美团点评旅游推荐系统的演进

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/baiyutang

摘要

本文主要介绍了美团点评旅游推荐系统的演进历程。文章详细阐述了美团点评在酒旅业务中的发展，重点介绍了基于用户画像的召回策略演进、基于L2R的排序策略优化，以及从海量大数据的离线计算到高并发在线服务的推荐引擎架构设计。同时，文章还提到了推荐系统在美团点评酒旅业务中的具体应用实践，包括数据仓库和数据产品的建设。文中还展示了美团点评在2016年的业务成果，如酒店夜间夜量超过1.3亿，门票销售量达到6700万张，机票和火车票销售量分别为200万张和800万张。此外，文章还讨论了旅游推荐面临的问题，如本异地差异、季节性明显、需求个性化等，并提出了相应的解决方案。

AI总结

《美团点评旅游推荐系统的演进》总结如下：

1. **业务发展**：
- 美团点评是中国领先的旅游服务平台，提供酒店、门票、交通等服务。
- 2016年，酒店间夜量超过1.3亿，高星酒店增速显著，覆盖32万商家。
- 门票销售量达6700万张，机票和火车票分别销售200万和800万张。

2. **推荐系统演进**：
- **召回策略**：基于用户画像，区分本异地用户，召回热销产品。
- **排序优化**：采用L2R算法，根据销量和转化率进行排序。
- **架构设计**：从离线计算到高并发在线服务，提升推荐效率。

3. **应用实践**：
- 推荐系统覆盖搜索、推荐、详情页等多个场景。
- 通过埋点统计POI销量，结合用户历史行为和相似用户/Item进行推荐。
- 用户画像涵盖吃、住、行、游、购、娱等多方面。

4. **面临的挑战**：
- 本异地差异显著，季节性变化明显。
- 推荐形式多样，用户需求个性化。

5. **成果与影响**：
- 2017年单日门票交易额达1.14亿元，入园人次超过106万，同比增长100%。
- 推荐系统在酒旅业务中发挥重要作用，提升用户体验和交易效率。

总结：美团点评通过不断优化推荐系统，有效解决了旅游推荐中的复杂问题，显著提升了业务表现和用户满意度。