分析Booking的150种机器学习模型，我总结了六条成功经验

作者 | Adrian Colyer

译者 | Monanfei

出品 | AI科技大本营（ID:rgznai100）

本文是一篇有趣的论文（150 successful machine learning models: 6 lessons learned at Booking.com Bernadi et al., KDD’19），通过分析 Booking.com 上 150 个成功的面向客户的机器学习应用程序的集成，该论文对其中的经验教训进行了精彩的总结，主要内容如下：

1. 使用机器学习模型的项目将带来巨大的商业价值
2. 模型表现并不代表商业绩效
3. 明确你要解决的问题
4. 预测服务的延迟很重要
5. 尽早获得有关模型质量的反馈
6. 使用随机对照试验测试模型对业务的影响

不仅如此，本文更是包含超过这 6 条之外的建议。

我们发现，推动真正的业务影响非常困难，而且很难隔离和理解建模工作与观察到的影响之间的联系……我们的主要结论是，构建机器学习支持的 150 种成功产品有一个基础，那就是一个与其他学科相结合的，迭代的，受假设驱动的过程。

请千万不把上面的话理解成投资机器学习是不值得的，恰恰相反，在面向用户的场景中，锻炼设计、构建和实施成功的机器学习模型的能力，这正是组织竞争力的基础。

场景

• 您可能听说过 “全球最大的在线旅行社” Booking.com 。为了使向用户提供出色的体验，目前有许多挑战摆在它的面前
• 推荐的风险很高：在错误的地方预定住宿比播放不喜欢的电影要糟糕得多！
• 用户在预订旅行时仅提供很少的信息，我们很难明白用户到底在寻找什么
• 住宿供应受到限制，不断变化的价格会影响客人的喜好
• 用户的喜好可能会在他们每次使用该平台时发生变化（例如，每年仅预订一次或两次）
• 住宿的信息过于丰富，这可能会让用户不知所措

不同类型的模型

机器学习模型的好坏会影响 Booking.com 许多方面的体验。一些模型非常具体，着眼于特定上下文中的特定用例（例如针对渠道中某个点量身定制的建议）；另一些模型则充当语义层，对上下文中的一些概念进行建模（例如，根据旅行目的地，指示用户的灵活性的模型）。

在 Booking.com 上部署的模型可以分为六大类：

• 旅行者偏好模型：在语义层中运行，并对用户偏好（例如灵活性程度）做出广泛的预测。
• 旅行者上下文模型：也是语义模型，用于预测旅行发生的上下文（例如，与家人，与朋友，商务……）。
• 项目空间导航模型：跟踪用户的浏览内容，可为用户的历史记录和整个目录提供建议。
• 用户界面优化模型：优化 UI 的元素，例如背景图像，字体大小，按钮等。有趣的是，“ 我们发现，几乎没有一个特定的值是一个整体最优的情况，因此我们的模型考虑了上下文和用户信息，从而决定最佳的用户界面。”
• 内容策划模型：策划人为生成的内容，例如评论，以决定显示哪些内容
• 内容增强模型：计算有关行程要素的其他信息，例如当前具有较高价值的选择、区域价格趋势等。

第 1 课：使用机器学习模型的项目将带来巨大的商业价值

上述的所有模型系列都在 Booking.com 上产生了商业价值。此外，与未使用机器学习的其他成功项目相比，基于机器学习的项目往往会带来更高的回报。

这些机器学习模型部署后，除了获得直接的业务收益外，它们经常成为进一步产品开发的基础。下图显示了一系列模型部署后的影响，每个新的部署都建立在原始部署之上，并进一步改善了业务成果。

第 2 课：模型表现并不代表商业绩效

通过衡量对业务指标影响的随机对照试验，Booking.com 能够估计模型提供的价值。

一个有趣的发现是，提高模型的性能并不一定会转化为业务价值的增长。

这种现象可能是多种因素导致的，包括业务价值饱和（无论做什么，都无法再提升）；由于接受试验的人群较少而导致节段饱和（新旧模型在很大程度上吻合）；对代理指标的过度优化（特别是那些无法将自身（例如点击）转换为所需业务指标的代理指标）；以及怪异的山谷效应。下图可以很好地说明这些问题：

第 3 课：明确你要解决的问题

在开始构建模型之前，值得花费时间仔细思考要解决的问题的定义。

问题构建过程将业务案例或概念作为输入，并输出定义明确的建模问题（通常是监督式机器学习问题），这样就能提出一个好的解决方案，从而有效地对给定业务案例或概念进行建模。

一些最强大的改进并非是在给定设置的上下文中改进模型，而是更改设置本身。例如，将基于 Clink 数据的用户偏好模型更改为基于来宾评论数据的自然语言处理问题。

总的来说，我们发现最好的问题往往不是立即想到的，改变设置是提高价值的卓越方法。

第 4 课：预测服务的延迟很重要

在一项引入合成延迟的实验中，Booking.com 发现，延迟增加约 30％ 会使转化率降低约 0.5％，“ 这是我们业务的相关成本 ”。

延迟对于机器学习模型尤其重要，因为它们在进行预测时需要大量的计算资源。即使是数学上简单的模型也可能会引入相关的延迟。

Booking.com 竭尽所能以最大程度地减少模型引入的延迟，包括水平缩放的模型分布式副本，内部开发的自定义线性预测引擎，偏好具有较少参数、批处理请求以及预计算 and/or 缓存的模型。

第 5 课：尽早获得有关模型质量的反馈

当模型满足请求时，监视其输出质量至关重要，但这至少带来了两个挑战……

• 由于难以观察真实标签，反馈不完整
• 反馈会有延迟，例如在预订时做出的关于用户是否会留下评论的预测，直到旅行完成后才能进行评估。

Booking.com 提出了一种策略：查看模型生成的响应的分布。该策略已经成功地在这些情况下针对二进制分类器进行了部署。“ 具有一个清晰稳定点的平滑双峰分布，这是模型成功区分两类数据的标志”。其他形状（参见下图）则表明该模型正在陷入困境。

…响应分布分析已被证明是非常有用的工具，可让我们尽早发现模型中的缺陷。

第 6 课：使用随机对照试验测试模型对业务的影响

在这项工作中，绝大多数成功的机器学习成功案例都是通过复杂的实验设计实现的，这些实验设计既可以指导开发过程，也可以检测其影响。

本文提供了有关如何在不同情况下进行实验的建议。

• 如果并非所有受试者都有资格接受更改（例如，他们没有模型所要求的特征），则从合格子集中创建实验组和对照组。

• 如果模型仅产生影响用户体验的一个小方面的输出，则进一步将实验组和对照组进行限制，即模型仅产生用户可观察到的输出的情况（当然在对照组）。为了评估性能的影响，需要添加第三个控制组，在控制组中不会调用该模型。

• 在比较模型时，我们对两种模型不一致的情况很感兴趣。我们将使用一个调用当前模型的对照组作为基准（假设针对改进后模型，我们对当前模型进行测试）。实验设计如下：

总结

假设驱动的迭代和跨学科的集成，这些是我们利用机器学习实现价值的方法的核心，我们希望这项工作可以为其他机器学习从业人员提供指导，并引发对该主题的进一步研究。

原文链接：

https://blog.acolyer.org/2019/10/07/150-successful-machine-learning-models/

（*本文为AI科技大本营编译文章，转载请微信联系 1092722531）