模型|字节跳动推荐平台技术公开，项亮：底层架构有时比上层算法更重要( 二 ) 指令|学习机|小度|杜丫丫|案件

企业可以直接在成熟的推荐平台上做推荐系统。字节跳动每天增加1500次AB test，大量的实验可以规避各种错误，现在把推荐系统平台通过火山引擎开放出来，降低大家的试错成本。

文章插图

火山引擎智能推荐平台，第一个特点是端到端。这个词这些年经常有人提，我估计有些人还不是特别理解。十年前业界的推荐做不到端到端，比如有人买了《射雕英雄传》，就推荐一本和《射雕英雄传》相似的书，基于当时的技术和建模方式，直接就是通过算法工程师自己脑子里的策略实现的。
现在的技术是可以做到直接提升你想提升的业务目标。比如你想实现什么效果，模型可以直接预估这个目标，最终结果按照预估的结果排。先把目标定下来，剩下的都是机器学习的事儿，这就是端到端，这个能力会全流程提供给客户。
第二是实时性，比如消费者购买商品的行为，下次给他推荐的时候，能不能用上刚刚发生的行为，这也很关键。业界开始做实时的推荐系统，可能就是2013、2014左右的时候。据我所知，现在很多企业并没有做到完全的实时，大部分人还是今天训练几个模型，明天就按照今天的模型预估用户的兴趣。我们所有系统都是实时的，特征实时更新、模型实时训练，可以给用户实时的反馈。
再往下就是大规模。我们在内部具备的处理大规模数据的推荐系统、广告系统的能力，对外会同步提供。
然后是行业定制。我们提供了一些行业模板，包括内容、电商等我们有实践的行业。当然有很多行业我们没有做，但是智能推荐平台上会基于我们对外合作中积累的行业经验，给每个行业提供现成的模板，希望大家配置的时候不用配太多东西，就可以快速构建推荐系统。
另外，很多企业都希望自己有研发能力，希望系统不要太黑盒了。我们提供的平台是兼具黑白盒能力的平台，你既可以实现：什么都不管，就把数据接对了，目标定对了，系统就可以做到；你也可以实现：深度开发，比如系统里面调调模型，加加特征，这个也是支持的。
接下来是更加细节的指标，比如模型种类，支持很多种不同的模型。我们对各种模型都做了充分的内部探索，提供出来的是真正有用的。比如多目标，现在推荐系统往往不只是有一个目标，我们提供了多目标的支持。还有很多比较细节的技术。

文章插图

用好推荐平台，提升的不仅仅是营收
字节内部有很多产品，都是通过推荐中台把产品在底层打通的。比如A产品上有一个方法特别有用，B产品借鉴过去也很快，我们希望把这样的能力同步到对外部客户的服务中。火山引擎的智能推荐平台，就是基于字节推荐中台打造的。

文章插图

在主要功能上，火山引擎智能推荐平台提供的推荐类型非常丰富，黑白盒功能也介绍过，第三就是校验和归因分析。做推荐，数据是非常关键的，比如给平台的数据是错的，那推荐肯定做不好，往往这一步是很多推荐系统工作中最耗时的部分，所以我们平台会给大家提供校验和归因功能，方便大家把数据做对。另外大家在实际工作中不只是模型，还有各种各样的运营策略，我们也提供这种能力。
最后讲一些客户案例：
一家电商客户，在很多位置接入了信息流的个性化推荐。比如个性化搜索，以前搜索和推荐听起来是两个不同的技术，但是在电商里，搜索结果也需要个性化。火山引擎的智能推荐平台，帮助这家客户在推荐场景中获得人均GMV100%的增长，提升了平台收入和用户体验。