深度学习在省钱快报推荐排序中的应用与实践

导读：省钱快报是一家中小型综合类电商APP，近2年平台规模有了较大增长，AI在平台业务发展中发挥了巨大作用。本文以推荐场景优化在省钱快报的发展为脉络，对于中小型电商公司在资源有限的客观条件下，对机器学习和深度学习的运用进行了架构和模型的相关探索。

01.  业 务 背 景

省钱快报推荐业务主要涉及首页feeds推荐、详情页相似商品推荐、收藏、个人中心等其他入口的推荐，业务指标着重关注ctr/cvr/gmv等，产品形态上和淘宝、京东等大致一样，不同之处在于下单的动作发生在第三方app上。简单来说用户在快报上的成交链路为浏览->点击->领券->跳转至第三方平台详情页并下单。因此不同于一般电商业务，快报的交易场景下转化漏斗较多，漏斗各层都需要关注。点击率、领券率、下单率每个环节都需要最优化，而各个指标又相互牵制相互影响，优化过程困难重重。

02.  系 统 架 构

▷