移動電子商務(wù)智能化實踐

百度 北京 100085

引言

隨著移動互聯(lián)網(wǎng)的快速發(fā)展，應(yīng)用服務(wù)向移動化、場景化演進，基于O2O的生活服務(wù)等業(yè)務(wù)逐漸興起并迅速普及，移動電子商務(wù)得到快速的發(fā)展。據(jù)統(tǒng)計，互聯(lián)網(wǎng)打車滲透率已經(jīng)超過40%、互聯(lián)網(wǎng)外賣訂單年增長超過5倍、而電影類業(yè)務(wù)基于互聯(lián)網(wǎng)的購票選座比例也已經(jīng)超過50%。

據(jù)易觀智庫EnfoDesk預(yù)計，隨著商業(yè)模式的成熟，未來幾年移動互聯(lián)網(wǎng)市場規(guī)模將持續(xù)增長，預(yù)計2017年市場規(guī)模將達到15 790.7億元，如圖1所示。另外據(jù)其監(jiān)測數(shù)據(jù)顯示，2013年移動商務(wù)占移動互聯(lián)網(wǎng)總體市場規(guī)模比例已達到67.8%，占比逐年上升。易觀智庫同時預(yù)計，移動電子商務(wù)未來幾年占比還將持續(xù)上升，2017年將達到87.4%，成為移動互聯(lián)網(wǎng)市場結(jié)構(gòu)的主體。

圖1 2011年～2017年中國移動互聯(lián)網(wǎng)市場規(guī)模及預(yù)測

移動互聯(lián)網(wǎng)業(yè)務(wù)、終端和用戶的快速發(fā)展和普及，使更多的人和物理設(shè)備互聯(lián)。而隨著信息采集成本的不斷降低，物理世界加速向網(wǎng)絡(luò)空間量化，產(chǎn)生了海量的數(shù)據(jù)。根據(jù)國際數(shù)據(jù)公司IDC發(fā)布的研究報告，全球所有信息數(shù)據(jù)中90%產(chǎn)生于過去兩年，數(shù)據(jù)總量正在以指數(shù)形式增長，從2003年的5EB[1]，到2013年4.4ZB[2]，并將于2020年達到44ZB。

隨著互聯(lián)網(wǎng)+時代的到來，“聚合”和“調(diào)度”是提升效率的最核心要素。移動電子商務(wù)的發(fā)展帶動用戶產(chǎn)生的行為數(shù)據(jù)、交易數(shù)據(jù)、位置數(shù)據(jù)等數(shù)據(jù)激增，這些數(shù)據(jù)的“聚合”對于更好地實現(xiàn)移動電子商務(wù)有著極高的價值，通過提升智能化手段，對這些數(shù)據(jù)進行挖掘、利用和分析以提升現(xiàn)有業(yè)務(wù)體驗，實現(xiàn)智能化“調(diào)度”，可以進一步實現(xiàn)對商戶、應(yīng)用平臺等的營銷決策、資源分配，解決商戶和用戶之間服務(wù)信息不對稱。

1 智能化技術(shù)提升用戶體驗：基于自然交互的輸入需求

進入移動互聯(lián)網(wǎng)時代，用戶輸入和檢索需求更趨于復(fù)雜化和個性化，從最初的簡單獲取信息的需求，到現(xiàn)階段希望能夠通過搜索引擎直接獲取答案、連接服務(wù)，這就需要實現(xiàn)海量數(shù)據(jù)的挖掘和智能處理，實現(xiàn)人和服務(wù)的精準(zhǔn)匹配。另外由于移動終端的限制，用戶也更趨向于自然的交互方式，據(jù)統(tǒng)計，現(xiàn)階段在百度的搜索請求中10%是以語音的形式表達的，而未來5年使用語音和圖像來表達需求的比例將超過50%。基于如此真實強大的需求，為了不斷提升移動電子商務(wù)用戶體驗，就必須能夠更好地實現(xiàn)語音與圖像的識別準(zhǔn)確率，以及個性化的需求理解，從而實現(xiàn)智能的服務(wù)連接。在百度的眾多產(chǎn)品中，包括手機百度、百度外賣、百度糯米等應(yīng)用，用戶基于語音和圖像的交互日益增多，語音和圖像識別技術(shù)已經(jīng)成為移動互聯(lián)網(wǎng)電子商務(wù)用戶體驗提升的關(guān)鍵技術(shù)。

如今在移動互聯(lián)網(wǎng)和大數(shù)據(jù)時代，大量的互聯(lián)網(wǎng)用戶將產(chǎn)生包括文本、圖像、語音、視頻、地理位置在內(nèi)的大量數(shù)據(jù)，規(guī)模呈爆炸式增長的趨勢。面對海量數(shù)據(jù)，以深度學(xué)習(xí)為代表的新興機器學(xué)習(xí)技術(shù)，可以做到傳統(tǒng)人工智能算法無法做到的事情，其輸出結(jié)果會隨著數(shù)據(jù)處理量的增大而更加準(zhǔn)確，取得更好的效果。因此可以說深度學(xué)習(xí)及機器學(xué)習(xí)的發(fā)展，推動“大數(shù)據(jù)+深度模型”時代的來臨，使得人工智能和人機交互技術(shù)大踏步前進，推動圖像識別、語音識別、自然語言處理和深度問答等“視、聽、說”前沿技術(shù)的突破。

1.1 圖像識別

圖像識別技術(shù)是深度學(xué)習(xí)最早嘗試的技術(shù)領(lǐng)域。Yann LeCun等人在上世紀(jì)80年代末發(fā)明了卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Networks，CNN)，該網(wǎng)絡(luò)是一種帶有卷積結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)，CNN的結(jié)構(gòu)受到著名的Hubel-Wiesel生物視覺模型的啟發(fā)，尤其是模擬視覺皮層V1和V2層中Simple Cell和Complex Cell的行為。CNN雖然在小規(guī)模的問題上(如手寫數(shù)字)取得過當(dāng)時世界最好的結(jié)果，但一直沒有取得巨大成功，主要因為CNN在大規(guī)模圖像上效果不佳。直到2012年10月，Hinton等人利用更深度的CNN在著名的ImageNet問題上取得了很大進步，使得圖像識別技術(shù)大幅提升，其主要原因一方面來自算法的提升，例如防止過擬合技術(shù)，另一方面更重要的是GPU帶來的計算能力提升和更多的訓(xùn)練數(shù)據(jù)。百度在2012年底將深度學(xué)習(xí)技術(shù)成功應(yīng)用于自然圖像OCR識別和人臉識別等問題，并推出相應(yīng)的桌面和移動搜索產(chǎn)品；2013年，深度學(xué)習(xí)模型被成功應(yīng)用于圖像的識別和理解，驗證準(zhǔn)確率得到大幅提升[3]。從百度的經(jīng)驗來看，深度學(xué)習(xí)應(yīng)用于圖像識別不但提升了準(zhǔn)確性，而且避免了人工特征抽取的時間消耗，從而大大提高了在線計算效率。深度學(xué)習(xí)將取代“人工特征+機器學(xué)習(xí)”的方法而逐漸成為主流的圖像識別方法。

1.2 語音識別

長期以來，以混合高斯模型(Gaussian Mixture Model，GMM)為代表的統(tǒng)計概率模型一直在語音識別應(yīng)用中占有壟斷性地位，其本質(zhì)上是一種淺層網(wǎng)絡(luò)建模，不能充分描述語音特征的狀態(tài)空間分布，特征維數(shù)一般是幾十維。采用深度神經(jīng)網(wǎng)絡(luò)后，可以充分描述特征之間的相關(guān)性，可以把連續(xù)多幀的語音特征并在一起，構(gòu)成一個高維特征，最終的深度神經(jīng)網(wǎng)絡(luò)可以采用高維特征訓(xùn)練來模擬。由于深度神經(jīng)網(wǎng)絡(luò)采用模擬人腦的多層結(jié)果，可以逐級地進行信息特征抽取，最終形成適合模式分類的較理想特征。這種多層結(jié)構(gòu)和人腦處理語音圖像信息時有很大的相似性。深度神經(jīng)網(wǎng)絡(luò)的建模技術(shù)，在實際線上服務(wù)時，能夠無縫地和傳統(tǒng)的語音識別技術(shù)相結(jié)合，在不引起任何系統(tǒng)額外耗費情況下，大幅度提升了語音識別系統(tǒng)的識別率，從而徹底改變了語音識別原有的技術(shù)框架。百度在2012年11月上線了第一款基于DNN的語音搜索系統(tǒng)，成為最早采用DNN技術(shù)進行商業(yè)語音服務(wù)的公司之一。

1.3 自然語言處理

除了語音和圖像，自然語言處理也是深度學(xué)習(xí)發(fā)揮作用的技術(shù)領(lǐng)域。經(jīng)過幾十年的發(fā)展，基于統(tǒng)計的模型已經(jīng)成為NLP的主流，但作為統(tǒng)計方法之一的人工神經(jīng)網(wǎng)絡(luò)在NLP領(lǐng)域幾乎沒有受到重視。2008年，NEC美國研究院Collobert等人采用embedding方法和多層一維卷積的結(jié)構(gòu)來研究NLP問題，取得了與業(yè)務(wù)最前沿相當(dāng)?shù)臏?zhǔn)確率。最近斯坦福大學(xué)教授Chris Manning等人將深度學(xué)習(xí)用于NLP的工作也值得關(guān)注。

1.4 深度問答

深度問答是一種基于海量互聯(lián)網(wǎng)數(shù)據(jù)和深度語義理解的智能系統(tǒng)，基于對用戶自然語言的理解，實現(xiàn)對海量數(shù)據(jù)的深層分析和語義理解，并通過搜索和語義匹配技術(shù)，提煉出答案信息，對信息進行聚合、提煉，給出最全面、準(zhǔn)確的結(jié)果。其實現(xiàn)的難點主要在于正確理解用戶復(fù)雜和多變的需求，并掌握海量結(jié)構(gòu)化的知識庫數(shù)據(jù)，這就需要強大的人工智能技術(shù)和海量復(fù)雜的大數(shù)據(jù)處理能力。深度問答關(guān)鍵技術(shù)包括問題分析和理解技術(shù)、實體知識體系建模技術(shù)、文本分析和關(guān)系抽取技術(shù)、語義分析和排序技術(shù)等。

1.5 問題分析和理解技術(shù)

針對不同類型的問題，提取答案的技術(shù)也會不同。

根據(jù)可采用的技術(shù)，問題可以大致分為實體類問題和非實體類問題兩大類。實體類問題是指答案是實體的問題, 問題的答案可以是唯一實體或者實體的列表，需要通過問題分析技術(shù)分析出實體類別；對于非實體類的問題，需要通過問題分析技術(shù)，把這些類型的問題跟實體類問題區(qū)分開來，因為這些問題的答案不再是實體，答案的形態(tài)也更加復(fù)雜。

1.6 實體知識體系建模技術(shù)

實體類問答離不開實體知識體系的支撐，實體的類別、實體間的同位、上下位關(guān)系都十分重要；因此，一個完備的實體知識體系建設(shè)(ontology)對于問題回答十分必要。實體的同位、上下位關(guān)系可以通過整合多種來源的知識獲取，包括一些結(jié)構(gòu)化的數(shù)據(jù)如百度百科，也可以從普通文本中挖掘。

1.7 文本分析和關(guān)系抽取技術(shù)

對文本的深層分析是深度問答用到的一項基礎(chǔ)技術(shù)。文本的分析分為多個層次，包括分詞、實體識別、句法分析乃至語義角色標(biāo)注，在這些分析的基礎(chǔ)上可以進行知識獲取。而通過對海量數(shù)據(jù)進行深層分析，可以有效過濾文本分析引入的噪音，使得知識更加精準(zhǔn)。文本分析和關(guān)系抽取技術(shù)不僅僅可以用于從普通文本抽取知識，也可以用于語義匹配。

2 移動電子商務(wù)智能化技術(shù)：實時計算

移動電子商務(wù)實現(xiàn)了用戶、商戶、支付系統(tǒng)以及配送網(wǎng)絡(luò)的線上及線下的連接，同時也產(chǎn)生了海量的數(shù)據(jù)，相比較于PC端的應(yīng)用，移動電子商務(wù)系統(tǒng)對于這些海量數(shù)據(jù)的實時分析和計算提出了更高的要求。比如打車軟件調(diào)度系統(tǒng)、外賣系統(tǒng)等要求實時處理程序能夠確保在嚴(yán)格的時間內(nèi)響應(yīng)，通常以秒為單位，甚至是毫秒。傳統(tǒng)的批量計算模型已無法滿足這些要求，必須用專門的實時計算系統(tǒng)替代。

為了更好地支撐自身的業(yè)務(wù)，百度自主研發(fā)了國內(nèi)規(guī)模最大的實時計算平臺——Dstream和TM，它們各有千秋，適用于不同的業(yè)務(wù)場景，極大程度地滿足了移動互聯(lián)網(wǎng)業(yè)務(wù)的實時調(diào)度問題[4]。Dstream旨在面向有向無環(huán)的數(shù)據(jù)處理流，滿足高時效性要求的計算業(yè)務(wù)場景，如百度外賣系統(tǒng)的實時調(diào)度和路徑規(guī)劃等，可達到毫秒級的響應(yīng)，目前Dstream平臺的集群規(guī)模已超千臺，單集群最大處理數(shù)據(jù)量超過50TB/天，集群峰值QPS 193W/S，系統(tǒng)穩(wěn)定性、計算能力已完全滿足海量數(shù)據(jù)時效性處理需求。

沿海區(qū)由于靠海，自然元素充足，陽光燦爛、沙灘平坦、風(fēng)景優(yōu)美都能滿足游客追求放松、娛樂的條件。因此海岸線在規(guī)劃之前本身就具有很強的視覺觀景性，對整個島嶼經(jīng)濟的發(fā)展，都有著直接和間接的價值。為實現(xiàn)人類與生態(tài)和諧共存，應(yīng)做到合理利用自然環(huán)境，堅持生態(tài)環(huán)境保護，力求在開發(fā)建設(shè)時期對當(dāng)?shù)氐纳鷳B(tài)環(huán)境破壞減到最小，從而實現(xiàn)取之自然，還之自然的原則，共同完成沿海景觀帶自我發(fā)展、自我保護和自我平衡的生態(tài)景觀系統(tǒng)。

TM則是queue-worker模式的準(zhǔn)實時workflow計算系統(tǒng)，可滿足秒級到分鐘級的響應(yīng)。并具備transaction語義，流入平臺的數(shù)據(jù)即使在平臺發(fā)生故障的情況下，也能做到不重不丟，有著非常高的可靠性。這一系統(tǒng)主要應(yīng)用于低時延、高吞吐及對數(shù)據(jù)完整性要求極高的場景，如報表生成系統(tǒng)、計費流計算等。

即使與Storm相比，Dstream在系統(tǒng)成熟度、性能、穩(wěn)定性等方面仍然優(yōu)勢明顯，具體對比數(shù)據(jù)如表1所示。

3 移動電子商務(wù)智能化技術(shù)：智能調(diào)度與推薦

餐飲業(yè)被認(rèn)為是互聯(lián)網(wǎng)最早開始改造的傳統(tǒng)行業(yè)，最成熟的平臺模式是團購和外賣，本文以外賣系統(tǒng)為例探討移動電子商務(wù)系統(tǒng)智能化技術(shù)的重要性。外賣是一個傳統(tǒng)的業(yè)務(wù)，但是O2O時代的外賣系統(tǒng)卻是一個多種復(fù)雜技術(shù)的綜合體系，包括了多個層面的創(chuàng)新，如商業(yè)模式的創(chuàng)新、組織形態(tài)的創(chuàng)新和技術(shù)的創(chuàng)新。外賣業(yè)務(wù)實現(xiàn)的關(guān)鍵是提高配置效率，同時為用戶、騎士和商戶創(chuàng)造更多的價值，智能技術(shù)是其核心競爭力。

表1 DStream與Storm對比

一個基本的外賣流程主要包括如下3個環(huán)節(jié)：用戶下單、訂單調(diào)度、騎士配送。系統(tǒng)流轉(zhuǎn)的最主要目的就是為了能夠促成用戶下單，并及時交付訂單。其背后最重要的兩大系統(tǒng)就是推薦系統(tǒng)和調(diào)度系統(tǒng)，如圖2所示，通過推薦與調(diào)度系統(tǒng)，對于訂單日志、騎士狀態(tài)、實時場景和點擊日志等動態(tài)數(shù)據(jù)進行分析，完成實時、有效的配送；同時通過用戶畫像、菜品信息、商戶畫像和場景偏好等靜態(tài)數(shù)據(jù)與實時的場景相結(jié)合實現(xiàn)精準(zhǔn)的推薦。例如百度外賣系統(tǒng)是國內(nèi)首家采用流式計算、智能調(diào)度算法構(gòu)建的外賣系統(tǒng)，通過智能調(diào)度和推薦，能夠?qū)崿F(xiàn)用戶等待時間平均降低28%，騎士送單效率提升100%。

3.1 智能調(diào)度系統(tǒng)

外賣系統(tǒng)中最重要的部分就是智能調(diào)度系統(tǒng)，主要包括智能派單和路徑規(guī)劃兩個部分。在傳統(tǒng)的電子商務(wù)時代，調(diào)度主要是由調(diào)度員完成，假設(shè)一個調(diào)度員大概一天能管一千單左右，如果每天要實現(xiàn)一百萬單的話，就需要有一千個調(diào)度員，這是一個非常龐大的運作體系。在移動O2O時代，系統(tǒng)要處理海量的訂單和數(shù)據(jù)，這就需要一個智能化、全自動的調(diào)度系統(tǒng)，要選擇合適的騎士，并同時考慮到LBS位置信息和訂單合并等信息，使得整個系統(tǒng)實現(xiàn)路徑最優(yōu)。

圖2 百度外賣系統(tǒng)

百度外賣系統(tǒng)的架構(gòu)如圖3所示。通過采集騎士、訂單、GIS服務(wù)和用戶等相關(guān)數(shù)據(jù)構(gòu)建實時場景下的約束變量，并通過流式計算、預(yù)估模型、相關(guān)性排序和動態(tài)規(guī)劃等算法實現(xiàn)實時調(diào)度，包括路線規(guī)劃、智能導(dǎo)航、訂單自動分配等。為了實現(xiàn)更好的實時調(diào)度，系統(tǒng)還實現(xiàn)了離線預(yù)測和配送監(jiān)控等功能。其中離線預(yù)測采用智能化手段實現(xiàn)出餐預(yù)估、熱點預(yù)測、運力預(yù)測等，這些預(yù)測信息可以與調(diào)度系統(tǒng)結(jié)合，根據(jù)離線的場景分析來實現(xiàn)最優(yōu)的騎士配送路線。另外能夠?qū)崿F(xiàn)自動化的騎士管理、商戶管理、調(diào)度檢測和配送監(jiān)控等業(yè)務(wù)層功能，也可以用于實時監(jiān)控及調(diào)整配送網(wǎng)絡(luò)。

圖3 外賣系統(tǒng)訂單流程圖

3.2 智能推薦系統(tǒng)

移動電子商務(wù)需要將用戶需求和所需要的服務(wù)實現(xiàn)精準(zhǔn)對接，因此優(yōu)秀的移動電子商務(wù)系統(tǒng)必須具備一個智能的推薦系統(tǒng)[5]。以百度外賣為例，通過智能化推薦系統(tǒng)，可以實現(xiàn)數(shù)據(jù)、場景的分析以及用戶畫像，對于不同的用戶、地域以及時間段等復(fù)雜的場景，呈現(xiàn)出不同的商戶和菜品的排序。同時滿足業(yè)務(wù)生態(tài)各參與方的需求和利益。外賣平臺提供一個公正、良性的競爭環(huán)境，同時滿足用戶多場景個性化的需求、口味變化的需求，并為商戶提供新的機遇并建立良好的商戶成長體系，增加用戶黏性，極大地提高用戶轉(zhuǎn)化率。

百度外賣的推薦系統(tǒng)主要包括數(shù)據(jù)處理層、商戶建模層、算法層、策略層、用戶建模層和應(yīng)用層6個部分，如圖4所示。

圖4 智能推薦系統(tǒng)示意圖

其中商戶和用戶的建模包括離線和實時兩部分。商戶模型的離線數(shù)據(jù)包括商戶評級、適宜場景、商戶標(biāo)簽挖掘和商戶屬性等；實時數(shù)據(jù)包括實時運力、實時庫存、商戶行為和運營數(shù)據(jù)等；用戶建模層的離線數(shù)據(jù)包括用戶長期畫像及其短期畫像；實時數(shù)據(jù)包括購買場景分析和實時的用戶畫像等。推薦系統(tǒng)通過高效的實時計算系統(tǒng)，分析百度海量的商戶及其用戶數(shù)據(jù)，刻畫商戶和用戶模型，并通過多樣性策略實現(xiàn)精準(zhǔn)商戶排序、商戶推薦和菜品推薦，提升點擊率。

4 總結(jié)

移動互聯(lián)網(wǎng)業(yè)務(wù)的快速發(fā)展，使得行業(yè)技術(shù)門檻越來越高。移動電子商務(wù)業(yè)務(wù)作為其中最為重要的分支之一，其業(yè)務(wù)及平臺實現(xiàn)涉及云計算、大數(shù)據(jù)、人工智能等多種技術(shù)的綜合應(yīng)用，因此可以說技術(shù)與研發(fā)能力是實現(xiàn)移動電子商務(wù)業(yè)務(wù)創(chuàng)新、商業(yè)模式創(chuàng)新、優(yōu)化資源配置的有利保證。

移動互聯(lián)網(wǎng)的發(fā)展實現(xiàn)了泛在連接和全面智能化的疊加，以及無所不在的連接和無所不在的感知，從而產(chǎn)生海量的數(shù)據(jù)。這些數(shù)據(jù)類型已不是單一的結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)占有非常大的比重，但是如果現(xiàn)有技術(shù)手段無法將大量的非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)進行統(tǒng)一和整合，就無法發(fā)掘數(shù)據(jù)中的重要價值。對于這些非結(jié)構(gòu)化的數(shù)據(jù)進行分析和挖掘并實現(xiàn)其價值，人工智能是重要的技術(shù)發(fā)展方向。當(dāng)感知、連接和計算無所不在的時候，人工智能將會全面提升數(shù)據(jù)處理的實時性、準(zhǔn)確性和完整性。移動電子商務(wù)業(yè)務(wù)的快速發(fā)展也直接得益于數(shù)據(jù)驅(qū)動的創(chuàng)新及應(yīng)用，可以極大地提升用戶體驗并降低成本。因此可以說人工智能是移動互聯(lián)電子商務(wù)的最重要的技術(shù)推動力，能夠提升“互聯(lián)網(wǎng)+”的智能化水平，并帶來技術(shù)、生產(chǎn)、商業(yè)模式的持續(xù)變革。

參考文獻

[1]易觀智庫.中國移動生活服務(wù)市場專題研究報告[R],2014:1-3

[2]涂蘭敬.百度的技術(shù)突破與應(yīng)用[N/OL].[2015-07-20].http://www.ciw.com.cn/h/2562/404190-17609.html

[3]都大龍,余軼男,羅恒,等.基于深度學(xué)習(xí)的圖像識別進展:百度的若干實踐[EB/OL].[2015-07-20].http://wenku.baidu.com/link?url=4lIdMG0VcK0RW_EXIrwg8qQRd6SnDwd w8tfho3O0UIgbIkv6GvjiosnYs8TsUpuYvOe52K5fyQRc C3QmKQLC5h5Hrh-n2IWbHu-Gm6VYKJi

[4]郭江亮.百度實時計算平臺的實現(xiàn)和應(yīng)用[J/OL].[2015-07-20].http://www.csdn.net/article/2014-10-28/2822319

[5]陳尚義.百度大數(shù)據(jù)應(yīng)用與實踐[EB/OL].[2015-07-20].http://www.open-open.com/news/view/1e2f98f