Construire une plateforme de recherche et de classement évolutive, efficace et orientable

Les plateformes de commerce électronique modernes offrent un vaste choix de produits, rendant difficile pour les clients de trouver des articles qu'ils aiment et qui sont pertinents pour leur intention de session actuelle. C'est pourquoi il est essentiel que les plateformes de commerce électronique disposent de systèmes de classement et de recherche personnalisés, évolutifs et adaptables en temps quasi-réel. Bien que de nombreuses méthodes existent dans la littérature scientifique pour construire de tels systèmes, beaucoup ne conviennent pas à une utilisation industrielle à grande échelle en raison de leur complexité et de leurs limites de performance. Par conséquent, les systèmes de classement industriels ont souvent recours à des approches de récupération ou de génération de candidats à la fois efficaces sur le plan computationnel mais simplistes, qui ignorent les signaux clients hétérogènes et en temps quasi-réel, ce qui aboutit à une expérience moins personnalisée et pertinente. De plus, les expériences clients connexes sont servies par des systèmes complètement différents, ce qui augmente la complexité, la maintenance et les expériences incohérentes. Dans cet article, nous présentons une plateforme de classement personnalisée et adaptable en temps quasi-réel qui est réutilisable dans divers cas d'utilisation, tels que la navigation et la recherche, et capable de répondre à des millions d'articles et de clients sous une charge élevée (des milliers de requêtes par seconde). Nous utilisons des modèles basés sur des transformateurs à travers différentes couches de classement qui peuvent apprendre des schémas de comportement complexes directement à partir des séquences d'actions des clients tout en étant capables d'incorporer des informations temporelles (par exemple, en session) et contextuelles. Nous validons notre système à travers une série d'expériences réelles hors ligne et en ligne sur une grande plateforme de commerce électronique, et nous démontrons sa supériorité par rapport aux systèmes existants, tant en termes d'expérience client que de revenus nets. Enfin, nous partageons les leçons tirées de la construction d'une plateforme de classement moderne et complète pour une utilisation dans un environnement de commerce électronique à grande échelle.