「我在淘天做技術」雙11背後的營銷技術體系
近期淘天集團秋季2024屆校園招聘正式啟動,預計將發放2000多個offer,其中技術類崗位佔比超過50%。為了方便大家更真實地瞭解淘天技術的佈局和現狀,我們策劃了「我在淘天做技術」系列,首次全面分享淘天技術進展和創新應用。這是該系列的第2篇文章。
每年的雙11都會吸引億級消費者、百萬商家參與,會場、紅包、優惠券,各類玩法目不暇接。作為大促的主陣地,淘天營銷技術經過多年大促的歷練沉澱,沉澱了豐富的業務能力,支撐了大促、營銷頻道等各種營銷業務場景。本文將為大家介紹下營銷技術體系。
一、營銷和營銷技術
在介紹技術之前,需要先簡單瞭解下業務背景,首先要了解營銷。“現代營銷學之父”—菲利普·科特勒給出的營銷定義:“企業識別現有市場需求來確定目標消費人群為其提供服務的一種活動。”營銷本身是個比較寬泛的概念,我們所支援的營銷業務主要包括營銷活動(整合營銷)、效果營銷(營銷產品)、品牌營銷、商家自營銷等。上文提到的雙11大促就是營銷活動,像“年貨節”、“春節不打烊”、“618大促”這些都是營銷活動,它在對應的營銷主題下滿足多數消費者需要的價值,對於營銷手段的系統化的一體式營銷,從而形成營銷高潮的爆發點的一種營銷方式。而營銷頻道一般是常態化的營銷業務,業務長期運營,有固定的流量入口和心智與定位。如聚划算、百億補貼、淘寶好價、天天特價等。
組成業務場景的是一系列的產品,包括會場、頻道、互動玩法、直播營銷元件。
營銷業務流程可以簡單分為兩部分,ToB側的組織和供給,ToC側的表達和轉化。
ToB側的組織和供給。營銷作為一個平臺心智的業務,平臺是業務發起點。運營團隊透過招商系統制定平臺的招商策略,包括商家、貨品、規則、玩法等。例如,他們確定活動的主題、持續時間,以及主打的權益和玩法等。商家根據要求結合自身的經營需求,完成商品的提報和資訊補充。提報的商品和玩法再經過選品系統的圈選,對供給端和消費端進行精準匹配。這裡就形成了招商選品的領域。
ToC側的表達和轉化。供給準備好了以後,接下來是如何向消費者觸達和呈現。對於承接有比較多的形式,其中比較常見的是各種各樣的會場、頻道頁、直播等,我們將它們抽象為營銷場。針對這些營銷場,平臺方會設計一系列的內容組織方式和流量機制,一方面給消費者展示最優質的商品和最好的玩法,另一方面幫助商家發揮自主運營能力,提升服務的同時獲得更好的流量。最終,投放系統基於運營策略和演算法將商品和玩法的呈現方式傳達給消費者。這裡構成了搭建和投放的領域。
最後一步是最關鍵的轉化階段,其中最核心的是讓消費者清晰知曉優惠。在商品詳情、購物車和下單等基本環節中,一方面透過權益發放過程讓消費者產生強烈的體驗感,另一方面透過導購和交易鏈路透露營銷利益資訊,讓消費者清晰地感知到權益的構成,從而形成優惠的體驗感,促進成交的達成。
二、我們會遇到怎麼樣的問題和挑戰
透過簡單的業務介紹,能對營銷業務有個基本的瞭解,接下來透過一些例子感受下我們需要應對的技術挑戰。
每年雙11大促都有近百萬的商家參與其中,涉及千萬的商品報名。這裡面會涉及到資訊提交、規則校驗、活動規則。從運營規則編寫、商家公告展示到最後系統執行,如何保持文字表達和執行邏輯的統一?每次活動的規則和要求繁多,涉及到非常多的下游和資料指標,資料的準確性和系統校驗的速度能否提升?
每次大促,商家都要提供大量的素材,作為海量大促商品、玩法、權益在消費者導購鏈路進行資訊表達的核心要素。素材製作非常耗費精力,大商家會有自己專業的設計師團隊,很多小的商家都是靠自己PS。如何透過技術手段降低商家素材製作維護的成本?
大促期間包含了非常多的業務資料和業務狀態,包括素材、優惠、玩法、運費險、包郵等等。營銷商品作為營銷鏈路上的資料分發的集散中心,是各營銷執行鏈路的供給源頭,是協同和統一的關鍵,如何保障幾千萬商品在大促週期眾多上下游系統中資料一致性?
使用者拿到了消費券或大額的滿減優惠,如何幫助使用者快速找到商品完成湊單,享受更優的優惠?
商品庫存變化、商家優惠調整、商品限購等因素都會影響最終消費到手優惠的價格,這裡最重要的保證價格的“所見即所得”。這裡不僅僅是首頁、搜尋、詳情、購物車、下單等看到的系統文字表達的價格,包括商家主圖表達的價格。如何保障價格表達一致性?
大促前後,因為商業上各種原因,商品活動價格可能會發生波動,平臺和商家為使用者提供了價保服務。面對海量的訂單,如何準確又快速的計算價格波動,及時把差價退還給消費者。
某年春晚期間主持人口播到淘寶裡面抽獎,面臨億級別的使用者規模,每秒超過百萬的使用者同時參與抽獎。如何保障高併發下的使用者抽獎的穩定性?這個極熱點高併發寫,不是簡單的單一技術問題,整個架構都會受到挑戰,甚至用來提供系統保護的限流系統都受到了巨大的挑戰。
會場作為大促的專屬的陣地,為使用者呈現大促要買什麼,玩什麼。會場是購物頁面的集合,以頁面導購的形式組織在一起的頁面群。近年來大促會場展現的內容越來越豐富,不只是商品圖片價格、還有短影片、直播、互動玩法等。但是使用者使用的並不是全都是高階的裝置,對於會場這種負責的頁面渲染時,會遇到很大的挑戰。面向中低端裝置的使用者如何能提高頁面開啟的速度,提升頁面流量的流暢性,也是我們需要解決的命題。
3D&XR的互動場景給使用者帶來身臨其境的沉浸式體驗,有趣又生動。但3D&XR製作一般需要比較長的週期和成本,而熱點營銷和事件營銷視窗期非常寶貴。我們希望把一次性製作的玩法,透過產品化的方式沉澱起來。但這裡最難的是需要理解2D/3D/XR的技術,並結合營銷互動場景當前和未來的訴求,找到適合方案。
上面的是常見業務訴求和問題,都不是單一的技術場景(例如高併發、分散式事務等),很多時候都需要在侷限業務條件下的尋求最優的解決方案。結合營銷業務的特點,嘗試歸納下技術挑戰和要求。
首先是營銷業務理解和抽象。營銷業務模式豐富,時效性較強。從場景上看,無論是線上還是線下,營銷活動可以在各種場景中展開,如電商平臺、線下商場、社交媒體等。從節奏上看,無論是傳統節日還是時事熱點,都是一個機會點,業務策略可能會及時靈活調整。這個特點對於技術最核心的一個訴求就是交付效率,當業務有個創意的時候能否快速落地,贏得寶貴的時間視窗。因此,產品和技術架構必須建立在穩定而強大的基礎平臺上,並具備快速延展性。這裡對業務理解、領域抽象到架構設計有非常高的要求。
其次,是高可用性。營銷業務本身就是為了某個特定的營銷場景或主題組織的,因此天然具備爆發性,甚至可能遠超下單峰值。例如,前文提到的春晚抽獎玩法,每秒超過百萬使用者參與。此外,營銷活動本身也具有極高的關注度,一旦出現問題,就會造成很大的負面影響。因此,高可用性是一個非常重要的技術挑戰。
另外,智慧化也是一個關鍵點。營銷業務流程複雜,涉及多個角色的參與,其中有很多系統間的互動。為了降低人工投入成本,提高業務效率和效能,產品、技術和演算法需要有效結合起來。
最後,前沿技術的探索是不可或缺的。在數字化時代,營銷創意的落地非常依賴技術的可行性。比如,AR、VR和智慧裝置等新興技術正在改變營銷方式和消費者體驗。可以利用這些技術來打造更具創意和互動性的營銷活動。
三、我們是如何去解問題的
3.1 業務高效支撐
針對業務複雜性和迭代效率的要求,平臺化的架構起了關鍵的作用。整個營銷支撐體系進行了合理的領域劃分,上面提到的幾個業務域,都形成了各自的平臺體系,例如招商平臺、投放平臺、權益平臺、搭建平臺等。從大的建設思路去看,平臺系統核心透過領域模型標準化和業務流程的抽象,實現80%~90%的系統功能的複用,同時架構上實現單一能力點的擴充套件以提高迭代效率。
所以平臺上面新增的每個功能大部分都能沉澱下來,類似場景的需求就像遵循“摩爾定律”一樣,支援得越來越快。
當然平臺化架構只是基礎,在此之上技術上還在做進一步演進和探索。
我們發現雖然實現單一能力點的擴充套件,但是部署、釋出過程還是要跟著這個系統一起進行,功能變多了以後,系統也變得臃腫起來。為此,我們參考了docker容器的方案,實現了一套JVM級別輕量級容器解決方案,在程式碼層面把平臺基礎功能和業務定製擴充套件功能分開,擴充套件功能可以以外掛形式實現熱部署。這個方案可以幫助迭代和維護效率進一步提高,讓除錯/部署的耗時減少10倍以上。
另外,在某些特定領域,我們還在進一步探索低程式碼的方案。例如大促會場模組的實現,前端工程師以往大部分的時間都是做設計稿的還原,我們實現了一套設計稿智慧生成前端程式碼的平臺(imgcook)[01],19年雙11的會場模組 79.43%的線上程式碼由imgcook一鍵智慧生成。
去年在“低程式碼生產”進一步向“無程式碼生產”做進一步探索,透過視覺化配置的方式實現會場模組編排和生產,22年雙11已經有30%的新會場模組需求透過無程式碼生成方式實現。
3.2 高可用
高可用針對單一場景都是有成熟解法的,但是結合業務場景可能就會有不同的方案。
在營銷中高併發讀的場景,主要是會場、頻道等頁面導購場景。這種場景面向都是使用者端的流量,很多時候流量都是尖刺型的,在峰值瞬間比次峰值甚至會高几倍。所以這裡設計上主要是避免預期外洪峰流量的影響,這裡業務容災兜底方案就比較重要了。目前投放系統又是多級限流做到自我保護,基於多級兜底機制保障保底業務表現。最悲觀的情況,整個系統都掛了還是能保證最兜底的業務表現。在21年春晚的時候,脈衝流量遠超預期,超過40%的請求都被限流了,但是使用者端頁面透出依然是正常的,也不影響使用者進一步抽獎的動作。
說到抽獎,是一個典型的高併發寫場景。這個場景類似於秒殺,在某個時刻會有百萬到千萬級的的使用者同一時間湧入系統爭搶。而權益本身是有限的,就要求需要在極短的時間內對紅包的數量做正確的扣減,比如每秒扣減100w次,這個對現在任何系統、機器都是要突破物理瓶頸的。
如何既能保證使用者順利抽獎又不超發就成為一項非常困難的事情。
針對這種場景,業界裡面比較成熟的方案是分散式庫存扣減,即將庫存提前分配到多個分桶中,不同使用者路由到不同分桶進行扣減。但是在營銷的場景中,常規的分桶方案會引入其他問題,包括分桶數的確定,分桶碎片問題,分桶庫存回收問題等等。例如業務預算剩餘3塊錢分了10個桶,每個桶3毛錢,這時業務要發1元是無法發放出去的,這對呼叫方會帶來非常大的業務問題(有預算卻永遠發不出去)。
因此在權益系統裡面,針對業界常規的分桶方案進行了一個升級,實現了一套漸進式分桶的方案。庫存架構上有一個主桶和多個分桶,根據業務狀態漸進式從主桶中把庫存分配到分桶中,而非一次性全部分配出去。這樣既能解決高併發寫帶來的熱點問題,又能規避方案引入帶來的業務和運維問題。
上面是兩個比較典型場景的高可用設計,很多時候都需要基於業務背景的考量去尋求更優的解決方案。
3.3 資料化&智慧化
資料化&智慧化的概念在13年業界就已經提出了,我們在13年已經開始做摸索,主要是最佳化業務流程,降低人工投入成本,提高業務效率和效能。目前有兩種形式。
一種是資料輔助運營。演算法根據業務經驗,基於一定的業務目標構建出一系列的演算法模型。產品技術側將這些演算法模型應用到業務流程裡面,輔助運營進行業務決策。例如活動審批、商品圈品、權益投放等等。在過程中,結合運營行為和業務結果形成正負反饋,不斷迭代最佳化模型結果。透過這樣的單個業務節點的資料演算法賦能,運營的個人經驗能夠形成了演算法、產品維度的系統沉澱,不斷提升業務效率和結果。
一種是自動化運營。在上一種方式的基礎上進一步探索,將資料和演算法的能力擴充套件到全流程,由演算法和產品規則驅動整個流程自動化運轉。
以下是以營銷頻道招商為例簡單介紹下資料化運營是如何實現的。
首先運營定義出營銷頻道的業務目標,資料演算法基於消費者需求和行業洞察,根據業務服務的人群和業務目標,智慧構建業務的品類規劃。
運營確認和修正後,釋出招商活動入口。
商家報名時提交營銷方案(包括商品、權益、素材、意向時間等)。
報名的商品經過人工和演算法稽核進入入圍池,智慧排期系統以品規為依據,透過資料模型進行擇優,再根據業務目標、商家意願度因素,透過排期演算法模型自動產出排期結果。
最後經商家確認後,完成排期確認最終到使用者端生效。最後,在營銷產品正式售賣結束後,整體運營效果,反饋到演算法品規、演算法稽核、演算法排期等環節形成反饋鏈路。相比傳統鏈路,資料化的鏈路釋放了60%以上的運營精力,另外在供給上也更加穩定,提升了業務效果。
3.4 前沿技術探索
關於前沿技術探索,我們更多的是關注與業務的結合點。
品牌營銷、事件營銷中有很多互動玩法的場景,用3D場景去承接能獲得更好的效果。面對3D場景研發成本和週期長的問題,我們把互動玩法抽象成幾種類似場景,例如品牌虛擬空間,虛擬形象養成。針對特定的場景,進一步細粒度的抽象出空間、元件和素材。再結合3D底層渲染引擎的規範,實現3D場景的構建。這跟上面提到的平臺化抽象的思路類似,但是不同的是需要對3D建模和3D引擎有比較深入的理解,才能實現業務側的編排。
而本輪AI技術爆發,我們看到了新技術在營銷場景大量應用的潛力,也開始做一些嘗試。
在商家素材提交場景中,為了適配因多個導購場景需要產生的多種圖片尺寸規範。針對這種場景,我們在素材中心引入了AIGC的技術,實現了圖片的智慧剪裁。商家只需要提供一個圖片素材,系統會自動幫助他們生產多種圖片尺寸,目前仍在灰度和調優中。
另外在今年造物節,我們基於AIGC技術為使用者帶來更有新鮮感、創造性的營銷互動玩法。
四、下一步做什麼?
最後提到AI技術應用,上面提到的只是一些探索,只是敲門磚,營銷場景中有大量應用機會。
從商家角度,仍然有很多環節靠“人”驅動的,上面提到素材製作也僅僅是解決了多尺寸素材的問題,像多場景圖生產、店鋪封面等製作仍然需要去突破。
從使用者角度,原來使用者需求的表達,都是基於貨相關的。而大模型突破了這層的限制,可以承接使用者自然語言表達的需求,從現在的個性化到定製化。我們有可能突破現有的場的互動形式的產品,實現真正面向每個人的營銷場,帶來轉化和復購大幅提高。
從運營角度,更精準的使用者意圖理解、更寬泛的貨和內容理解,意味著可以更高效地進行供需匹配。原有的資料輔助運營體系有可能進一步突破。
同時,使用者體驗依然是關鍵。
結合商業策略升級現有的產品鏈路,讓業務可以提供更多的好貨好價;透過技術架構層面的升級,讓使用者更清晰有效地感受到價格優惠。例如透過導購、交易等全鏈路價格表達架構升級,進一步提升價格一致性、確定性和表達方式。
最後,我們還會持續關注業務效率的提升,實現成本的降低和效率的提高。例如,我們上文提到的會場模組的“無程式碼生產”、大促自動化和3D互動玩法搭建等方面會進一步升級和完善,覆蓋更多的業務場景。
來自 “ 阿里雲開發者 ”, 原文作者:朱詠傑(小楓);原文連結:https://server.it168.com/a2023/1114/6829/000006829388.shtml,如有侵權,請聯絡管理員刪除。
相關文章
- 支撐馬蜂窩「雙11」營銷大戰背後的技術架構架構
- 背後技術:雙11還能創造什麼?
- 直播預告 | “大淘寶技術論壇”太好逛了,背後的技術分享
- 天貓雙11背後的技術力量:一場全球最大規模的AI總動員AI
- 乾貨分享:細說雙 11 直播背後的壓測保障技術
- 詳解Windows 11背後的技術創新Windows
- 2022淘寶天貓618背後——與你息息相關的技術祕密
- [譯] 我們採用 GraphQL 技術的經驗:營銷技術活動
- JDV背後的技術-助力618
- TGDC | 探索人臉藝術背後的技術
- 營銷區塊鏈技術的藝術區塊鏈
- 採用 GraphQL 的技術經驗:營銷技術活動
- Google DNS劫持背後的技術分析GoDNS
- 深挖谷歌 DeepMind 和它背後的技術谷歌
- 螞蟻微貸互動營銷技術體系實踐
- ChatGPT 背後核心技術的白話版ChatGPT
- 阿璽:支援天貓雙11的核心技術,100%對外開放
- 前端技術選型及背後思考前端
- 首次揭祕!阿里無人店系統背後的技術阿里
- 探秘近期技術化營銷案例
- 我在創業公司做技術一年多的一點體會創業
- GIFTO背後區塊鏈技術的分類區塊鏈
- 揭祕.NET Core剪裁器背後的技術
- 人臉識別背後:可怕的不是技術
- 滴滴AR實景導航背後的技術
- 不同體系分散式儲存技術的技術特性分散式
- 一個阿里技術男經歷的六年“雙11”:技術改變阿里阿里
- 7 天開發後臺系統技術小結
- 技術分析:AnalyticDB強力支撐雙11
- 愚人節的背後:技術在一面打假,一面造假
- SapientNitro:2021年營銷技術報告API
- 工作五年後,做技術還是做管理?
- 騰訊全面上雲背後:程式設計師的技術焦慮和技術理想程式設計師
- 聊聊人像摳圖背後的演算法技術演算法
- CVE-2016-1779技術分析及其背後的故事
- 《青春有你2》全民pick背後的投票技術
- 深入解讀Service Mesh 背後的技術細節
- 解析波士頓Handle機器人背後的技術機器人