Trasformare le raccomandazioni pubblicitarie: il percorso di SmartNews con Milvus
Nel mondo frenetico delle app di notizie, SmartNews è emersa come una forza dominante, conquistando il coinvolgimento degli utenti con un successo senza pari sin dalla sua fondazione nel 2012. Con sede a Tokyo, in Giappone, e con progressi significativi negli Stati Uniti, SmartNews ha affrontato una sfida unica: ottimizzare le raccomandazioni pubblicitarie per la sua base di utenti altamente coinvolta. Il percorso dalla sfida al trionfo ha comportato il superamento di ostacoli tecnici, l’esplorazione di soluzioni innovative e, infine, il raggiungimento del successo con Milvus.
SmartNews aveva bisogno di raccomandazioni pubblicitarie personalizzate in tempo reale per il suo coinvolgimento degli utenti in forte crescita.
Il coinvolgimento degli utenti di SmartNews era in forte crescita, superando giganti del settore come Apple News e Google News per coinvolgimento medio mensile degli utenti a luglio 2021. Tuttavia, questo successo ha portato con sé una nuova sfida: fornire annunci tempestivi e pertinenti a un pubblico esigente. Shu, un ingegnere dell’infrastruttura AI presso SmartNews, ha descritto gli ostacoli tecnici: funzionalità sparse ad alta dimensionalità e la necessità di un recupero rapido di dati non strutturati nei loro sistemi di machine learning su larga scala.
La soluzione esistente, FAISS, si è rivelata macchinosa e inefficiente, soprattutto con l’espansione della piattaforma. Mantenere elevati standard di coinvolgimento degli utenti richiedeva una soluzione in grado di gestire le complessità dei loro dati e fornire raccomandazioni pubblicitarie in tempo reale.
Milvus fa una grande differenza nell’ottimizzazione del sistema di raccomandazione pubblicitaria di SmartNews
SmartNews si è rivolta a Milvus dopo un’approfondita fase di ricerca di due mesi alla ricerca di una soluzione in grado di gestire query ad alto throughput e bassa latenza, elementi fondamentali per un sistema di raccomandazione pubblicitaria in tempo reale.
Le capacità di ricerca di similarità vettoriale di Milvus sono diventate fondamentali per ottimizzare il richiamo dinamico dei vettori pubblicitari di SmartNews. Durante la fase POC, Milvus ha soddisfatto i severi requisiti di SmartNews di latenza P99 < 10ms, cruciale per il nostro sistema di raccomandazione pubblicitaria in tempo reale. Shu, uno degli ingegneri di SmartNews, ha evidenziato che Milvus ha consentito al team di mappare tipi di dati non comparabili in vettori, permettendo una ricerca di similarità efficiente per collegare gli utenti agli annunci più pertinenti. Questa capacità si è rivelata essenziale mentre SmartNews elaborava milioni di vettori in tempo reale per offrire raccomandazioni pubblicitarie personalizzate.
Oltre alle raccomandazioni pubblicitarie, Milvus ha dimostrato la sua versatilità in altre applicazioni di machine learning. Il team di SmartNews ha utilizzato Milvus anche per dati in tempo reale e aggiornamenti degli indici, un aspetto fondamentale per mantenere aggiornati i modelli di raccomandazione pubblicitaria.
Riconoscendo il valore dello sviluppo guidato dalla community, SmartNews ha contribuito attivamente con funzionalità come “hot reload” alla community di Milvus, migliorando sia le operazioni interne sia la più ampia community di sviluppatori.
Adozione di Milvus: dall’aggiornamento tecnico al successo tangibile
L’adozione di Milvus non è stata solo un aggiornamento tecnico; si è tradotta in risultati aziendali concreti per SmartNews. Yusup, un altro ingegnere di SmartNews, ha sottolineato che la funzionalità di aliasing delle collection di Milvus ha semplificato il processo di aggiornamento, risolvendo il meccanismo macchinoso per aggiornare i vettori.
Il sistema ottimizzato di raccomandazione pubblicitaria basato su Milvus ha portato ad annunci più pertinenti, aumentando i tassi di clic e, in ultima analisi, incrementando i ricavi pubblicitari. Inoltre, i dati in tempo reale e gli aggiornamenti degli indici hanno consentito a SmartNews di adattarsi rapidamente ai cambiamenti del comportamento degli utenti, garantendo raccomandazioni costantemente pertinenti.
SmartNews ha aggiornato il suo Milvus alla versione 2.2.4 e si sta ora preparando alla sua prossima fase di evoluzione tecnologica. Dennis Zhao ha condiviso: "La nuova versione promette prestazioni e scalabilità ancora migliori, e siamo entusiasti di sfruttare le nuove funzionalità per costruire sistemi ancora più in tempo reale e affidabili."
Riepilogo
Nelle app di notizie, SmartNews esemplifica come scelte tecnologiche strategiche, come l'adozione di Milvus, possano non solo superare le sfide, ma anche spingere una piattaforma verso nuovi livelli di soddisfazione degli utenti e successo aziendale. La sinergia tra innovazione e collaborazione ha posizionato SmartNews come un pioniere, preparando il terreno per una continua eccellenza nelle raccomandazioni pubblicitarie in tempo reale.
Continua a leggere
Why Teams Are Migrating from Weaviate to Zilliz Cloud — and How to Do It Seamlessly
Explore how Milvus scales for large datasets and complex queries with advanced features, and discover how to migrate from Weaviate to Zilliz Cloud.
The Great AI Agent Protocol Race: Function Calling vs. MCP vs. A2A
Compare Function Calling, MCP, and A2A protocols for AI agents. Learn which standard best fits your development needs and future-proof your applications.
AI Integration in Video Surveillance Tools: Transforming the Industry with Vector Databases
Discover how AI and vector databases are revolutionizing video surveillance with real-time analysis, faster threat detection, and intelligent search capabilities for enhanced security.