UAS:点评侧用户行为检索系统

作者/分享人:美团技术团队
向 Ta 提问
美团技术团队官方账号

随着整个中国互联网下半场的到来,用户红利所剩无几,原来粗放式的发展模式已经行不通,企业的发展越来越趋向于精耕细作。美团的价值观提倡以客户为中心,面对海量的用户行为数据,如何利用好这些数据,并通过技术手段发挥出数据的价值,提高用户的使用体验,是我们技术团队未来工作的重点。

大众点评在精细化运营层面进行了很多深度的思考,我们根据用户在App内的操作行为的频次和周期等数据,给用户划分了不同的生命周期,并且针对用户所处生命周期,制定了不同的运营策略,比如针对成长期的用户,主要运营方向是让其了解平台的核心功能,提高认知,比如写点评、分享、收藏等。同时,我们还需要为新激活用户提供即时激励,这对时效性的要求很高,从用户的行为发生到激励的下发,需要在毫秒级别完成,才能有效提升新用户的留存率。

所以,针对这些精细化的运营场景,我们需要能够实时感知用户的行为,构建用户的实时画像。此外,面对大众点评超大数据流量的冲击,我们还要保证时效性和稳定性,这对系统也提出了非常高的要求。在这样的背景下,我们搭建了一套用户行为系统(User Action System,以下简称UAS)。

如何实时加工处理海量的用户行为数据,我们面临以下几个问题:

  • 上报不规范 :点评平台业务繁多,用户在业务上产生的行为分散在四处,格式不统一,有些行为消息是基于自研消息中间件 Mafka/Swallow,有些行为消息是基于流量打点的 Kafka 消息,还有一些行为没有对应的业务消息,收集处理工作是一个难点。
  • 上报时效性差 :目前大部分行为,我们通过后台业务消息方式进行收集,但是部分行为我们通过公司统一的流量打点体系进行收集,但是流量打点收集在一些场景下,无法满足我们的时效性要求,如何保证收集处理的时效性,我们需要格外关注。
  • 查询多样化 :收集好行为数据之后,各个业务对用户行为的查询存在差异化,比如对行为次数的统计,不同业务有自己的统计逻辑。无法满足现有业务系统的查询需求,如何让系统既统一又灵活?这对我们的业务架构能力提出了新要求。

本场 Chat 将针对上面的问题进行详细介绍。


作者简介:朱凯,资深工程师,2014年加入大众点评,先后从事过账号端/商家端的开发,有着丰富的后台开发架构经验,同时对实时数据处理领域方法有较深入的理解,目前在点评平台负责运营业务相关的研发工作,构建精细化运营的底层数据驱动能力,着力提升用户运营效率。

已有200人预订
预订达标
文章出炉
交流日期
     
07月06日
07月12日
07月25日 20:30
你可能还喜欢
使用 Spring Boot 开发邮件系统
纯洁的微笑
Python 爬虫入门实战之猫眼电影数据抓取
若数
基于深度学习的计算机视觉技术在无人驾驶中的应用
美团技术团队
Elasticsearch 搜索引擎应用实战
图南
Java 性能瓶颈分析工具
蓬蒿
RabbitMQ 典型应用场景实战
SteadyHeart
机器学习第二次入门
AI科技大本营
美团大脑:知识图谱的建模方法及其应用
AI科技大本营
基于 FP 的一次 DDD 战术设计实践
agiledragon
Java 代理模式,你所需要知道的
jaysong
微服务核心组件 Zuul 网关原理剖析
追梦
Java 注解(Annotation),你所需要知道的
jaysong
AutoML 在推荐系统中的应用
第四范式技术团队
今夜,我们聊聊中国的开源
开源社
IP 地址中蕴含哪些有用信息
村中少年
微信扫描登录