Skip to content Skip to sidebar Skip to footer

Нийтлэг асуудал

Дижитал платформууд (e-commerce, app, media, fintech гэх мэт) дараах хүндрэлтэй байнга тулгардаг.

  • Хэрэглэгчдэд хамааралгүй контент, бүтээгдэхүүн санал болгож харуулах
  • Каталог томрох тусам зөв бүтээгдэхүүнийг олж харуулахад хүндрэлтэй
  • Click, conversion, revenue хангалттай өсөхгүй байх
  • Rule-based recommendation нь хэт том өгөгдөлтэй ажиллахад хүндрэлтэй
  • Хэрэглэгчийн бодит зан төлөв, session context-ийг бүрэн ашиглаж чаддаггүй

Үүний улмаас хэрэглэгчийн туршлага муудаж, борлуулалт өсөхөд сөрөг нөлөө үзүүлдэг.

Шийдлийн тойм

DataTech Deep Learning Recommendation System нь хоёр шатлалт (two-stage) архитектур бүхий, өндөр гүйцэтгэлтэй, бизнесийн зорилгод чиглэсэн санал болголтын систем юм.

  • 1-р шат: Маш хурдан candidate retrieval
  • 2-р шат: Өндөр нарийвчлалтай ranking & scoring

Энэхүү архитектур нь сая сая бүтээгдэхүүнээс хэрэглэгч бүрт хамгийн тохиромжтой Top-N бүтээгдэхүүнийг санал болгоно.

Ашиглагдах өгөгдөл

  • User Events: Click, view, add-to-cart, purchase
  • Item Metadata: Зураг, текст тайлбар, ангилал, tag
  • Session Context: Цаг хугацаа, төхөөрөмж, байршил
  • User Profile: Preferences, LTV, historical behavior

Архитектур ба Загварчлал

Stage 1: Candidate Retrieval

(Сая → Зуу)

Зорилго: Том каталог дотроос хурдан шүүлт хийх

  • Two-Tower Embedding Models
  • Sequential Models (SASRec)
  • ANN Index (Faiss, HNSW)

👉 Үр дүн: Хэрэглэгч бүрт тохирох candidate set

Stage 2: Precision Ranking

(Зуу → Top-N)

Зорилго: Нарийвчилсан feature ашиглан хамгийн өндөр магадлалтайг сонгох

  • Wide & Deep, DeepFM
  • Transformer-based models (DIN, BST)
  • CTR & CVR prediction

👉 Үр дүн: Personalized feed (App / Web)

Үнэлгээ ба KPI

Offline ML metrics

  • NDCG@K
  • Recall@K
  • Hit Rate

Online Business KPIs

  • CTR
  • Conversion Rate
  • Revenue / Session

Хэрэгжүүлэлтийн үндсэн алхмууд

  1. Өгөгдөл цуглуулах & Event Tracking User behavior, item metadata-г real-time бүртгэх
  2. Embedding & Feature Pipeline User / Item embedding, session feature үүсгэх
  3. Two-Stage Model Training Retrieval + Ranking загваруудыг тусад нь сургах
  4. Model Serving & API Real-time recommendation API, A/B testing.
  5. Monitoring & Optimization CTR, CVR, revenue-д суурилан тасралтгүй сайжруулалт

Үр дүн

  • Click & conversion өснө
  • Хэрэглэгчийн туршлага сайжирна
  • Орлого / session нэмэгдэнэ