V dnešnom digitálnom svete bohatom na obsah je kľúčové doručiť správny obsah správnemu používateľovi v správnom čase. Nadväzujúc na našu predchádzajúcu prácu na dátovom potrubí Momspresso sme teraz implementovali výkonný odporúčací systém, ktorý personalizuje obsah pre milióny používateľov Momspresso. Pozrime sa, ako sme tento systém vytvorili.
Výzva#
Momspresso potrebovalo odporúčací systém, ktorý by dokázal:
- Spracovať veľké objemy údajov o interakcii používateľov
- Rýchlo generovať personalizované odporúčania článkov
- Aktualizovať odporúčania v reálnom čase, keď používatelia interagujú s obsahom
- Škálovať sa na zvládnutie miliónov používateľov a článkov
Naše riešenie: Odporúčací systém poháňaný Sparkom#
Navrhli sme viackomponentový odporúčací systém, ktorý využíva dátové potrubie, ktoré sme vytvorili skôr:
1. Skripty na generovanie údajov#
Pomocou úložiska udalostí z nášho dátového potrubia sme vytvorili skripty na generovanie tréningovej sady pre náš odporúčací model. To nám umožňuje použiť skutočné údaje o interakcii používateľov na trénovanie nášho modelu.
2. Spark ML-lib pre trénovanie modelu#
Nastavili sme systém založený na Spark ML-lib pre trénovanie modelu. V súčasnosti používame kolaboratívne filtrovanie, ktoré sa dá rýchlo natrénovať len s 3-4 dňami údajov. To nám umožňuje často aktualizovať náš model, čím zabezpečujeme, že naše odporúčania zostávajú relevantné.
3. Webová služba odporúčaní#
Vytvorili sme webovú službu, ktorá poskytuje odporúčania článkov na základe ID používateľov. Na riešenie vysokej latencie načítavania modelu do pamäte sme implementovali stratégiu ukladania do vyrovnávacej pamäte pomocou Redis. To zabezpečuje rýchle časy odozvy pre naše odporúčania.
4. Služba na mazanie odporúčaní#
Aby sme udržali odporúčania aktuálne, implementovali sme službu, ktorá odstraňuje zobrazené články z odporúčaní používateľa. Táto služba sa pripája ku Kafke a počúva udalosti zobrazenia, aktualizujúc odporúčania v reálnom čase.
Kľúčové vlastnosti nášho odporúčacieho systému#
Personalizácia: Použitím kolaboratívneho filtrovania môžeme poskytovať prispôsobené odporúčania na základe správania podobných používateľov.
Aktualizácie v reálnom čase: Náš systém aktualizuje odporúčania, keď používatelia interagujú s obsahom, čím zabezpečuje relevantnosť.
Škálovateľnosť: Použitie Spark a Redis umožňuje nášmu systému efektívne zvládať veľké objemy údajov a používateľov.
Flexibilita: Náš modulárny dizajn nám umožňuje ľahko vymeniť odporúčací algoritmus alebo pridať nové funkcie v budúcnosti.
Implementácia a výsledky#
Integrácia odporúčacieho systému s platformou Momspresso bola jednoduchá. Urobili sme malú zmenu konfigurácie v Nginx, aby sme použili našu novú webovú službu odporúčaní ako API pre jeden z kanálov na produkčnom webe.
Prvé výsledky sú sľubné:
- Zvýšená angažovanosť: Používatelia trávia na platforme viac času a čítajú viac článkov za reláciu.
- Zlepšené objavovanie: Používatelia nachádzajú a zapájajú sa do širšej škály obsahu.
- Zvýšená spokojnosť používateľov: Počiatočná spätná väzba naznačuje, že používatelia považujú personalizované odporúčania za hodnotné.
Pohľad do budúcnosti#
Keď pokračujeme v zdokonaľovaní nášho odporúčacieho systému, tešíme sa na niekoľko budúcich vylepšení:
- Prístup s viacerými modelmi: Implementácia rôznych odporúčacích modelov pre rôzne typy obsahu alebo segmenty používateľov.
- Filtrovanie založené na obsahu: Začlenenie vlastností článkov na zlepšenie odporúčaní, najmä pre nový alebo špecifický obsah.
- Rámec pre A/B testovanie: Vytvorenie systému na jednoduché testovanie rôznych odporúčacích stratégií.
Neustálym zlepšovaním nášho odporúčacieho systému pomáhame Momspresso poskytovať väčšiu hodnotu ich používateľom, udržiavať ich angažovaných a vracať sa pre viac personalizovaného obsahu.
Zostaňte naladení na náš ďalší príspevok, kde budeme diskutovať o tom, ako používame dátové potrubie a odporúčací systém na získavanie praktických poznatkov pre obsahovú stratégiu Momspresso!