美团点评旅游推荐系统：从用户画像到智能架构的演进历程

美团点评旅游推荐系统的演进是一个深入探讨了该企业在线旅游业务中如何通过先进技术手段提升用户体验和业务效率的案例研究。该报告由郑刚撰写，他曾在美团点评的酒旅事业群担任关键角色，负责搜索排序推荐、数据仓库和数据产品的构建。从2011年起，郑刚在百度电子商务事业部工作，积累了丰富的电商平台开发经验。 首先，美团点评的酒旅业务是国内发展最快的一站式综合住宿服务平台，同时也是国内最大的在线门票交易平台。2015年开始，公司逐步引入推荐系统，从Q3组建专门的推荐团队，通过Q4的周边游频道内推荐，到Q1的搜索结果中的个性化补充，再到Q2的详情页和Q3的交叉推荐，以及Q4的点评旅游推荐，逐步覆盖了搜索、预订等多个环节。 面对旅游场景下用户需求的复杂性，如旅游目的地不明、本地与异地需求差异、季节性变化等，美团点评采用基于用户画像的召回策略来解决。他们根据用户常驻城市和浏览城市的不同，区分本地和异地需求，设计热销策略，统计不同城市的POI销量。例如，对于异地用户，他们会考虑所有非目标城市用户的购买行为。然而，景点门票的销售数据可能存在准确性问题，这促使美团点评利用客户端埋点技术收集更精确的数据，例如POI详情页、DEAL详情页和下单页面的交互信息。 为了提供个性化的推荐，美团点评构建了数据产品和酒旅数据仓库，通过数据挖掘技术分析用户的时间、地域和场景特征。他们在内容形态上采用了多种推荐形式，考虑到景点之间的关联性和用户对不同类型服务的需求差异，如按Deal样式或POI样式展示，避免了在某些场景下的信息冗余。 旅游推荐产品形态的发展过程中，面临的挑战包括如何处理用户兴趣点不明确、季节性需求变化以及地域间的个性化需求。然而，这些挑战通过不断优化推荐算法，比如基于L2R的排序策略，以及从离线计算到在线服务的推荐引擎架构设计得以克服。最终，高达50%以上的订单来自推荐系统，显示了推荐在提高转化率和用户体验方面的显著作用。 美团点评旅游推荐系统的演进是一个结合了大数据分析、用户行为理解和技术创新的实践案例，它展示了如何通过个性化推荐和精细运营策略，有效应对在线旅游市场的复杂性和竞争。