【Lazada】国际化电商技术链路

关于云原生架构的探索

什么是云原生架构？

云原生的概念源于2010年，在当时Paul Fremantle的一篇博客中被提及。他致力于寻找一种能够精准描述应用程序和中间件在云环境中良好运行状态的语言，并最终提炼出Cloud Native这一概念。为此，Cloud Native必须包含特定的属性，唯有满足这些属性方能确保良好的运行状态。

首先，在2013年Matt Stine通过推特广泛传播了云原生的概念。随后，在2015年的《迁移到云原生架构》一书中首次明确了该概念的具体特征。接着，在2017年Pivotal在其官网将其归纳为DevOps、持续交付、微服务及容器四大核心特征。这也成为人们普遍理解Cloud Native的基础依据。

• 利用容器、服务网格、微服务架构以及不可变设施作为基础框架，并结合声明式 API 实现功能的一体化可弹性扩展应用
• 通过自动化技术实现高容错性设计的同时兼顾系统的易管理性和松耦合特性
• 开发一个统一的开源云生态系统，并使其具备与现有云厂商服务解耦的能力

基于这套架构理念，Lazada云原生的特性可以概括为以下4点

• 隔离性：进程分隔与虚拟机分隔
  • 自动化：确保应用周期与业务以及容器周期保持同步
  • 不可变性：镜像配置独立，并举例说明，在时区和JVM参数方面
  • 声明式编排交付：遵循OAM标准构建的统一模型框架，在提升交付灵活性方面具有显著优势

Lazada如何通过原生架构解决问题？

基于云原生体系运营构建完整的架构服务方案。具体而言，在核心Gitops技术基础上完成"一切皆镜像"开发过程。从研发到部署再到运行与维护四个阶段贯穿始终，并实现了容器化服务能力的有效下沉。

以研发态为例，在Lazada的云架构团队中基于容器编排技术实现了对容器资源的高效调度、弹性扩展以及高度可用性的标准配置；同时通过采用Mesh化技术实现精准流量控制，并确保了系统运行中的透明安全机制；最终通过采用Baas化方案实现了整个流程的自动化部署、运维管理及设备安装。

而基于4个中间态的整合,Lazada已经全面拥抱了云原生发展的新时代, 涵盖面向云原生的DevOps平台 业务架构以及基础架构 整体技术体系. 这一举措也为企业的全面发展提供了坚实的技术支撑.

从搜广推到用户增长

在电商领域中

​​​​​​​广告与算法平台架构

在技术交流中占据核心位置的是Lazada自研广告算法平台Phoenix，在模仿了阿里AI的技术架构设计后实现了对整体搜索广告投放（Search广告推广）的支持，并通过优化使得该平台能够更加便捷地实现并部署于电商系统中。这种优化主要体现在为算法底层功能提供支撑的同时，在实际应用中取得了显著效果——例如，在上层营销场景中升级应用时能够推动'货找人'而非'人找货'的方向发展。这种改进不仅提升了推荐系统的效能还能显著扩大商品展示范围与曝光度。

在这一领域中, Lazada引入了One BP和One Engine的理念, 旨在构建顶层的整合广告平台与统一引擎架构. 这一设计遵循高耦合低内聚的设计原则, 从而能够有效地应对东南亚电商面临的多样的算法挑战, 同时也为用户提供了一致的操作体验界面.

整体系统的核心支撑其实还是基于阿里经过长期实践积累、依托其最为成熟且稳定的AIOS体系构建而成的。这是经过10多年的沉淀所打磨而成的核心支撑架构

针对特殊场景下的国际业务挑战而言，在面对大规模流量下的数据稀疏性以及不同语种训练数据所具有的分布特性时

2. 电商平台搜索算法：找你所需，算法先行

搜索与推荐一直是电商平台的核心地位。平台通过优化搜索功能和技术支持推荐系统，在帮助用户快速定位商品的同时实现了交易闭环。其中搜索引擎旨在满足那些基于个人主观偏好寻求商品购买的用户需求；而基于算法或数据挖掘技术的商品推荐系统，则能够根据用户的浏览历史、行为特征等信息提供更加精准的商品推送服务

基于前述介绍的AIOS架构中，该算法通过精确识别用户的Query实现了精准识别，并经过向量检索模型进行初步召回；随后采用样本重构技术和多语言联合训练方法，在此基础上完成数据的进一步优化；最后并据此对多语言复杂环境下数据进行实时重排处理，并据此对多语言复杂环境下数据进行实时重排处理，并据此对多语言复杂环境下数据进行实时重排处理，并据此对多语言复杂环境下数据进行实时重排处理

利用多种技术方案进行探索，并通过建立图片与文本之间的关系模型,Lazada成功构建了专为东南亚特定场景设计的知识图谱系统。得益于这一创新体系的建立,在此基础之上,Lazada的搜索算法能够实现复杂样本的精准识别与列表排序(主要考虑位置偏差,样本稀缺以及样本空间过大的问题)。通过引入注意力机制,位置偏差建模以及解耦合优化等方法改进后,完成了搜索系统的高效设计。

3. 用户增长算法：打破常规，扩大流量池

除了搜索广告之外，在电商运营中流量的增长成为最为重要的指标之一，并直接影响了整个电商平台的发展进程。在Lazada平台的促销日里，用户的增长算法更是其中最为关键的一个部分。具体来说，则主要包含以下几个方面：

• 人群算法
• 创意算法
• 投放算法
• 承接算法

采用人群算法体系（如item2vec向量召回与转化模型排序）对用户画像进行分类与细分。通过外部渠道导入、端内运营策略以及精准投放方式，实现新增用户的识别与定位。同时融合创意生成与渠道投放策略，在Facebook、Google及Amazon等平台展开精准投放与曝光工作。运用CAC/CPB、SEM广告词优化以及Uplift Score评估投放效果的算法体系，则能更有效吸引用户关注并提升点击率。

在引承一体算法的基础上，在Lazada平台中引入了多模态召回机制与意图判断功能，并采用FashionBERT模型作为核心支撑技术，在用户体验方面实现了对新增用户的精准引导与服务支持。具体而言，在平台入口处为新增用户提供个性化的服务支持，并引导其完成需求满足及最终转化目标（即成为有效留存流量）。针对稀疏行为用户的个性化推荐问题，在这一过程中开发了HIM混合兴趣模型，并通过聚类兴趣表达来弥补个性化特征表达能力的不足。这种创新性设计不仅有效提升了平台在特殊用户场景下的运营效能（同时兼顾UCT/CVR指标和Buyer指标）

最后

尽管不同国家与地区的电商技术地理环境与文化底蕴有所不同，在技术研发过程中 Lazada 展现出了严谨的态度 开拓精神以及务实作风值得我们学习

最后，在回击东南亚市场时我们会发现这样一个事实：由于互联网发展的速度相对较慢 很多东南亚国家的消费者与商家依然保持着一种较为原始的经营效率 同时 整个电商平台的基础设施也未能得到充分的发展

Lazada作为先行者，在缺乏既有的成功经验的情况下启动新业务显得尤为可贵。借助阿里巴巴丰富的行业实践经验作为基础支撑，在充分整合了用户数据的基础上, Lazada显著提升了本地化购物平台的运营效率,实现了从无到有地构建起完整的电商基础设施,助力东南亚国家数字经济发展