闲鱼如何利用端计算提升推荐场景的ctr

背景

闲鱼作为一个电商场景的app，最丰富的部分就是作为商品宝贝浏览承载的feeds，比如首页下面的宝贝信息流，搜索结果页以及详情页下面的猜你喜欢，这些feeds场景都少不了推荐算法在背后的支撑。

传统的推荐算法是依托于云上沉淀的埋点数据来。随着4G网络资费的下降，产生了越来越多的数据，如果将如此大量的数据都上传到运算，并且由云端来做中心化的存储/计算和处理，不仅会产生大量无必要的网络流量，而且还会给云端带来高昂的存储成本，实时性也无法保证。

我们观察到随着手机计算能力的提升，某些计算可以在端上直接计算，再统一上报到后端，这样相比云计算有很多明显的优势：

1、更加实时性：我们可以在端上完成原始特征的处理和实时打分，从原始特征的抽取到计算结果的上报完成，可以在1s左右完成。

2、计算资源的节约：大量数据如果都汇集到云端上计算，可能会造成计算资源的不足，我们可以将计算量分散到各个端上，可以降低计算资源开销。

3、多维度数据采集：一些类似于细粒度的行为数据、采集频率过高的数据或者涉及用户隐私的数据等，可以在端上直接消费掉而不需要上传。

马里奥

介绍

马里奥是闲鱼首页的一个创新形式的业务，其业务逻辑是：用户在闲鱼首页feeds部分点击来一个宝贝卡片，那么同时就会请求云端，根据后端算法拉取回来算法召回的query词和对应的推荐宝贝信息，以四个方块的形式展示在一个张卡片中，这样来给用户点击之后，跳到二级承接页面来给用户推荐更相关的宝贝，来达到提升首页feeds部分点击率和成交的效果。

效果图:

初始版本流程图:

问题

初始上线之后，我们统计马里奥卡片一跳和二跳的ctr，发现并比不上普通的宝贝，那么问题出在了哪里呢？

分析

闲鱼上每天都会诞生数以亿计的商品点击，这里有个很自然的问题：用户对他的这次商品点击满意吗？考虑两个简单的例子：

1）用户点击商品后，在详情页面上停留时间很短，那么我们可以认为这可能是次误点击。

2）用户点击商品后，他在这个详情页面上有很多的行为，比如他可能查看了产品参数、商品的颜色尺码、或者又点击了该商品的全部评价，最后还通过和卖家进行了聊天，那么我们就认为这可能是次真实意愿的点击，或者说他对这次点击满意度分很高。

那么很自然的，我们推测，只有在满意度较高的情况下，我们去做关联推荐才是有意义和有价值的，否则如果用户误点击的情况，我们也去推荐，只会适得其反，对此我们进行了解法的尝试。

解法

在这个场景下，需要在用户点击进入宝贝详情，然后离开详情页的时候，就需要给出用户对该宝贝的意向，只有满足某个阈值的情况，才应该出现马里奥卡片。这种场景下，如果使用传统的云端算法，把数据都收集好，再计算出结果，再返回到端上，这时候很可能插入卡片的时机早就过去了，没法抓到用户这个关键点。因为用户在浏览详情页的过程中，所有的点击和曝光都是在端上实时产生的，很可能在最后一刻退出页面之前，用户都在一直产生有价值的动作，这时候不断的往云端回传数据再计算，显然是不可行的方案。

当用户在闲鱼Feeds页点击推荐商品（如上面左图的汽车玩具商品）后，进行触发并展现马里奥（如上面左图虚线红框所示），引导用户进行搜索并进行更多商品点击和下单。不同于Feeds里一般的推荐项，马里奥的每一次触发其实是存在触发成本的。一个显然的成本是马里奥的触发会挤占后续商品的展现。如果用户每一次详情页点击后都触发马里奥，那么就会有大量的马里奥被展现，并挤占相应的Feeds坑位。当马里奥点击率相比Feeds过低的时候，将影响整体Feeds的展现效率及用户体验。

解法流程图: