电商大模型及搜索应用实践-819.pdf

1、电商大模型及搜索应用实践电商大模型及搜索应用实践演讲人：翟周伟京东/技术总监CONTENTS目 录01电商行业的发展和技术演进02大模型在电商场景下的问题03电商大模型关键技术04电商搜索大模型应用实践05下一代AI电商搜索电商行业的发展和技术演进电商行业发展电商场景问题分析关键问题和技术挑战技术演进洞察电商行业电商行业发展发展过去10年实物商品网上零售额高速增长，电商模式也从货架电商为主发展为和内容电商并存的局面货架电商货架电商(阿里,京东,拼多多等)内容内容电商电商（抖音,快手,小红书等）本质上都是通过技术驱动大幅降低了商品流通成本，显著提升了零售效率，而电商模式的发展变化背后也是技术演进

2、的结果电商场景电商场景分析分析从电商用户的消费决策链出发，用户从需求的产生到最终决策下单可拆解为购前，购中，购后，这三个阶段：购物需求非购物需求内容平台即兴购物需求电商平台物流售后用户购前购中购后需求激发搜索搜索搜索在消费决策链路中用户购买需求产生后搜索是决策的关键环节，而电商搜索的核心就是基于用户需求的商品分发，电商搜索技术就是主要解决商品分发效率的问题，优化的目标就是GMV和UCVR，和一般的信息搜索（如百度）有很大的区别。内容平台：内容平台：以抖音，快手，小红书等为主的内容分发平台，也是当前的新兴内容电商平台，处于消费链路上游电商平台：电商平台：以阿里，京东，拼多多为主的商品分发平台，也

3、是当前的货架电商平台，处于消费链路中下游渗透发展推荐关键问题和技术关键问题和技术挑战挑战产品形态：京东主站三大搜索产品形态宏观目标：更低的成本，更高的效率，更好的体验关键问题：GMV：UV*UCVR*客单价京东京东appapp京东小程序京东小程序京东京东PCPC关键问题和技术挑战关键问题和技术挑战1.文本+图像多模态匹配2.动态价格,促销,物流等3.权衡UCVR和长期GMV4.宏观流量调控和反作弊相关性相关性1.复杂用户需求理解2.数千数万商品属性和类目精准识别3.用户画像等复杂上下文意图理解意图理解1.多维度召回和融合2.商品和库存等动态变化3.个性化和多样性问题商品召回商品召回1.提升交互

4、效率同时考虑激发用户需求2.时效性问题3.丰富性问题交互引流交互引流优化目标：GMV=UV*UCVR*客单价，多目标优化难题，还要坚持宏观目标：更低的成本，更高的效率，更好的体验，从技术角度拆解存在以下技术挑战：电商搜索技术演进电商搜索技术演进洞察洞察技术演进本质上还是通过技术创新去实现更低的成本，更高的效率，更好的体验文本检索阶段文本检索阶段1.规则引擎的应用2.基础文本检索技术3.关键词的人货匹配机器学习阶段机器学习阶段1.统计NLP为核心的用户意图理解和商品理解2.基于ML的CTR/CVR建模3.LTR排序模型4.用户反馈数据学习深度学习阶段深度学习阶段1.基于DNN的意图/商品精准理解

5、提升分发准确率2.以文本+语音+图像的新搜索交互,3.ANN语义召回,多模态召回和DNN匹配技术3.个性化搜索，千人千面大模型阶段大模型阶段1.交互上单向引导到对话式交互导购2.基于大模型的用户理解和商品理解解决长尾3.大模型生成式检索技术AGI导购助手导购助手1.完全AGI技术驱动2.完全多模态交互2.AI Agent式购物服务3.人格化数字虚拟助理大模型电商场景下的问题大模型的技术优势电商场景下的应用问题电商大模型解决方案大模型的技术优势大模型的技术优势广泛的知广泛的知识总结和识总结和归纳能力归纳能力显著迁移学习和多任务能力2 23 3逻辑推理和分析能力4 4多语言多模态建模5 5强大的语

6、强大的语言理解和言理解和生成能力生成能力1 1算法多模态，MOE算力GPU,NPU数据WebData,专有知识数据电商场景下的应用问题电商场景下的应用问题电商电商知识知识理解理解 通用大模型商品知识专业性不足：商品类目,品牌,属性等 通用知识和商品的对齐问题 图像商品理解差效果效果和和个性化个性化 直接应用没绝对效果优势 理解购物历史，偏好，评论，商品细节等个性化挑战时效性时效性 大模型本身更新很慢，知识陈旧 新商品，促销，价格等更新时效性很高成本成本和和速度速度 训练和推理成本大，ROI低，很难大规模商用 在线推理速度很难满足实时性安全性安全性 用户敏感数据泄露风险 生成商品相关内容的安全合