蚂蚁金服智能推荐引擎解决方案与实践

摘要：以“数字金融新原力(The New Force of Digital Finance)”为主题，蚂蚁金服ATEC城市峰会于2019年1月4日上海如期举办。金融智能专场分论坛上，蚂蚁金服人工智能部高级技术专家王志勇做了主题为《蚂蚁金服智能推荐引擎》的精彩分享。

演讲中，王志勇代表蚂蚁金服首次向公众介绍了蚂蚁金服智能推荐引擎，分享了蚂蚁金服利用人工智能和大数据能力在推荐引擎上沉淀的大量经验，并介绍了结合蚂蚁自身优势打造的、能够灵活适配各种业务场景的智能推荐引擎解决方案（ARE）及其能力和优势。

王志勇 蚂蚁金服人工智能部高级技术专家

首先，对“推荐”和“营销”这两个概念而言，每个人的理解可能都各不相同。本文提到的推荐主要特指 “推荐引擎”，是为了达到高效营销这个 “目的”的一个“手段“，也就是通过推荐引擎实现更好的营销，当然推荐引擎的能力不限于帮助营销，也可以帮助提升产品、服务、内容的用户体验，本文的分享将主要围绕以下三个方面：

一、 蚂蚁的业务场景

二、 蚂蚁智能推荐实践

三、 智能推荐解决方案

一、蚂蚁的业务场景

蚂蚁业务的进化
蚂蚁金服的业务进化主要经历了在线化、数据化和智能化三个阶段的发展和演进过程。

从2004年支付宝成立一直到2012年，这个阶段主要是工具的在线化。从最开始的担保交易到转账、信用卡还款、水电煤缴费等功能，通过在线化的工具提升了效率，也沉淀了数据。这个阶段，支付宝的营销方式也比较粗犷，比如给所有人发一个相同的红包或者优惠券，因此当时的营销也主要围绕打造一个好的工具，快速配置一个营销活动、奖品，并确保在交易流程中的安全、稳定。

到了2013年，随着移动互联网浪潮、killer app 余额宝的诞生支付宝APP的日活从不到百万迅速增长到千万级别。此时如果再使用原本粗犷式的营销方式肯定会出现问题，这个阶段数据显得越来越重要，营销开始升级为从用户信息数据、用户行为数据、业务数据挖掘出来的人群标签，实现分客群营销，从而提升营销效率。这个阶段BI给运营人员提供宏观的决策参考，但不同运营人员对业务的理解、对数据敏感度的差异会导致营销效果不一样。现在市面上大部分的精准营销产品对应这个阶段，一套有圈人能力的营销管理工具。

到2016年左右，随着人工智能团队的成立，蚂蚁金服逐渐开始以推荐引擎来帮助营销，系统层面更实时的感知用户行为，算法层面通过机器学习能力来自优化决策系统。这个阶段离线圈人只是决策的起点，推荐引擎会综合用户的历史偏好、实时营销反馈以及全站所有行为事件来调整模型，提供更为微观的决策能力。这个阶段对运营人员的要求也降低了，因为模型会不断迭代纠偏。

金融生活场景