في عالم المحتوى الرقمي الغني اليوم، يعد تقديم المحتوى المناسب للمستخدم المناسب في الوقت المناسب أمرًا بالغ الأهمية. بناءً على عملنا السابق على خط أنابيب البيانات الخاص بـ Momspresso، قمنا الآن بتنفيذ محرك توصيات قوي يخصص المحتوى لملايين مستخدمي Momspresso. دعونا نتعمق في كيفية بناء هذا النظام.
التحدي#
كانت Momspresso بحاجة إلى نظام توصيات يمكنه:
- معالجة كميات كبيرة من بيانات تفاعل المستخدم
- إنشاء توصيات مقالات شخصية بسرعة
- تحديث التوصيات في الوقت الفعلي أثناء تفاعل المستخدمين مع المحتوى
- التوسع للتعامل مع ملايين المستخدمين والمقالات
حلنا: محرك توصيات مدعوم بـ Spark#
قمنا بتصميم نظام توصيات متعدد المكونات يستفيد من خط أنابيب البيانات الذي بنيناه سابقًا:
1. نصوص برمجية لتوليد البيانات#
باستخدام مخزن الأحداث من خط أنابيب البيانات الخاص بنا، أنشأنا نصوصًا برمجية لتوليد مجموعة التدريب لنموذج التوصيات الخاص بنا. هذا يسمح لنا باستخدام بيانات تفاعل المستخدم الحقيقية لتدريب نموذجنا.
2. Spark ML-lib لتدريب النموذج#
قمنا بإعداد نظام قائم على Spark ML-lib لتدريب النموذج. نحن نستخدم حاليًا الترشيح التعاوني، والذي يمكن تدريبه بسرعة باستخدام بيانات 3-4 أيام فقط. هذا يسمح لنا بتحديث نموذجنا بشكل متكرر، مما يضمن بقاء توصياتنا ذات صلة.
3. خدمة ويب للتوصيات#
قمنا ببناء خدمة ويب تقدم توصيات المقالات بناءً على معرفات المستخدمين. لمعالجة التأخير العالي في تحميل النموذج إلى الذاكرة، قمنا بتنفيذ استراتيجية تخزين مؤقت باستخدام Redis. هذا يضمن أوقات استجابة سريعة لتوصياتنا.
4. خدمة حذف التوصيات#
للحفاظ على تحديث التوصيات، قمنا بتنفيذ خدمة تزيل المقالات التي تمت مشاهدتها من توصيات المستخدم. تتصل هذه الخدمة بـ Kafka وتستمع لأحداث المشاهدة، وتحدث التوصيات في الوقت الفعلي.
الميزات الرئيسية لمحرك التوصيات الخاص بنا#
التخصيص: من خلال استخدام الترشيح التعاوني، يمكننا تقديم توصيات مخصصة بناءً على سلوكيات المستخدمين المماثلين.
التحديثات في الوقت الفعلي: يقوم نظامنا بتحديث التوصيات أثناء تفاعل المستخدمين مع المحتوى، مما يضمن الصلة.
قابلية التوسع: يسمح استخدام Spark و Redis لنظامنا بالتعامل مع كميات كبيرة من البيانات والمستخدمين بكفاءة.
المرونة: يسمح تصميمنا النمطي بتبديل خوارزمية التوصية بسهولة أو إضافة ميزات جديدة في المستقبل.
التنفيذ والنتائج#
كان دمج محرك التوصيات مع منصة Momspresso بسيطًا. قمنا بإجراء تغيير تكوين صغير في Nginx لاستخدام خدمة الويب الجديدة للتوصيات كواجهة برمجة تطبيقات لأحد التغذيات على موقع الويب الإنتاجي.
كانت النتائج الأولية واعدة:
- زيادة المشاركة: يقضي المستخدمون وقتًا أطول على المنصة، ويقرؤون المزيد من المقالات في كل جلسة.
- تحسين الاكتشاف: يجد المستخدمون ويتفاعلون مع مجموعة أوسع من المحتوى.
- تعزيز رضا المستخدم: تشير الملاحظات الأولية إلى أن المستخدمين يجدون التوصيات الشخصية قيمة.
التطلع إلى المستقبل#
بينما نواصل تحسين محرك التوصيات الخاص بنا، نحن متحمسون للعديد من التحسينات المستقبلية:
- نهج متعدد النماذج: تنفيذ نماذج توصية مختلفة لأنواع مختلفة من المحتوى أو شرائح المستخدمين.
- الترشيح القائم على المحتوى: دمج ميزات المقالات لتحسين التوصيات، خاصة للمحتوى الجديد أو المتخصص.
- إطار عمل اختبار A/B: بناء نظام لاختبار استراتيجيات التوصية المختلفة بسهولة.
من خلال التحسين المستمر لمحرك التوصيات الخاص بنا، نساعد Momspresso على تقديم المزيد من القيمة لمستخدميها، والحفاظ على مشاركتهم والعودة للحصول على المزيد من المحتوى الشخصي.
ترقبوا منشورنا القادم، حيث سنناقش كيف نستخدم خط أنابيب البيانات ومحرك التوصيات لاستخلاص رؤى قابلة للتنفيذ لاستراتيجية المحتوى الخاصة بـ Momspresso!