View
611
Download
3
Embed Size (px)
Citation preview
外卖场景下的订单预测及列表优化问题
王兴星
内容概览
• 外卖背景 • 订单预测 • 列表优化 • 总结
外卖行业的发展
1993.8 丽华快
餐
2009.4 饿了么
2013.12 美团外卖 淘点点
2014.5 百度外
卖
2014.11 美团外卖100w
单
2015.12 美团外卖300w
单
2016.5 美团外卖400w
单
外卖行业的发展
外卖与团购的异同
流量
性价比
方便快捷
支付
线上
线上为主
就餐
套餐+到店消费
点餐+配送到家
外卖的特点
• 移动化 • 本地化 • 场景化
外卖的特点:移动化
• 移动化
外卖的特点:本地化
• 本地化 – 某城市各品类距离占比:
外卖的特点:场景化
• 场景化
订单预估的应用场景
• 订单量预估的应用场景: – 城市稳定性; – 运力监控、预估; – 广告流量预估、定价;
城市订单预估
• 城市订单稳定性: – 城市维度的波动是否正常? – 人工检查工作量大; – 人工确认波动原因成本大; – 定位到原因,难以量化;
城市订单预估
• 模型需要解决的问题: – 自动的监控、报警; – 原因发现; – 原因的影响的量化;
城市订单预估
• 解决路径: – 简单平均; – 时间序列预估; – 自回归模型; – 级联模型;
城市订单预估:牛刀小试
数据收集
• 全国约100个城市; • A&B类城市占据大部分订单;
预处理
• 小城市,订单量小,波动大 • 异常样本过滤
简单平均 • 周期性:工作区&居住区
时间序列
• 指数平滑 • Holt-‐Winters
城市订单预估:效果
• 评价指标: – 误差率:
|预测单量-真实单量| / 真实单量 * 100%
• 效果分析:
城市订单预估:应用场景的差异
• 不用数据表现差别较大: (商圈级别表现更加明显)
城市订单预估:其他因素
• 订单量此外的因素: – 天气; – 星期几; – 节假日; – 平均配送费用; – 是否开启红包; – 红包使用的比例; – …
城市订单预估
• 非订单因数,怎么融入? – 建立统一模型:
• 如何达到非线性效果:特征&模型; • 特征如何处理:
– 归一化; – 离散化; – 交叉化
• 核心关注点: – 精度; – 可解释性;
城市订单预估:级联模型
• 级联模型: – 第一级:自回归模型; – 第二级:
• 目标:真实值/自回归值; • 特征:
– 非自回归模型特征;
• 效果: – BoosDng思想,误差率进一步降低; – 可解释性好;
城市订单预估:级联模型
• 可解释性: – 特征间差异直接反映了对订单量的影响;
天气 权重
大雨 0.1780
暴雨 0.1492
晴 -‐0.0038
…
列表优化
• 产品形态
列表优化:架构
• 架构
列表优化:离线流程
• 负样本的有效性: – 常用负样本的产生方法:
• 采样、高频用户/商品;
– 流量清洗: • 抓取流量; • 无效加载
列表优化:特征体系
• 特征矩阵:
1.商家 2.用户
3.商家&用户
列表优化:模型
• 树模型:为什么使用树模型? – Decision Tree:简单贪婪,C4.5; – Bagging:民主智慧,RF; – BoosDng:知错就改,GBDT;
• 非线性模型: – 稠密特征:分裂的复杂度; – 特征选择、组合;
列表优化:实时性要求
• 实时性的要求: – 商家库存; – 商家服务质量; – 商家活动情况; – 配送运力情况;
• 实时性方案: – 方案一:非统计特征,模型实时学习,在线学习; – 方案二:统计特征,模型稳定,特征实时更新; – 方案三:两者混合;
列表优化:特征实时性
• 特征实时化:
列表优化:跨系统交互
• 跨系统交互:(配送) – 商家售罄:
• 库存、单量预测;
– 流控: • 实时负载指标; • 配送等待时间; • 配送预计送达时间;
列表优化:新商家
• 新商家: – 如何确定新商家的质量?
• 固定位置,定义新商家,同类型展示; • 不确定位置,E&E策略; • 其他运营方案:广告;
总结
• 总结: – 理解业务,技术驱动; – 没有完全一致的技术方案; – 最小可迭代方案,不断优化;
Thank You!