Uber обновила свои рекомендации в Uber Eats, увеличив их точность на 15%. Теперь система учитывает реальные пользовательские данные в режиме реального времени, что позволяет быстрее адаптироваться к предпочтениям пользователей.
Что изменилось в системе рекомендаций
Обновленная архитектура рекомендации ресторана в Uber Eats заменяет устаревшие пакетные системы на динамическую обработку сигналов пользователей. Целевая задача новой системы — лучше отражать намерения пользователей во время их активных сеансов, улучшая общую эффективность рейтинга. Например, новые алгоритмы учитывают клики, поисковые запросы и историю заказов для создания актуального профиля поведения пользователя.
По словам Бринды Панча, продакт-менеджера в Uber, задача системы состоит не только в показе «хорошей еды», но и в балансе реальных намерений пользователей и разнообразия предложений ресторанов. Новая система позволяет значительно улучшить качество ранжирования и оперативность откликов на запросы клиентов.
Технические детали обновления
Uber внедрила списоковой подход к ранжированию, при котором предложения ресторанов оцениваются вместе в одном шаге вывода. Это улучшает вычислительную эффективность и качество ранжирования. Кроме того, новая архитектура базы рекомендаций сочетает в себе короткие сессии пользователи и долгосрочные исторические данные, обеспечивая консистентность между оффлайн обучением и онлайн выдачей.
По словам инженера Uber Иченга Чена, переход к обработке сигналов в реальном времени значительно снизил время от обновления данных до рекомендаций — с 24 часов до нескольких секунд. Система также спроектирована с учетом низких задержек, что критично для взаимодействия с конечными пользователями.
Что это значит для российской аудитории
Нововведения Uber представляют интерес для компаний, работающих в сфере доставки еды и онлайн-торговли: данные показывают, что применение технологий реального времени может значительно повысить конкурентоспособность на локальных рынках, включая Россию. Если ваша компания хочет улучшить пользовательский опыт, подумайте о внедрении аналогичных подходов к обработке и анализу данных для повышения качества персонализированных предложений.
В ближайшие месяцы Uber планирует дальнейшие улучшения в системе. Это станет дополнительным шагом к более персонализированному и адаптивному подходу к рекомендациям в области общественного питания.