美团点评技术沙龙09 - 美团外卖中的单量预估及列表优化

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；

Recommended