一、清洗特征数据 (用bi库数据聚合有不稳定性!开发时需考虑该问题!)
sql代码:https://alidocs.dingtalk.com/i/nodes/kDnRL6jAJM3yMQv2tqBrP22aWyMoPYe1?utm_scene=team_space
清洗后的数据按照站点+周分表储存到MongoDB,每周执行一次特征计算
二、调用算法接口
后端根据特征数据中的数据进行轮循处理,将所有计算了特征的listing进行一次打分,调用下面的接口
接口文档:http://showdoc.zhcxkj.com/web//79/6908
(算法对接人:蒋佳跞)
接口设计性能:1000万/天
备注:步骤一中所有特征数据均刷新成功后,再调用接口
三、数据存储
特征数据-需记录:全量Listing的特征数据
结果数据-需记录:country、sku、asin、msku、source_id、stream(从接口结果中解析)、raw_score(从接口结果中解析)、评分更新时间、状态/报错
存储方法:country+sku+source_id+msku+日期(周)维度记录特征数据(json格式)和结果数据,按月分表(线上listing维度任务,唯一键是 店铺ID+msku)
注:stream代表按销量分流的结果标记,stream_a 为历史有销量、stream_b 为历史无销量有流量、stream_c 为历史无销量无流量,所以会有部分记录 因出单 从stream_b、stream_c变为stream_a的情况,也会有部分记录 因获得流量从stream_c变为stream_b的情况
-------------------------------------线上应用方案-------------------------------
四、任务执行
1、自动任务:跑出评分后,筛选分数(raw_score)在40(配置项A)~60(配置项B)之间的listing,执行以下优化动作
标题优化(增加埋入ABA出单词) -->内部
ST优化 (增加埋入ABA出单词) -->内部
广告投放 -->推送给智能运营
广告曝光 -->推送给智能运营
广告点击 -->推送给智能运营
调价 -->推送给智能运营
促销 -->推送给智能运营
执行逻辑:
如果近30天内没有执行过文案优化的的,需执行一次优化文案优化(新标题规则+ST),完成文案优化之后,推送一条记录到智能运营
人工指定任务:listing维度接收指定任务、执行优化动作;无需判断分值,无需判断是否有执行过文案优化,直接推送到文案优化服务,并在完成后推送智能运营
以上两类数据新增一个策略类型来记录。
需求在线文档:https://alidocs.dingtalk.com/i/nodes/20eMKjyp81RPzqjgfejqbwXpWxAZB1Gv?utm_scene=team_space