一、關(guān)鍵詞

知乎、艦橋、內(nèi)容池、內(nèi)容管理平臺(tái)、內(nèi)容分析平臺(tái)、內(nèi)容監(jiān)控&報(bào)警、內(nèi)容干預(yù)、Doris、Elasticsearch（ES）、DOE（Doris On ES）、Spark、Flink、Golang

二、背景和由來(lái)

1、介紹

艦橋平臺(tái)是一站式內(nèi)容&用戶&創(chuàng)作者管理、運(yùn)營(yíng)、分析平臺(tái)。它包括篩選、打包、分析、監(jiān)控、營(yíng)銷、投放、干預(yù)等多種能力，專注于內(nèi)容運(yùn)營(yíng)、內(nèi)部營(yíng)銷、創(chuàng)作者運(yùn)營(yíng)、內(nèi)容供應(yīng)鏈、數(shù)據(jù)中心和內(nèi)容分層運(yùn)營(yíng)等場(chǎng)景。為市場(chǎng)感知與前瞻預(yù)判、內(nèi)容和創(chuàng)作者生態(tài)調(diào)節(jié)、頭部創(chuàng)作者關(guān)系維護(hù)、營(yíng)銷和促進(jìn)公司業(yè)務(wù)發(fā)展，知識(shí)分享和交流創(chuàng)造無(wú)限可能。本篇文章重點(diǎn)介紹艦橋產(chǎn)品體系中的內(nèi)容運(yùn)營(yíng)平臺(tái)，下一篇會(huì)介紹內(nèi)部營(yíng)銷平臺(tái)。

2、由來(lái)

知乎社區(qū)產(chǎn)品系統(tǒng)，歸根結(jié)底，是一個(gè)以推薦算法和搜索引擎相結(jié)合的方式來(lái)匹配用戶與內(nèi)容的平臺(tái)。這樣的平臺(tái)經(jīng)濟(jì)是在市場(chǎng)經(jīng)濟(jì)模型上運(yùn)作，具備靈活高效的優(yōu)點(diǎn)，同時(shí)也存在一定的盲目性和滯后性。在這一系統(tǒng)中，推薦策略充當(dāng)著市場(chǎng)調(diào)節(jié)器的角色。然而，單靠流通側(cè)的調(diào)整，往往難以迅速和有效地使平臺(tái)朝向我們期望的方向發(fā)展。因此，運(yùn)營(yíng)系統(tǒng)的加入至關(guān)重要。

運(yùn)營(yíng)系統(tǒng)在產(chǎn)品系統(tǒng)之外工作，主要目標(biāo)是構(gòu)建和維護(hù)一個(gè)健康的內(nèi)容生態(tài)。這一系統(tǒng)在內(nèi)容生態(tài)中起著多個(gè)關(guān)鍵作用：

• 內(nèi)容質(zhì)量維護(hù)：運(yùn)營(yíng)系統(tǒng)通過設(shè)置并維護(hù)內(nèi)容標(biāo)準(zhǔn)，鼓勵(lì)優(yōu)質(zhì)內(nèi)容的生成，同時(shí)抑制或減少低質(zhì)量或有害內(nèi)容的傳播。
• 用戶引導(dǎo)：通過對(duì)用戶行為的分析與理解，運(yùn)營(yíng)可以有效引導(dǎo)用戶產(chǎn)生有價(jià)值的交互，促進(jìn)優(yōu)質(zhì)內(nèi)容的發(fā)現(xiàn)和分享。
• 創(chuàng)作者培育與支持：運(yùn)營(yíng)系統(tǒng)提供對(duì)創(chuàng)作者的支持與培訓(xùn)，尤其是新興和有潛力的創(chuàng)作者，以促進(jìn)其成長(zhǎng)和對(duì)平臺(tái)的內(nèi)容貢獻(xiàn)。
• 競(jìng)爭(zhēng)機(jī)制優(yōu)化：通過設(shè)計(jì)合理的獎(jiǎng)勵(lì)和激勵(lì)機(jī)制，運(yùn)營(yíng)可以調(diào)節(jié)內(nèi)容的競(jìng)爭(zhēng)環(huán)境，激發(fā)創(chuàng)作活力和用戶參與。
• 社區(qū)氛圍塑造和提升：運(yùn)營(yíng)團(tuán)隊(duì)專注于激勵(lì)和鼓勵(lì)社區(qū)中的積極和健康行為。贊揚(yáng)和獎(jiǎng)勵(lì)良好行為，進(jìn)一步推動(dòng)社區(qū)的積極環(huán)境。同時(shí)任何可能破壞社區(qū)和諧或健康氛圍的行為，我們不予支持或提倡，并積極尋找解決方案，保持社區(qū)環(huán)境的良好運(yùn)作。
• 市場(chǎng)趨勢(shì)感知與反應(yīng)：運(yùn)營(yíng)團(tuán)隊(duì)需要對(duì)市場(chǎng)趨勢(shì)保持敏感，并能夠迅速調(diào)整平臺(tái)策略以順應(yīng)變化，確保內(nèi)容的時(shí)效性和相關(guān)性。
• 除了以上所述的職責(zé)，運(yùn)營(yíng)團(tuán)隊(duì)還負(fù)責(zé)品牌塑造、擴(kuò)大規(guī)模等等多方面的工作，對(duì)這些點(diǎn)不在本文中詳細(xì)介紹。

3、能力地圖

本期文章中，我們介紹的重點(diǎn)是艦橋產(chǎn)品體系中的內(nèi)容運(yùn)營(yíng)平臺(tái)。

三、解決方案和落地

1、業(yè)務(wù)架構(gòu)

2、業(yè)務(wù)層拆解

為了更好地滿足當(dāng)前的業(yè)務(wù)需求，我們?cè)谧铐攲拥臉I(yè)務(wù)結(jié)構(gòu)上細(xì)化出了四類產(chǎn)品和對(duì)應(yīng)的產(chǎn)品接口，以便與各團(tuán)隊(duì)進(jìn)行高效協(xié)同工作。

• 內(nèi)容池，該平臺(tái)接口層面向的是分發(fā)團(tuán)隊(duì)。它具備多種實(shí)用的功能，包括點(diǎn)查、檢索召回、多特征粗排等。在使用時(shí)，團(tuán)隊(duì)可以把它作為分發(fā)的召回源和粗排工具，或者僅作為召回源。供業(yè)務(wù)側(cè)根據(jù)實(shí)際需要調(diào)整和修改召回源和粗排邏輯。
• 內(nèi)容管理平臺(tái)，這是專門為運(yùn)營(yíng)團(tuán)隊(duì)設(shè)計(jì)的。該平臺(tái)具備豐富的基礎(chǔ)功能，如內(nèi)容篩選、整理打包等，還允許團(tuán)隊(duì)對(duì)內(nèi)容進(jìn)行一系列操作，例如編輯內(nèi)容、調(diào)整內(nèi)容優(yōu)先級(jí)（提升或降低權(quán)重），以及投放內(nèi)容等。
• 內(nèi)容分析平臺(tái)，旨在為運(yùn)營(yíng)團(tuán)隊(duì)提供分析工具。這個(gè)平臺(tái)可以進(jìn)行單篇內(nèi)容和內(nèi)容集合的趨勢(shì)分析、構(gòu)成分析，還能進(jìn)行消費(fèi)者畫像分析等深層次挖掘。根據(jù)不同的分析方式，可以獲得不同的數(shù)據(jù)結(jié)論，以幫助理解和優(yōu)化業(yè)務(wù)運(yùn)營(yíng)效果。
• 內(nèi)容監(jiān)控&報(bào)警，目標(biāo)是為運(yùn)營(yíng)團(tuán)隊(duì)提供及時(shí)的業(yè)務(wù)監(jiān)控和報(bào)警能力。這個(gè)平臺(tái)通過內(nèi)容和用戶的多種事件觸發(fā)，通過多種業(yè)務(wù)模版和靈活的配置，可快速搭建業(yè)務(wù)報(bào)警能力，比如關(guān)鍵詞輿情報(bào)警、發(fā)布&定級(jí)監(jiān)控報(bào)警等。幫助運(yùn)營(yíng)團(tuán)隊(duì)快速發(fā)現(xiàn)具有某種特征的業(yè)務(wù)表現(xiàn)。
• 內(nèi)容干預(yù)：運(yùn)營(yíng)使用做標(biāo)記、打標(biāo)簽等手段，將信號(hào)傳遞到分發(fā)渠道。通過對(duì)創(chuàng)作者以及內(nèi)容打壓與推優(yōu)的策略，篩選出優(yōu)質(zhì)的內(nèi)容并將其優(yōu)先推送給用戶，讓真正有價(jià)值、高質(zhì)量的內(nèi)容能夠被更多的目標(biāo)用戶看見。

四、業(yè)務(wù)能力效果及架構(gòu)

1、內(nèi)容池

內(nèi)容池：該平臺(tái)接口層面向的是分發(fā)團(tuán)隊(duì)。它具備多種實(shí)用的功能，包括點(diǎn)查、檢索召回、多特征粗排等。在使用時(shí)，團(tuán)隊(duì)可以把它作為分發(fā)的召回源和粗排工具，或者僅作為召回源。供業(yè)務(wù)側(cè)根據(jù)實(shí)際需要調(diào)整和修改召回源和粗排邏輯。

2、內(nèi)容管理平臺(tái)

內(nèi)容管理平臺(tái)，這是專門為運(yùn)營(yíng)團(tuán)隊(duì)設(shè)計(jì)的。該平臺(tái)具備豐富的基礎(chǔ)功能，如內(nèi)容篩選、整理打包等，還允許團(tuán)隊(duì)對(duì)內(nèi)容進(jìn)行一系列操作，例如編輯內(nèi)容、調(diào)整內(nèi)容優(yōu)先級(jí)（提升或降低權(quán)重），以及投放內(nèi)容等。

3、內(nèi)容分析平臺(tái)

內(nèi)容分析平臺(tái)，旨在為運(yùn)營(yíng)團(tuán)隊(duì)提供分析工具。這個(gè)平臺(tái)可以進(jìn)行單篇內(nèi)容和內(nèi)容集合的趨勢(shì)分析、構(gòu)成分析，還能進(jìn)行消費(fèi)者畫像分析等深層次挖掘。根據(jù)不同的分析方式，可以獲得不同的數(shù)據(jù)結(jié)論，以幫助理解和優(yōu)化業(yè)務(wù)運(yùn)營(yíng)效果。

4、內(nèi)容監(jiān)控&報(bào)警

內(nèi)容監(jiān)控&報(bào)警，目標(biāo)是為運(yùn)營(yíng)團(tuán)隊(duì)提供及時(shí)的業(yè)務(wù)監(jiān)控和報(bào)警能力。這個(gè)平臺(tái)通過內(nèi)容和用戶的多種事件觸發(fā)，通過多種業(yè)務(wù)模版和靈活的配置，可快速搭建業(yè)務(wù)報(bào)警能力，比如關(guān)鍵詞輿情報(bào)警、發(fā)布&定級(jí)監(jiān)控報(bào)警等。幫助運(yùn)營(yíng)團(tuán)隊(duì)快速發(fā)現(xiàn)具有某種特征的業(yè)務(wù)表現(xiàn)。

5、內(nèi)容干預(yù)

內(nèi)容干預(yù)：運(yùn)營(yíng)使用做標(biāo)記、打標(biāo)簽等手段，將信號(hào)傳遞到分發(fā)渠道。通過對(duì)創(chuàng)作者以及內(nèi)容打壓與推優(yōu)的策略，篩選出優(yōu)質(zhì)的內(nèi)容并將其優(yōu)先推送給用戶，讓真正有價(jià)值、高質(zhì)量的內(nèi)容能夠被更多的目標(biāo)用戶看見。

五、支撐層的選型和落地

根據(jù)我們面臨的不同業(yè)務(wù)場(chǎng)景，如內(nèi)容池的構(gòu)建、內(nèi)容管理平臺(tái)的運(yùn)行、內(nèi)容分析平臺(tái)的發(fā)展，以及對(duì)內(nèi)容的監(jiān)控和報(bào)警等多元需求，我們總結(jié)出三種通用的底層支持設(shè)施，它們分別是流式內(nèi)容定向及打包，批式內(nèi)容定向及打包，和內(nèi)容分析及預(yù)處理。通過這三種基礎(chǔ)設(shè)施，我們可以在上層搭建我們的業(yè)務(wù)模塊，以滿足具體業(yè)務(wù)需求。具體如下：

流式內(nèi)容定向及打包以其“及時(shí)、快速”為主要特點(diǎn)，在秒級(jí)別的時(shí)間內(nèi)完成內(nèi)容打包的更新。然而，這種模式需要在生成內(nèi)容包之前先詳細(xì)定義好檢索條件。

批式內(nèi)容定向及打包提供了更為多元的設(shè)定條件，適合那些對(duì)自由度要求更高的業(yè)務(wù)場(chǎng)景。盡管如此，此種模式的時(shí)效性相對(duì)較低，需要“次日更新”的方式進(jìn)行合適的調(diào)整和配合。

內(nèi)容分析&預(yù)處理，在將這兩種內(nèi)容打包方式與內(nèi)容分析及預(yù)處理聯(lián)系起來(lái)時(shí)，我們的目標(biāo)是保證分析能力的正常運(yùn)行，并確保內(nèi)容事實(shí)、用戶事實(shí)、流量事實(shí)等不同類型的特征口徑一致，鏈路對(duì)齊。

1、流式內(nèi)容定向及打包選型

流式內(nèi)容檢索利用消息隊(duì)列作為數(shù)據(jù)源，以內(nèi)容的屬性、特征變更作為事件的觸發(fā)源。其復(fù)雜性主要體現(xiàn)在實(shí)時(shí)計(jì)算和處理方面。

為了解決內(nèi)容重復(fù)計(jì)算的問題，我們采用了 Flink 對(duì)消息源進(jìn)行聚合操作。通過使用窗口機(jī)制，同一窗口內(nèi)的內(nèi)容只會(huì)被計(jì)算一次，從而避免了短時(shí)間內(nèi)同一內(nèi)容的多次變更導(dǎo)致的重復(fù)計(jì)算。

為了提高內(nèi)容出入池的性能，我們對(duì)已經(jīng)滿足規(guī)則的內(nèi)容進(jìn)行了緩存處理，避免了頻繁的數(shù)據(jù)庫(kù)操作。這種優(yōu)化策略可以顯著提升系統(tǒng)的響應(yīng)速度和吞吐量。

2、批式內(nèi)容定向及打包選型

不同于流式檢索，批式檢索的特點(diǎn)是條件更多，更適合探索性質(zhì)的檢索。批式檢索需要在離線進(jìn)行特征和屬性的計(jì)算與構(gòu)造，然后再提供相應(yīng)的檢索能力，因此時(shí)效性較低（T+1）。

鑒于批式內(nèi)容檢索條件復(fù)雜且涉及正文等要素，我們選擇了 Elasticsearch（ES）作為實(shí)現(xiàn)方案。然而，由于 ES 在文檔更新時(shí)性能較差，為了解決這個(gè)問題，我們采用了每日新建索引并滾動(dòng)切換索引的策略。通過利用 ES 的 Alias 特性，我們實(shí)現(xiàn)了無(wú)縫的索引切換。

3、內(nèi)容分析&預(yù)處理選型

（1）個(gè)體分析

在對(duì)單篇內(nèi)容進(jìn)行分析時(shí)，艦橋提供了以下相關(guān)能力：

• 內(nèi)容基礎(chǔ)信息和內(nèi)容畫像：站內(nèi)各個(gè)業(yè)務(wù)方內(nèi)容信息的集合，由業(yè)務(wù)方以在線接口的形式提供。這些信息包括內(nèi)容的基本信息、標(biāo)簽信息等。
• 內(nèi)容分發(fā)數(shù)據(jù)：每天離線計(jì)算內(nèi)容截止到上一日的分日、分端、分渠道分發(fā)量和互動(dòng)量。幫助了解內(nèi)容的分發(fā)情況和受眾的互動(dòng)情況。
• 內(nèi)容生命周期：采集各個(gè)業(yè)務(wù)方生產(chǎn)的內(nèi)容信號(hào)，包括內(nèi)容生產(chǎn)、打標(biāo)簽、治理信號(hào)以及各個(gè)渠道的分發(fā)信號(hào)。這些信號(hào)貫穿內(nèi)容從生產(chǎn)到消費(fèi)的整個(gè)生命周期，方便了解內(nèi)容的生命周期特征和趨勢(shì)。
• 閱讀者畫像：利用 DMP 已有的用戶標(biāo)簽?zāi)芰Γ褂脙?nèi)容的分發(fā)歷史數(shù)據(jù)和用戶標(biāo)簽關(guān)聯(lián)，分析內(nèi)容的閱讀者偏好。包括性別、年齡比例、閱讀者興趣偏好等信息，可以了解不同閱讀者群體對(duì)內(nèi)容的偏好和需求。

（2）群體分析

內(nèi)容的群體分析是一種通過計(jì)算一組內(nèi)容的數(shù)據(jù)統(tǒng)計(jì)信息來(lái)獲取洞察力的方法。在艦橋平臺(tái)中，根據(jù)不同的業(yè)務(wù)視角，可以采用領(lǐng)域分析、活動(dòng)內(nèi)容統(tǒng)計(jì)和 theme 信息畫像等方法進(jìn)行群體分析。這些方法的共同點(diǎn)是將內(nèi)容按照不同的角度進(jìn)行分組，并分別計(jì)算各組內(nèi)容的觀察指標(biāo)，如曝光數(shù)、PV（頁(yè)面瀏覽量）和內(nèi)容覆蓋數(shù)等。

為了實(shí)現(xiàn)從不同角度進(jìn)行內(nèi)容分組和群體分析的目的，使用了以下所示的架構(gòu)：

• 內(nèi)容維度寬表建設(shè)：特點(diǎn)是大而全，覆蓋內(nèi)容各個(gè)角度的屬性；
• 內(nèi)容的業(yè)務(wù)領(lǐng)域定義：使用統(tǒng)一 DSL，業(yè)務(wù)可以按需進(jìn)行定義自己業(yè)務(wù)范圍內(nèi)的內(nèi)容；
• 內(nèi)容打包：按照領(lǐng)域定義，將內(nèi)容進(jìn)行分組打包；
• 內(nèi)容分析：使用內(nèi)容指標(biāo)叉乘內(nèi)容分組信息，得到各個(gè)組的內(nèi)容表現(xiàn)；對(duì)計(jì)算得到的觀察指標(biāo)進(jìn)行可視化展示。

六、未來(lái)趨勢(shì)

1、業(yè)務(wù)能力發(fā)展趨勢(shì)

（1）運(yùn)營(yíng)流程自動(dòng)化&策略化

在艦橋產(chǎn)品體系的內(nèi)容運(yùn)營(yíng)平臺(tái)中，目前所有的功能都基于原子化能力搭建，并且配備相應(yīng)的接口。這種方式賦予了平臺(tái)靈活且強(qiáng)大的能力，但我們對(duì)未來(lái)有更大的期待。

我們計(jì)劃開發(fā)一個(gè)類似于上圖的策略化流程畫布的系統(tǒng)，通過這個(gè)系統(tǒng)，運(yùn)營(yíng)流程將被準(zhǔn)確而高效地編排。這不僅意味著我們將進(jìn)行自動(dòng)化的調(diào)度和執(zhí)行，更進(jìn)一步地，我們能夠跟蹤每一次運(yùn)營(yíng)的效果，進(jìn)行細(xì)致入微的觀察和分析。我們也將 AB 實(shí)驗(yàn)引入到系統(tǒng)中，通過簡(jiǎn)潔的實(shí)驗(yàn)結(jié)果，為策略提供指導(dǎo)，以便在更廣闊的視野中找出最佳運(yùn)行方案。

未來(lái)的運(yùn)營(yíng)流程將實(shí)現(xiàn)策略化的配置、流程的自動(dòng)化、效果的可跟蹤可監(jiān)控，以及實(shí)驗(yàn)的數(shù)字化。這樣一套策略運(yùn)營(yíng)流程自動(dòng)化和策略化編排的功能，將使我們的業(yè)務(wù)決策更加精準(zhǔn)，并有助于提升公司的運(yùn)營(yíng)效率和業(yè)務(wù)表現(xiàn)。我們秉持對(duì)技術(shù)進(jìn)步的信心，期待通過改變，開啟新的可能。

（2）運(yùn)營(yíng)流程 AI 化

借鑒 OpenAI 所倡導(dǎo)的 Assistants API 模式，并結(jié)合模型能力的不斷提升，使得 Assistants 加上 Function Call 的模式已經(jīng)逐步變?yōu)榭赡?。這為我們提供了一個(gè)全新的視角去思考如何使用人工智能技術(shù)去優(yōu)化業(yè)務(wù)流程并提升運(yùn)營(yíng)效率。在這個(gè)原型上，我們期待構(gòu)建出一種全新的、AI 化的運(yùn)營(yíng)流程模式。

這樣的模式會(huì)基于上述理念，構(gòu)建屬于自身的 Assistants API，而底層則通過使用特定的數(shù)據(jù)和 Function 來(lái)提供基本的流程原子 API。這些原子 API 可以構(gòu)建連貫的工作流，滿足不同場(chǎng)景下的豐富需求。

在這個(gè)架構(gòu)中，Assistants 會(huì)扮演關(guān)鍵的角色，它需要循環(huán)地評(píng)估運(yùn)營(yíng)團(tuán)隊(duì)所提出的問題和需求，并找出具有最優(yōu)成效的解決方案。為了實(shí)現(xiàn)這一目標(biāo)，Assistants 會(huì)不斷地通過 Function Call 來(lái)獲取和理解外部環(huán)境的信息和知識(shí)。下圖中，執(zhí)行動(dòng)作包括模型的思考、外部的 Function Call、本地沙箱運(yùn)行 python 代碼等。

最終，Assistants 將應(yīng)用這些知識(shí)，提供滿足運(yùn)營(yíng)團(tuán)隊(duì)需求的方案和策略，以解決各類運(yùn)營(yíng)問題，并幫助運(yùn)營(yíng)團(tuán)隊(duì)提升效率與成果。這樣的運(yùn)營(yíng)方式不僅提高了運(yùn)營(yíng)效率，同時(shí)也減輕了運(yùn)營(yíng)團(tuán)隊(duì)的工作壓力，使他們可以更專注于策略性的工作和決策。

2、支撐層發(fā)展趨勢(shì)

（1）Doris + ES + DOE（Doris on ES）-> Doris 2.0 倒排索引

首先，倒排索引，也被稱為 inverted index，是信息檢索領(lǐng)域常用的一種索引技術(shù)。它將文本分割為許多單詞，然后構(gòu)建從詞到文檔編號(hào)的索引，借此可以快速查詢某個(gè)詞項(xiàng)在哪些文檔中出現(xiàn)。

在 Doris 的倒排索引實(shí)現(xiàn)中，表的一行被視為一個(gè)文檔，列則對(duì)應(yīng)文檔中的一個(gè)字段，所以可以利用倒排索引根據(jù)關(guān)鍵詞快速定位包含它的行，實(shí)現(xiàn) WHERE 子句的高效檢索。

與 Doris 中的其他索引形式不同，倒排索引在存儲(chǔ)層面是使用獨(dú)立的文件，它與 segment 文件邏輯對(duì)應(yīng)但存儲(chǔ)的文件是相互獨(dú)立的。這種設(shè)計(jì)的優(yōu)點(diǎn)在于，我們?cè)趧?chuàng)建或刪除索引時(shí)無(wú)需重寫 tablet 和 segment 文件，因此大大降低了處理過程的開銷。

Doris 2.0 版本引入了新的特性 - 倒排索引，這具有很高的工程實(shí)踐價(jià)值。在此之前，我們使用 Elasticsearch(ES) 處理全文特征，指標(biāo)特征則使用 Doris，二者以 Doris On ES 的方式結(jié)合。不過，隨著 Doris 倒排索引的引入，我們可以直接使用 Doris 進(jìn)行處理，簡(jiǎn)化了工程實(shí)施的復(fù)雜性。

（2）流式內(nèi)容定向 + 批式內(nèi)容定向的困境 -> 基于 Doris 的微批內(nèi)容定向+打包

在目前內(nèi)容運(yùn)營(yíng)的支撐層落地過程中，我們往往會(huì)面臨一個(gè)難題——如何找到最有效的方式以定向投遞內(nèi)容？常見的策略有流式內(nèi)容定向和批式內(nèi)容定向，然而，這兩種方法各自存在一些限制。

流式內(nèi)容定向：適用于對(duì)實(shí)時(shí)性要求高的業(yè)務(wù)場(chǎng)景，使得內(nèi)容可以在用戶產(chǎn)生對(duì)應(yīng)的行為后即時(shí)調(diào)整，以適應(yīng)高時(shí)效性召回源的業(yè)務(wù)場(chǎng)景，進(jìn)而解決實(shí)時(shí)策略和用戶的個(gè)性化需求。然而，這種方式目前面臨的情況就是服務(wù)器的負(fù)載大，特別是在用戶數(shù)據(jù)變化頻繁、內(nèi)容信息和統(tǒng)計(jì)信息也有頻繁的變動(dòng)性的情況下，數(shù)據(jù)流會(huì)比較大，計(jì)算壓力也較高。此外，由于實(shí)時(shí)變化的特性，流式內(nèi)容定向需要持續(xù)不斷的投入，這樣也會(huì)使得整體成本顯著提高。

批式內(nèi)容定向：適用于批量操作的方式進(jìn)行，將大量的內(nèi)容預(yù)先打包，然后定時(shí)推送。雖然這樣可以節(jié)省處理資源，降低運(yùn)行成本，但缺乏實(shí)時(shí)性以及對(duì)用戶行為和內(nèi)容信息變化感知低，無(wú)法滿足用戶對(duì)精準(zhǔn)和即時(shí)內(nèi)容的需求。批量推送的內(nèi)容也無(wú)法緊跟用戶的實(shí)時(shí)行為變化，從而減低營(yíng)銷效率。

目前從業(yè)務(wù)場(chǎng)景中出發(fā)，無(wú)論是用戶數(shù)據(jù)變化頻繁還是內(nèi)容信息和統(tǒng)計(jì)信息也有頻繁的變動(dòng)性，在實(shí)際的情況下并不是所有的業(yè)務(wù)場(chǎng)景都需要做到秒級(jí)別的更新，排除掉冷啟動(dòng)、高轉(zhuǎn)高召等對(duì)時(shí)效性要求高的場(chǎng)景，多數(shù)的業(yè)務(wù)場(chǎng)景保持每 10 分鐘 ~ 20 分鐘更新一批就能很好的滿足業(yè)務(wù)需求。

面對(duì)流式內(nèi)容定向和批式內(nèi)容定向的挑戰(zhàn)，我們的解決方案是采用微批內(nèi)容定向+打包的模式。使用 Doris 提供的微批內(nèi)容定向 + 打包的解決方案，可以在流式內(nèi)容定向與批式內(nèi)容定向的困境中找到一個(gè)最優(yōu)路徑。在這種模式下，我們可以利用 Doris 強(qiáng)大的實(shí)時(shí)數(shù)據(jù)查詢能力和索引支持，以細(xì)小的批次來(lái)處理和投遞內(nèi)容，實(shí)時(shí)調(diào)整內(nèi)容以適應(yīng)用戶需求，同時(shí)降低服務(wù)器負(fù)載，優(yōu)化資源運(yùn)用。通過打包方式，我們可以有效地組織和發(fā)送內(nèi)容，增加運(yùn)行效率，降低運(yùn)行成本。