以下为《贝壳智能推荐平台建设实践》的无排版文字预览,完整内容请下载
贝壳智能推荐平台建设实践
文章来源:infoq袁某某
/
1 开场
大家好,很荣幸在这里给大家分享一下我们贝壳找房,在智能推荐平台建设方面的一些实践经验。今天的分享,主要分为以下四个部分:
贝壳智能推荐平台简介
贝壳智能推荐平台的演进之路
贝壳智能推荐平台的架构设计
未来规划与展望
2 贝壳智能推荐平台简介
在贝壳找房这个科技驱动的新居住服务大平台上,我们的服务是多元化的,包括二手、新房、租赁、装修、商业地产、海外等多个业务线。智能推荐平***的使命,是承接所有的推荐业务相关的策略工作,目前已有 300 余个推荐场景,图 1 右下角这张图展示的是我们承接服务所属业务线的分布,可以看到二手、新房、租赁是比较大的三块,还有内容类是包括百科、问答、咨询、导购、视频、直播等贝壳内部产生的信息类物料,帮助用户更好地学习居住相关的基础知识以及了解当前的市场行情动向。
/
图 1-贝壳智能推荐平台介绍
贝壳智能推荐平台的核心用户包括两个群体,一个是 C 端用户,另一个则是 B 端经纪人。那么大家先来看一下对于 C 端用户,智能推荐平台都做了哪些事情。
一个客户在我们平台的购房流程一般都会经历从初步萌生购房想法、找房、咨询经纪人、带看、成交、售后这 6 个主要阶段。我们智能推荐平台就是在用户"找房"这个阶段切入的,在这个阶段我们能够帮助用户提升找房效率,辅助用户进行决策。
/
图 2-用户购房流程
接下来,介绍一下在经纪人这一侧,我们智能推荐平台是如何体现价值的。一个经纪人在我们平台的服务流程大致包括获得商机、录客、维护营销、线下带看、成交、提供售后几个阶段。我们智能推荐平台就是在维护营销这个阶段切入的,在这个阶段我们能够帮助经纪人提升作业效率。
/
图 3-经纪人服务流程
对于 C 端用户的使用场景,我们在 App 的大首页,让大家一打开 App 就能看到自己心仪的房子,还会推荐一些导购咨询,指导用户进行购房决策。在房源详情页场景,能帮助用户快速找到和自己当前所看房子最相似的其他房子,实现货比三家,帮助用户找到最心仪的家。另外,推荐和搜索也会产生联动,由于搜索要求的精确匹配的结果,而二手房在某种程度上也算作稀缺商品,在用户筛选比较苛刻的情况下,还是会出现少结果甚至无结果的情况。这个时候就需要推荐来进行一些补充,就需要找到用户直击内心深处的需求来进行推荐。此外,还有内容发现的 Feed 流,推荐给用户一些购房相关的信息,帮助用户实时掌握市场动态。贝壳自己也会生产一些小视频,通过视听的双重刺激来给用户介绍购房知识。
/
图 4-toC 场景
再来看一下 B 端经纪人使用的场景。我们会在经纪人与用户线上沟通过程中,根据用户的购房需求,提供聊天素材,提高经纪人与用户的沟通效率。以及在转委托和带看后,我们也会根据用户的购房需求以及基于实际的带看行为记录来给出用户可能感兴趣的房源推荐。
/
图 5-toB 场景
不难发现,我们智能推荐平台所面临的问题可以用两个"多"来概括,一个是场景种类多变,另一个就是物料类型多样。那么如何去解决这个问题呢?我们通过策略和架构两个方面来入手,解决场景问题时,不断尝试新的策略,并将这些策略中的共性提取出来,指导架构的升级改造。而在架构升级的过程中,需要提高策略的开发效率、降低策略的优化成本,从而实现策略驱动架构,架构赋能策略的螺旋式迭代。
/
图 6-策略与架构的关系
那么我们下面先来看看策略是如何驱动架构升级的,也就是我们的第二部分,贝壳智能推荐平台的演进之路。
3 贝壳智能推荐平台的演进之路
贝壳智能推荐平台架构的演进过程可以大致分为四 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 图 34-通用排序策略框架
在设计的过程中,我们会对输入数据进行规范,只要满足格式的数据就能够快速利用这些框架,从而***内各业务能够快速复用策略。后续还可***外部进行开放,打造行业、领域级别的策略平台。
我的分享到此结束,谢谢大家。
本文转载自公众号贝壳产品技术(ID:beikeTC)。
原文链接:
贝壳智能推荐平台建设实践
发表于:?2020-11-12
本文为 InfoQ 中文站特供稿件
首发地址:https://doc.001pp.com/article/VPLBdFqY8pDDf9wNOrPu
如有侵权,请联系 yunjia_community@tencent.com 删除。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《贝壳智能推荐平台建设实践》的无排版文字预览,完整内容请下载
贝壳智能推荐平台建设实践由用户“浪哟L”分享发布,转载请注明出处