Transformando las recomendaciones de anuncios: el viaje de SmartNews con Milvus
En el mundo acelerado de las aplicaciones de noticias, SmartNews ha surgido como una fuerza dominante, capturando la participación de los usuarios con un éxito sin precedentes desde su fundación en 2012. Con sede en Tokio, Japón, y logrando avances significativos en EE. UU., SmartNews se enfrentó a un desafío único: optimizar las recomendaciones de anuncios para su base de usuarios altamente comprometida. El recorrido desde el desafío hasta el triunfo implicó superar obstáculos técnicos, explorar soluciones innovadoras y, finalmente, encontrar el éxito con Milvus.
SmartNews requería recomendaciones de anuncios personalizadas en tiempo real para su creciente participación de usuarios.
La participación de los usuarios de SmartNews estaba en pleno auge, superando a gigantes de la industria como Apple News y Google News en participación mensual promedio de usuarios a julio de 2021. Sin embargo, este éxito trajo consigo un nuevo desafío: entregar anuncios oportunos y relevantes a una audiencia exigente. Shu, ingeniero de infraestructura de IA en SmartNews, detalló los obstáculos técnicos: características dispersas de alta dimensionalidad y la necesidad de una recuperación rápida de datos no estructurados en sus sistemas de machine learning a gran escala.
La solución existente, FAISS, resultó engorrosa e ineficiente, especialmente a medida que la plataforma se expandía. Mantener altos estándares de participación de usuarios requería una solución que pudiera gestionar las complejidades de sus datos y proporcionar recomendaciones de anuncios en tiempo real.
Milvus marca una gran diferencia en la optimización del recomendador de anuncios de SmartNews
SmartNews recurrió a Milvus después de una exhaustiva fase de investigación de dos meses en busca de una solución que pudiera manejar consultas de alto rendimiento y baja latencia, algo crítico para un sistema de recomendación de anuncios en tiempo real.
Las capacidades de búsqueda de similitud vectorial de Milvus se volvieron fundamentales para optimizar la recuperación dinámica de vectores de anuncios de SmartNews. Durante la fase de POC, Milvus cumplió con los estrictos requisitos de SmartNews de latencia P99 < 10ms, lo cual es crucial para nuestro sistema de recomendación de anuncios en tiempo real. Shu, uno de los ingenieros de SmartNews, destacó que Milvus permitió al equipo mapear tipos de datos incomparables en vectores, habilitando una búsqueda de similitud eficiente para conectar a los usuarios con los anuncios más relevantes. Esta capacidad resultó esencial, ya que SmartNews procesaba millones de vectores en tiempo real para ofrecer recomendaciones de anuncios personalizadas.
Más allá de las recomendaciones de anuncios, Milvus demostró su versatilidad en otras aplicaciones de machine learning. El equipo de SmartNews también utilizó Milvus para actualizaciones de datos e índices en tiempo real, lo cual era vital para mantener actualizados los modelos de recomendación de anuncios.
Reconociendo el valor del desarrollo impulsado por la comunidad, SmartNews contribuyó activamente con funciones como 'hot reload' a la comunidad de Milvus, mejorando tanto las operaciones internas como la comunidad de desarrolladores en general.
Adoptar Milvus: de una actualización técnica al éxito tangible
La adopción de Milvus no fue solo una actualización técnica; se tradujo en resultados comerciales reales para SmartNews. Yusup, otro ingeniero de SmartNews, enfatizó que la función de aliasing de colecciones de Milvus simplificó el proceso de actualización, abordando el mecanismo engorroso para actualizar vectores.
El sistema optimizado de recomendación de anuncios impulsado por Milvus generó anuncios más relevantes, aumentando las tasas de clics y, en última instancia, incrementando los ingresos publicitarios. Además, las actualizaciones de datos e índices en tiempo real permitieron a SmartNews adaptarse rápidamente a los cambios en el comportamiento de los usuarios, garantizando recomendaciones siempre relevantes.
SmartNews ha actualizado su Milvus a 2.2.4 y ahora se está preparando para su próxima fase de evolución tecnológica. Dennis Zhao compartió: "La nueva versión promete un rendimiento y una escalabilidad aún mejores, y estamos entusiasmados por aprovechar las nuevas funciones para crear sistemas aún más en tiempo real y fiables."
Resumen
En las aplicaciones de noticias, SmartNews ejemplifica cómo las decisiones tecnológicas estratégicas, como adoptar Milvus, no solo pueden superar desafíos, sino también impulsar una plataforma a nuevas cotas de satisfacción del usuario y éxito empresarial. La sinergia entre innovación y colaboración ha posicionado a SmartNews como pionera, sentando las bases para una excelencia continua en las recomendaciones de anuncios en tiempo real.
Sigue leyendo
Vector Lakebase: End the AI Data Silo
Learn how Vector Lakebase unifies vector search, data lakes, and AI data operations so teams can serve RAG and agents without copy-and-sync pipelines.
Zilliz Cloud BYOC Now Available Across AWS, GCP, and Azure
Zilliz Cloud BYOC is now generally available on all three major clouds. Deploy fully managed vector search in your own AWS, GCP, or Azure account — your data never leaves your VPC.
Vector Databases vs. Document Databases
Use a vector database for similarity search and AI-powered applications; use a document database for flexible schema and JSON-like data storage.