交易生态治理算法
交易生态模块,目标是保证车主在行程前、行程中、行程后的履约体验和行程安全。此模块包含 4 个部分,交易链路、架构,模型演进和场景举例。
1. 链路
在行程前我们会预测一笔交易发生取消、投诉、或者恶性事件的概率来做匹配干预,差司机和挑剔乘客避免碰到一起引起不舒服的体验。同时在行程前我们会根据历史数据预测车主或者乘客可能会有哪种不好的行为比如线下交易,绕路接人等,在接单前对疑似用户进行教育与引导。
在行程中,我们会通过算法进行轨迹偏航实时检测、异常停留的实时检测等不同手段的监测算法,保护司乘的安全。
在行程后,我们通过判责算法来保证司乘的合法权益。
2. 架构
在交易生态治理算法的特征一部分来自于基础特征,包括时空特征(比如订单坐标,时间等)、订单特征(是否拼单,乘客数目,是否同跨城等)、以及离线的司乘行为特征。另外一部分来自于实时特征,比如实时的轨迹流、IM 聊天信息、通话等。
而样本是我们比较头痛的一部分,样本需要人工打标,耗费人力。我们这边是通过大众评审和后台投诉样本来获取一些用户标记给我们的正样本。
有了特征和样本后,我们可以离线训练模型。这个模型也是在行程前、行程中、行程后根据不同的场景进行定制化开发。然后将模型通过机器学习平台部署和发布到线上去,来让算法服务于每个环节的履约体验。
交易生态的治理算法中,因为正样本非常珍贵,所以我们这边的模型演进也面临着一些挑战:
3. 模型演进
首先第一个挑战是,顺风车线下行为难以在平台搜集到,比如轨迹流的获取,乘客一般上车后就不再打开 app,导致轨迹不能上报。那就需要针对不同的场景进行在合适的节点触发引导与宣传。
第二个挑战是,没有标记样本。这边通过 3 种方式来解决,第一是客服工单人工处理的样本作为标记样本;第二是大众评审,就是 app 界面发送问题,让用户来打标回