独家揭秘！2.5亿用户的美团智能推荐平台是如何

推荐在 O2O 场景中的应用

10.1　典型的 O2O 推荐场景

美团移动端推荐展位是一个典型的 O2O 推荐场景，包括首页猜你喜欢和商家详情页附近团购、团购详情页看了又看等多个展位。首页猜你喜欢展位图如图 10-1 所示。

猜你喜欢展位是美团移动端首页的推荐展位，也是美团移动端流量最大的推荐展位。推荐内容包括团购单、酒店商家、外卖商家、电影院等，是一个混合形态的推荐。

详情页推荐展位包括商家详情页的附近团购和团购详情页的相关团购等。附近团购主要是附近商家的推荐（见图 10-2），相关团购主要是团购的推荐（见图 10-3），推荐形态相比猜你喜欢更单一一些。

猜你喜欢展位中，用户意图并不是太明确，推荐结果包括美食团购、外卖、酒店、旅游等多种类型的结果。详情页中，用户已经有了比较明确的意图，比较倾向于推相关品类的结果或者关联品类的结果。

10.2　O2O 推荐场景特点

以美团移动端推荐为例，O2O 推荐场景与其他推荐的区别具体包括如下三点。

地理位置因素。特别是对于美食、酒店、外卖等业务，用户倾向于使用附近商家的服务。

用户历史行为。新闻或者资讯推荐，用户看一次了解这些信息之后，就不会再去读第二遍。与新闻推荐不同，一家味道好的店，用户可能会反复光顾。从具体的数据来看，大量用户会产生重复点击和重复购买的行为。

实时推荐。一是地理位置，推荐需要考虑用户的实时位置。二是 O2O 场景的即时消费性，例如美食、外卖、电影等都是高频消费，用户从考虑到最终下单之间间隔时间非常短，所以推荐必须要实时，并且根据用户的实时反馈调整推荐的内容。

下面我们就这三个特点进行展开阐述。

10.2.1　O2O 场景的地理位置因素

地理位置因素分为若干个层次：KD-Tree 实时索引、GeoHash 索引、热门商圈索引、城市维度索引等。我们一般通过建立基于地理位置的索引来检索周边的商家和服务。在推荐时根据用户的实时地理位置实时地查询附近的商家和服务。对于与地理位置不太相关的内容，可以单独以城市维度或者商圈维度来建立索引，例如景点等。常用的地理位置索引可以是 KD-Tree 索引，它能达到很好的实时检索性能。下面分别讲解不同层次索引的异同点和优缺点。

KD-Tree 索引。以当前位置为圆心，可以快速检索出指定距离范围内的商家和服务。优点是精度最高。

GeoHash 索引。对区域进行正方形和六边形的划分，快速找出 GeoHash 范围内的商家和服务。缺点是精度不太高，如果当前实时位置在区域边沿，这个位置可能与另一个邻接 GeoHash 内商家和服务的距离会更近。

热门商圈索引。商圈索引检索的粒度相对粗一些，但是比较符合人生活中的实际经验，比如北京的五道口商圈、国贸商圈等。将商家和服务按照商圈的维度组织起来，可以使得我们能够给用户推荐感兴趣的同商圈的内容。

城市维度索引。它可以用来索引一些与地理位置关系不大的内容，例如景点等。另外，用户没有地理位置信息时，只能通过城市维度索引去检索出相关内容。

10.2.2　O2O 场景的用户历史行为

因为 O2O 场景用户有重复点击和购买的情况，所以我们需要用到用户的历史行为信息，包括用户的点击、下单、购买、支付、收藏、退款、评价等行为。在实际使用过程中会根据用户历史行为距离当前的时间进行相应的时间衰减，目的是加强最近行为的权重，减少久远行为的权重。

由于美团的用户量巨大，将用户所有行为全部存储下来供线上使用不太现实。实际应用会结合用户的活跃度和行为的类别来做相应的截断。例如，较活跃的用户会保留时间较短的行为，不太活跃的用户保留时间更长一些的行为。常用的方法有两个：以一个时间段为界，保留这一个时间段里的所有行为，比如 3 个月、1 年等；以固定数量保留用户的行为，比如 100 条，当有新的行为加入时，去掉最旧的行为，这比较类似于队列先进先出的数据结构。另外，可以结合行为的类别区分保留的数量，例如高频的行为可以保留时间短一些，低频的行为可以保留时间长一些。用户强意图的行为，例如收藏、下单等行为可以保留时间长一些，点击行为可以保留短一些。

截断时会综合考虑线上存储空间的占用和实际效果优化需求来折中考虑，并选择一个性价比较高的方案。

10.2.3　O2O 场景的实时推荐

由于 O2O 场景的地理位置重要性和消费的及时性，我们需要做实时的推荐。相比非实时的推荐，实时推荐在数据、系统和算法方面的要求会更高。

实时推荐需要用到最新的实时数据，美团利用了流数据处理，实时将从线上日志中解析得到用户行为用于线上，线上行为反馈的延时在秒级别。也就是说，用户在美团上行为操作，1 秒以内推荐系统就可以捕捉到，并且及时做出相应的推荐调整。

线上使用的推荐的实时性主要有召回的实时性、特征的实时性、排序模型的实时性（后面会详细介绍）。

召回的实时性。用户有过行为的内容会实时反馈到推荐系统中，与之相似的内容都会加入到新的推荐中去。

特征的实时性。用户对相关商家和服务的行为，除了用于召回，也会用于更新用户排序特征。排序特征中有一些关于相关行为的统计量，会在线实时更新，直接影响排序的得分。

排序模型的实时性。反馈可以形成正样本 / 负样本，用于模型未来的批量更新和实时更新。

下面将以猜你喜欢为例，详细介绍推荐系统及推荐算法。

10.3　美团推荐实践——推荐框架

从框架的角度看，推荐系统基本可以分为数据层、候选集触发层、候选集融合规则过滤层和重排序层，如图 10-4 所示。数据层包括数据生产和数据存储，主要是利用各种数据处理工具对原始日志进行清洗并处理成格式化的数据，将数据落地到不同类型的存储系统中，供下游的算法和模型使用。候选集触发层主要是从用户的历史行为、实时行为、地理位置等角度利用各种召回策略产生推荐的候选集。候选集融合和过滤层有两个功能：一是对候选集触发层产生的不同候选集进行融合，提高推荐策略的覆盖度和精度；二是要承担一定的过滤职责，从产品、运营的角度确定一些人工规则，过滤掉不符合条件的 Item（推荐对象，例如商家或团购单，下文中同，不再赘述）。排序层主要是利用机器学习的模型对召回层筛选出来的候选集进行重排序。

候选集召回和重排序是在优化推荐的效果时最频繁迭代的两个环节，因此需要支持 A/B 测试。为了支持高效率的迭代，我们对候选集召回和重排序两层进行了解耦，这两层的结果是正交的，因此可以分别进行对比试验，不会相互影响。同时在每一层的内部，我们会根据用户将流量划分为多份，支持多个策略同时在线对比。

数据乃算法、模型之本。美团作为一个交易平台，它拥有快速增长的用户量，产生了海量丰富的用户行为数据。当然，不同类型用户行为数据的价值和对用户意图的反映强弱也不太一样。

图 10-4　推荐系统框架图

用户主动行为数据记录了用户在美团平台上不同环节的各种行为。一方面，这些行为用于候选集触发算法（下一部分介绍）中的离线计算（主要是浏览、下单）；另一方面，这些行为代表的意图强弱是不同的，因此在训练重排序模型时可以针对不同的行为设定不同的回归目标值，以更细地刻画用户的行为强弱程度。此外，用户对 Item 的这些行为还可以作为重排序模型的交叉特征，用于模型的离线训练和在线预测。负反馈数据反映了当前的结果可能在某些方面不能满足用户的需求，因此在后续的候选集触发过程中需要考虑对特定的因素进行过滤或者降权，降低负面因素再次出现的概率，提高用户体验。同时，在重排序的模型训练中，负反馈数据可以作为不可多得的负例参与模型训练，这些负例要比那些展示后未点击、未下单的样本显著得多。用户画像是刻画用户属性的基础数据，其中有些是直接获取的原始数据，有些是经过挖掘的二次加工数据。这些属性一方面可以用于候选集触发过程中对 Deal 进行加权或降权，另一方面可以作为重排序模型中的用户维度特征。通过对 UGC 数据的挖掘，我们可以提取出一些关键词，然后使用这些关键词给 Deal 打标签，用于 Deal 的个性化展示。

上面简单地介绍了推荐系统框架中的数据层。推荐系统框架中数据层之上的召回和排序层是非常重要的两部分，我们会在后面两节内容中详细介绍。

10.4　美团推荐实践——推荐召回

个性化推荐的成功应用需要两个条件。第一是信息过载，因为用户如果可以很容易地从所有物品中找到喜欢的物品，就不需要个性化推荐了。第二是用户大部分时候没有特别明确的需求，因为用户如果有明确的需求，可以直接通过搜索引擎找到感兴趣的物品。

上文中我们提到了数据的重要性，但是数据的落脚点还是算法和模型。单纯的数据只是一些字节的堆积，我们必须通过对数据的清洗去除数据中的噪声，然后通过算法和模型学习其中的规律，才能将数据的价值最大化。接下来，本节将介绍推荐候选集触发过程中用到的相关算法。

10.4.1　基于协同过滤的召回

提到推荐，就不得不说协同过滤，它几乎在每一个推荐系统中都会用到。协同过滤的基本算法非常简单，但是要获得更好的效果，往往需要根据具体的业务做一些差异化处理。清除作弊、刷单、代购等噪声数据，这些数据会严重影响算法的效果。合理选取训练数据，选取的训练数据的时间窗口不宜过长，当然也不能过短，具体的窗口期数值需要经过多次的实验来确定。同时可以考虑引入时间衰减，因为近期的用户行为更能反映用户接下来的行为动作。User-Based 与 Item-Based 相结合。

美团的用户量巨大，最终用于协同过滤的矩阵也非常大，这些无法通过单机进行处理。为了进行大规模的协同过滤计算，我们基于 Hadoop 实现了分布式的协同过滤算法。在具体实现时，采用了基于列分块的方法（Scalable Similarity-Based Neighborhood Methods with MapReduce），如图 10-5 所示。对于数据量更大的情况，可以考虑进一步分行分列划块的方法。

图 10-5　基于列分块的矩阵乘法示意图

10.4.2　基于位置的召回

移动设备与 PC 端最大的区别之一是，移动设备的位置是经常发生变化的。不同的地理位置反映了不同的用户场景，在具体的业务中我们可以充分利用用户所处的地理位置。在推荐的候选集触发中，我们也会根据用户的实时地理位置、工作地、居住地等地理位置触发相应的策略。根据地理位置的粒度不同，召回策略又可以分为附近召回、当前商圈召回、当前城市召回等。

实际的应用场景中常常会遇到获取不到用户实时地理位置的情况，例如用户出于隐私考虑禁止 App 获取实时位置。这种情况下，只能推荐用户所在城市，比如推荐该城市热门商圈的内容，或者推荐旅游景点等信息。

能获取用户地理位置又可以进一步细分成两种情况：周边资源比较丰富；周边资源不太丰富。在周边资源不太丰富的情况下（例如用户所在的区域比较偏僻，周边商家和服务较少），可以扩大限制的距离，或者扩大 GeoHash 的范围。在周边资源较丰富的情况下，可以加强对距离的限制，并对候选按照一定因素进行排序，例如热度、销量等，选出 TopN 的结果。

10.4.3　基于搜索查询的召回

搜索是一种强用户意图，比较明确地反映了用户的意愿。但是在很多情况下，因为各种各样的原因，用户没有形成最终的成交。尽管如此，我们认为，这种情景还是代表了一定的用户意愿，可以加以利用，具体做法如下。

对用户过去一段时间的搜索无转换行为进行挖掘，计算每一个用户对不同查询的权重。

计算每个查询下不同 Item 的权重。根据查询下 Item 的展现次数和点击次数计算权重。

当用户再次请求时，根据用户对不同查询的权重及查询下不同 Item 的权重进行加权，取出权重最大的 TopN 进行推荐。

10.4.4　基于图的召回

对于协同过滤而言，用户之间或者 Item 之间的图距离是两跳，更远距离的关系则不能考虑在内。而图算法可以打破这一限制，将用户与 Item 的关系视作一个二部图，相互间的关系可以在图上传播。Simrank 是一种衡量对等实体相似度的图算法。它的基本思想是，如果两个实体与另外的相似实体有相关关系，那它们也是相似的，即相似性是可以传播的。

10.4.5　基于实时用户行为的召回

前面介绍过，我们的推荐系统是一个实时的推荐，用户的实时行为在整个推荐环节都非常重要。目前我们的业务会产生包括搜索、筛选、收藏、浏览、下单等丰富的用户行为，这些是我们进行效果优化的重要基础。我们当然希望每一个用户行为流都能到达转化的环节，但是事实并非如此。当用户产生了下单行为上游的某些行为时，会有相当一部分用户因为各种原因没有最终达成交易。但是，用户的这些上游行为对我们而言是非常重要的先验知识。很多情况下，用户当时没有转化并不代表用户对当前的 Item 不感兴趣。当用户再次到达推荐展位时，我们根据用户之前产生的先验行为理解并识别用户的真正意图，将符合用户意图的相关 Deal 再次展现给用户，引导用户沿着行为流向下游行进，最终达到下单这个终极目标。目前引入的实时用户行为包括实时浏览、实时收藏。

10.4.6　替补策略

虽然我们有一系列基于用户历史行为的候选集触发算法，但对于部分新用户或者历史行为不太丰富的用户，上述算法触发的候选集太小，因此需要使用一些替补策略进行填充。

热销单。即在一定时间内销量最多的 Item，可以考虑时间衰减的影响等。

好评单。即用户产生的评价中，评分较高的 Item。

城市单。即满足基本的限定条件，在用户的请求城市内的单。

为了结合不同触发算法的优点，同时提高候选集的多样性和覆盖率，需要将不同的触发算法融合在一起。常见的融合方法有以下 4 种。

加权型。最简单的融合方法就是根据经验值对不同算法赋给不同的权重，对各个算法产生的候选集按照给定的权重进行加权，然后再按照权重排序。

分级型。优先采用效果好的算法，当产生的候选集大小不足以满足目标值时，再使用效果次好的算法，依此类推。

调制型。不同的算法按照不同的比例产生一定量的候选集，这些候选集取并集产生最终总的候选集。

过滤型。当前的算法对前一级算法产生的候选集进行过滤，依此类推，候选集被逐级过滤，最终产生一个小而精的候选集合。

目前我们使用的方法集成了分级和调制两种融合方法，不同的算法根据历史效果表现给定不同的候选集构成比例，同时优先采用效果好的算法触发，如果候选集不够大，再采用效果次之的算法触发，依此类推。

10.5　美团推荐实践——推荐排序

如上所述，对于不同算法触发出来的候选集，只是根据算法的历史效果决定算法产生的 Item 的位置显得有些简单粗暴。同时，在每个算法的内部，不同 Item 的顺序也只是简单由一个或者几个因素决定，这些排序的方法只能用于第一步的初选过程，最终的排序结果需要借助机器学习的方法，使用相关的排序模型，综合多方面的因素来确定。在美团的推荐排序中，我们用到了 LTR 技术，使用机器学习来训练得到线上的排序模型。

10.5.1　排序特征

排序特征在排序的效果中起到非常重要的作用。在选择排序特征时，需要综合考虑特征的覆盖率、区分度等，同时需要结合业务的特点，来做特征选择。目前的排序特征大概分为以下几类特征，如图 10-6 所示。

图 10-6　排序特征

Item 维度的特征。主要是 Item 本身的一些属性，包括价格、折扣、销量、评分、类别、历史点击率等。例如，对于销量比较高的 Item，用户再去点和买的概率也更高。评分较高的 Item，更受用户欢迎。

用户维度的特征。包括用户偏好、用户等级、用户的人口属性、用户的客户端类型等。不同的用户有不同的偏好，例如有些用户喜欢看电影，有些用户喜欢点外卖。另外，用户的人口属性也会对推荐的内容有影响，比如某用户是一位男性，那给他推荐美甲美容可能就不太合适。

用户和 Item 的交叉特征。包括用户对 Item 的点击、收藏、购买等。

距离特征。包括用户的实时地理位置、常去地理位置、工作地、居住地等与 POI 的距离。

场景特征。包括本地、异地，是否周末、节假日，天气因素等特征。例如，在节假日，酒店和旅游的需求会更多。如果当前天气不太好，比如大雨或者下雪了，人们不愿意出去吃饭，这个时候外卖的需求就会增多。

下面再详细地介绍下与排序特征相关的排序特征处理、排序特征选择和排序特征监控。

排序特征处理。非线性模型可以直接使用上述特征。而线性模型则需要对特征值做一些分桶、归一化等处理，使特征值成为 0~1 的连续值或 0/1 二值。

排序特征选择。实际的特征添加过程可以加入海量的特征，但是考虑到数据存储和训练效率等，我们最终只使用其中部分特征来训练。那么保留哪些特征呢？首先，不同特征的重要性是不一样的，在进行特征选择时，尽量保留重要的特征，去掉重要性没那么强的特征。其次，需要考虑特征的覆盖率，如果一个特征很有用，但是 1 亿个样本中只有 1 个样本有这个特征，那么此特征就应该去掉。

排序特征监控。由于排序特征对排序模型的效果影响巨大，如果线上的排序特征出现问题，特别是一些重要的特征，线上效果就会大幅度下降，直接体现就是用户点击和下单减少。所以我们需要像运维线上服务一样重视线上特征的情况，如果特征出现问题，那它也是线上的事故。针对特征，美团做了实时的特征监控，来监控特征的有效性，包括均值、特征覆盖率等同比、环比指标。

10.5.2　排序样本

排序样本的选取也会影响训练出来的排序模型的效果。选择的样本越符合线上的实际分布，训练出来的模型效果会越好。下面从样本选择、样本采样和样本权重等多个方面来介绍排序样本方面的工作。

样本选择。如何选择得到训练数据中的正例和负例？正例一般是用户产生点击、下单等转换行为的样本。用户没有转换行为的样本是否就一定是负例呢？其实不然，很多展现用户根本没有看到，所以把这样的样本视为负例是不合理的，也会影响模型的效果。比较常用的方法是 Skip-Above，即用户点击的 Item 位置以上的展现才可能视作负例。当然，上面介绍的方法中的负例都是隐式的负反馈数据。除此之外，我们还有用户主动删除的显式反馈数据，这些数据是高质量的负例。

曝光数据的应用。Skip-Above 的一个问题是，我们在构建训练样本时，只保留了有用户点击的 Session 中的样本，没有点击 Session 中的负样本都丢弃掉了。而有用户点击的样本对应的用户往往偏活跃一些。那这就会造成一个问题：最终训练集合的分布会更偏向于那些有点击的活跃用户。为了解决这个问题，可以使用实际给用户曝光的数据，例如可以在 App 中埋点跟踪曝光的情况。对于那些实际给用户有曝光，但是用户没点的样本，可以作为负样本补充到样本集合中。最终得到的训练数据更符合实际线上数据的分布，实际的线上效果也得到了验证。

对样本做去噪。对于数据中混杂的刷单等类作弊行为的数据，要将其排除出训练数据，否则它会直接影响模型的效果。

样本采样和样本权重。对于点击率预估而言，正负样本严重不均衡，所以需要对负例做一些采样。用户不同的操作行为，代表着对推荐结果的不同反馈程度。例如点击、下单、支付等，可以认为是一个用户对推荐内容从弱到强的认可度。点击是用户被吸引、初步表达了感兴趣。下单是用户已经确定感兴趣并有了购买的意向。支付则是用户愿意真金白银地为自己的兴趣买单。所以在样本权重上，我们可以设置如下关系：支付样本的权重 > 下单样本权重 > 点击样本权重。

10.5.3　排序模型

非线性模型能较好捕捉特征中的非线性关系，但训练和预测的代价相对线性模型要高一些，这也导致了非线性模型的更新周期相对要长。反之，线性模型对特征的处理要求比较高，我们需要凭借领域知识和经验人工对特征做一些先期处理。但是线性模型简单，训练和预测的效率较高，因此更新周期也可以更短，线性模型还可以结合业务做一些在线学习的尝试。在我们的实践中，非线性模型和线性模型都有应用。目前我们主要采用了非线性的树模型 Additive Grove（简称 AG），非线性模型可以更好地处理特征中的非线性关系，不必像线性模型那样在特征处理和特征组合上花费比较大的精力。AG 是一个加性模型，由很多个 Grove 组成，不同的 Grove 之间进行 Bagging 得出最后的预测结果，由此可以减小过拟合的影响。每一个 Grove 由多棵树组成，在训练时每棵树的拟合目标为真实值与其他树预测结果之和之间的残差。当训练的过程中达到了指定数目的树时，重新训练的树会替代掉以前的树。这样经过多次迭代后，达到收敛。

目前应用比较多的线性模型非逻辑回归莫属了。为了能实时捕捉数据分布的变化，我们引入了在线学习，接入实时数据流，使用谷歌提出的 FTRL 方法对模型进行在线更新。在线学习的主要的步骤是，在线写特征向量到 HBase Storm 解析实时点击和下单日志流，改写 HBase 中对应特征向量的标签（1/+1），通过 FTRL 更新模型权重，将新的模型参数应用于线上。

目前，我们已经在线上使用了较为流行的深度学习模型，来训练排序模型，并且效果优于线上的树模型。10.6　推荐评价指标如何去评价推荐系统的效果，衡量用户体验？一般需要找到一个具体的评价指标，对自己算法和模型的迭代能得到一个定量而非定性的结果。根据调研和经验总结，下面列出了推荐领域常用的一些推荐业务指标，如图 10-7 所示。