美团外卖智能陪伴型导购：技术革新与用户体验的深度融合

美团外卖智能陪伴型导购的探索与实践

引言

在移动互联网高速发展的今天，外卖服务已成为人们日常生活中不可或缺的一部分。美团外卖作为国内领先的生活服务电商平台，始终致力于通过技术创新提升用户体验。其中，智能陪伴型导购作为一项重要的技术革新，不仅为用户提供了更加智能、高效的点餐体验，还进一步推动了外卖行业的智能化发展。

技术背景

外卖场景相比传统电商具有用户停留时间短、需求实时性强的特点。因此，如何实时发现和反馈用户兴趣，成为外卖平台亟待解决的技术难题。美团外卖算法团队通过深入研究和实践，摸索出了一套适用于外卖场景的智能陪伴型导购架构和策略。

实现策略

1. 智能搜索词建议

在用户使用外卖搜索的过程中，美团外卖提供了多层次的搜索词建议，包括框内词、框下词以及搜索发现等模块。这些模块通过智能算法，根据用户的输入和历史行为，实时推荐相关的搜索词，帮助用户快速找到感兴趣的商家和菜品。

• 框内词：用户进入外卖首页时，顶部搜索框内部和下方会展示搜索建议，引导用户进行搜索。
• 框下词：用户点击搜索框后，进入搜索引导页，页面下方会显示更多搜索建议。
• 搜索发现：在搜索结果页中，根据用户的搜索历史和当前热点，提供个性化的搜索发现模块。

2. 实时意图感知与智能刷新

为了实现更加智能的导购服务，美团外卖利用自研的Alita端智能技术，实时感知用户的行为和意图。当用户在外卖首页或商家详情页进行浏览、点击或加购等操作时，系统会智能判断用户可能感兴趣的菜品和商家，并实时更新搜索词建议。

• 智能刷新推荐框架：通过构建基于端智能框架的Query推荐系统，实现框内词的智能刷新。系统会根据用户的实时行为，动态调整推荐内容，确保用户每次看到的都是最符合其兴趣的信息。
• 触发条件优化：经过多次实验和调整，美团外卖最终确定了以“进店大于2秒或点击过菜品”作为智能刷新的触发条件。这一策略有效平衡了曝光量和推荐精准度。

3. 全场景数据建模与多目标优化

为了进一步提升导购服务的整体效果，美团外卖对全场景数据进行统一建模，并打造了基于自监督学习的统一模型。该模型能够在对样本进行“无效”过滤和归因的基础上，联动搜索结果页进行全链路的多目标效率优化。

面临的挑战与解决方案

1. 从被动到主动的导购转变

外卖搜索的导购如何从被动（用户手动刷新）转变为主动（智能感知和判断用户需求）？美团外卖通过Alita端智能技术，实现了对用户实时行为的智能感知和意图判断，从而实现了导购服务的主动推送。

2. 导购优化与整体目标的一致性

导购服务的优化不仅需要满足用户体验，还需要为整体转化目标负责。美团外卖通过全场景数据建模和基于自监督学习的统一模型，确保了导购服务与下游场景/整体场景的优化目标保持一致。

3. 物理世界行为到机器语言的转化

如何像真人导购一样与用户进行“对话”？美团外卖计划通过对用户行为的理解，尝试在适当时机主动将用户引导到大模型的对话入口，满足其深度对话的需求。

结论

美团外卖智能陪伴型导购的探索与实践，不仅提升了用户的点餐体验，还推动了外卖行业的智能化发展。通过智能搜索词建议、实时意图感知与智能刷新、全场景数据建模与多目标优化等策略的实施，美团外卖成功地将技术革新转化为实际应用成果，为用户提供了更加智能、高效和人性化的服务。未来，随着技术的不断进步和应用的持续深化，美团外卖智能陪伴型导购服务将为用户带来更多惊喜和便利。