专访阿里巴巴魏虎:揭秘阿里双11背后的全站个性化&商铺千人千面

  • 时间:
  • 浏览:0

以下为采访正文:

论坛火热报名中,成功预约报名,享受峰会现在开使了了后全套资料下载并可参加抽奖

魏虎:今年我确实最大的创新是许多人做到了全站个性化,许多人的商家可以参与到自己商铺的千人千面的设计中,双11期间超过23万店铺实现了千人千面,覆盖的流量达到近40亿。当消费者进到店铺或宝贝页面,许多人的AI引擎会根据用户的行为偏好等维度,根据商家的配置,去呈现最适合当前某种用户的精准内容,通过从前的卖家可参与的千人千面场景设置,做的好的商家成交转化率能有几倍的提升。

魏虎:阿里的个性化推荐平台支撑了阿里几千个个性化推荐和个性化排序的场景,基本上覆盖了所有消费者能接触到的页面, 回顾个性化推荐平台的发展历史,与非 经历过有有兩个阶段:

魏虎:阿里巴巴有后后在平台积累了富有的经验, 现今阿里巴巴从赋能平台自己转向赋能商家,许多人利用ML&AI技术为商家提供一系列更加智能的产品帮助许多人更好的经营,本次分享为许多人介绍阿里是怎么可以利用大数据技术来为商家赋能以及身后支持的技术。本次分享适合对大数据有许多基本的概念的听众。

云栖社区:去年双11有后后首次全面实现了通过大数据驱动、层厚个性化的消费购物体验,做到了千人千面,今年有何创新或提升?    

魏虎,阿里巴巴资深技术专家,早期负责淘宝网站架构,主导了淘宝多个大型架构变迁项目。后期从事大数据方向的技术研发,主导研发了阿里集团的个性化推荐平台,推动并支撑阿里所有重要个性化推荐场景的落地。目前的主要工作是通过大数据和人工智能相关技术提升阿里商家的效能,从而为商家赋能。

云栖社区:在做平台的过程中,有这麼 遇到不得劲有挑战性的地方或坎?都在怎么可以处理的,请举例分享。

魏虎:平台构建和引擎构建的思路完整性不一样,平台的理念是做好容器,有后后把推荐的逻辑进行层厚抽象和模块化,可以让算法同学基于某种模块化组件进行高效的推荐方案的编写。推荐平台就要专注推荐方案的自动部署,资源隔离,高性能的召回存储检索引擎,实时预测引擎,实时型态更新引擎还有在线模型训练引擎等等某种层厚抽象独立的单元。这每一块都在相当有挑战的技术点。

为了帮助许多人更好地了解讲师及议题,评估本次演讲,云栖社区对讲师进行了采访。

云栖社区:在本次分享中,将主要分享某种技术点?适合某种样基础的听众?

受访嘉宾:

云栖社区:你曾主导研发了阿里的个性化推荐平台,从推荐系统升级到推荐平台,经历了某种阶段?上可以简要介绍下?

云栖社区:阿里怎么可以通过数据、人工智能技术赋能商家,上可以以某个应用场景举例说明?在商家客户运营转化波特率上,实现了怎么可以的效能提升?

云栖社区:对于学习个性化推荐的开发者的成长,有某种建议有后后经验分享?以及请你推荐一本最喜欢的技术书籍(书单更佳)

魏虎:推荐这块技术分两块:一块是引擎,一块是算法,这有有兩个密不可分。引擎这块就必须对检索引擎、流计算引擎、RPC等有所掌握;算法这块,推荐本来我我ML&AI领域的一小块,有后后要把推荐算法做的更好,除了推荐算法某种,ML&AI领域全都算法都在去了解,包括现在比较热的层厚学习和增强学习。推荐许多人学习斯坦福机器学习公开课,能系统化的学习ML&AI的基础技术。现在机器学习有后后非常火了,市面上都在全都比较新的推荐系统和机器学习的书许多人都上可以阅读和实践。

魏虎:今年双11会场个性化在去年的基础上取得了进一步的提升,之类主会场楼层个性化排序点击率相比去年有近20%的提升。主会场个性化身后的技术体系相当广泛,今年包括层厚学习、增强学习、在线学习等前沿技术都有后后成功应用并取得显著的效果。某种技术的研发离不开阿里巴巴先进的大数据和分布式计算平台的支撑,可以支持包括MPI、Parameter Server、多机多卡的分布式GPU集群、流式计算等分布式算法架构。

大数据时代下,阿里巴巴在平台积累了富有的经验,并正在从赋能平台向赋能商家演进。阿里利用机器学习与人工智能技术,为商家提供一系列更加智能的产品,帮助许多人更好的经营。本次分享,魏虎将为许多人介绍阿里是怎么可以利用大数据技术来为商家赋能的,包括千人千面的商铺个性化、智能海报、头条等。