技术侧对性能、稳定性、体验、数字化基本盘的要求。在此基础上通过智能化建设,一方面进一步提升业务的基础水位,另一方面持续深耕技术,做好产品体验的保障。
刷新是首页作为分发平台最核心的能力。过去的刷新策略是尽量覆盖所有可能的刷新场景来保障算法推荐的触达,现在我们按照业务属性和特性将多点离散的刷新场景抽象归纳为时间、空间、事件三个维度,在这三个维度上分别进行智能化改造升级。
目前首页推荐的基础架构是云推荐-端渲染,非首次进首页自动刷新等场景是通过较粗粒度的手段来尽量满足用户进入首页时的推荐触达,这里存在几个问题:
为了解决如上几个问题,首页建设阈值梯度变化的AB实验,接入端侧算法模型,而且端侧天然具备丰富的用户实时特征数据,理论上可以满足局部连贯性数据输入,另外算法建模,通过实时意图识别来决策刷新行为。在此基础上,搭建以端-云协同为基础的推荐架构:通过端侧感知实时用户行为,构建端意图识别-云意图理解的实时推荐架构。
近场推荐是基于精准定位的场景化服务解决方案,首页的近场推荐载体是置顶的位置卡片,目前首页近场推荐覆盖的场景包括火车站、航站楼、医院、景区、商圈等(AOI,area of interest)。在位置相关推荐上,首页端技术面临的最主要问题是:
为此我们设计了定位覆盖圈+地理围栏缓冲区的组合拳方案,核心思路是积极发挥端云协同,算法可以根据用户距离AOI的位置动态调整端侧定位频率,在最小开发成本下解耦定位和请求,实现按需渐进式定位,最大化的提升AOI的服务效率。从技术概念上来讲,我们可以把定位覆盖圈理解成对位置是否需要关注的界限,缓冲区则是对定位精度是否敏感的界限。结合下一张图来说,具体执行细节如下:
推荐区有很大一部分刷新场景和用户行为事件有关,在首页的垂直领域有下拉刷新、正负反馈刷新等;在全端的横向领域有功能设置、版本中心等;除此之外,在端外还有履约、订单、热点等事件源。由于不同业务有不同的刷新诉求,过去首页在对外接入上支持全局刷新、单卡刷新和Sync异步刷新的原子化能力,有以下两个显著问题:
为此,我们重新规划了首页事件维度的刷新机制和规范,联合端智能和端基础团队构建了基于感知复杂事件的首页智能化刷新方案,另外基于此方案研发轻量级的业务的接入方式,不但可以解决上述两大问题,而且面向未来多种多样的业务刷新诉求可以更加得心应手。
去重是为了解决首页现有推荐架构下的问题:来自不同系统的流量位推荐内容重复。
问题原因:首页推荐的主要流量位由搜索底纹词、角标、腰封及卡片列表构成。在首页启动的时候,多个流量位并行发送各自的RPC请求获取推荐数据,由于多笔请求背后的业务系统相互之间没有感知,容易导致推荐内容重复,非常影响用户体验和流量分发的效率。
为了填补推荐系统联合优化能力的缺失,需要在各流量位之间建设流量中控能力,通过算法联合优化去重。为此分别设计了以Single-Request为基础的云端流量中控方案和以端智能为基础的端流量中控方案,两个方案的实现思路和对比如下:
方案一、Single-Request 算法去重:流量中控建设在云端,将首页各流量位请求合并,由于Recmixer(首页推荐系统)是主链路,所以在Recmixer链路下搭建中控平台,UCDP(投放推荐系统)配合链路改造;客户端CDP-SDK向首页SDK提供请求数据。
方案二、端智能算法去重:流量中控建设在客户端,通过端智能架设流量中控平台,平台缓存各展位的推荐标的。首页SDK和CDP-SDK流量下行后统一经由中控平台决策。
通过ROI和历史收益参考对比,最终选择了端算法去重方案,整体去重涉及两个部分改造,分别是1. 离线侧通过人工干预或标签分类将推荐内容的实体统一;2. 在线侧通过端智能中控规则去重。完整流程如下图:
智能刷新时间智能化方案实时推荐从0搭建端智能决策工程/算法链路,经过小流量实验到子场景逐步推全,目前在回首页刷新场景已经落地第一版意图预测刷新,整体请求量级下降14%,点击PV置信提升0.44%,PVCTR整体提升18.8%;
空间智能化方案地理围栏缓冲区方案目前已全量上线,首页位置卡片通过使用这套组合能力,围栏缓冲区点击pv/点击uv分别提升19.7%/20.02%,pvCtr/uvCtr分别提升4.4%/6.51%;定位覆盖圈点击PV/点击UV分别提升4.54%/2.54%,pvCtr/uvCtr分别提升2.38%/0.51%。
事件智能化方案机制已经逐步落地在会员积分领取、IOT支付后推荐等卡片业务场景,业务接入效率大幅提升,链路效率大幅优化(减少90%无效sync请求),无需再进行开发对接服务端sync接口,仅做端侧标准CEP规则提报即可完成业务单卡刷新能力接入。
推荐去重
首页端智能去重方案经过多个团队联合开发后,目前线上腰封、feed、角标已全量开启,当前阶段联合去重实体重复度下降33%。目前团队针对下一步Action还在讨论中,中长期目标是会推进分数校准/展位偏好的计算模型上线,提供更优的流量分配策略。
首先围绕首页智能刷新架构的深度探索,持续发挥端云协同的优势,接下来将在几个方向重点发力:
继而,在智能化道路上继续探索落地场景,下一阶段我们在着手设计通过智能检测手段来保障首页用户体验的方案,针对重要的体验问题建设线上监控、异常报警和问题发现机制。
👇🏾 点击「阅读原文」,在评论区与我们互动噢