美团点评 APP 内餐饮、到店、丽人等各业务域都有 Push 营销需求：早期各业务域各自提需求、各自发短信，用户一天被打扰十几次，CTR 越点越低，运营人力成本却越来越高。行业场景是本地生活超级 App 的用户运营——要在「亿级日活、多业务域、内容供给繁杂」的前提下，把合适的内容在合适的场景推给合适的人，同时控制打扰度与内容安全风险。业务背景是 2018 年前后美团点评从粗放增长转向精细化运营，Push 触达正处于从纯人工投放演进到算法智能推荐的窗口期，需要一个统一收口、可算法化、可管控的中台系统。
系统收口全公司对点评 APP 的 Push 营销触达需求，核心模块：
1. 数据引入：日处理百亿级位置消息，站外数据源覆盖点评月活用户从 20% 提升至 50%。
2. 场景管理：通过优先级隔离实现流量动态分配与丢弃，解决服务性能与亿级消息推送之间的矛盾。
3. 物料管理：对接帖子、UGC 点评、团购等优质内容供给，支持内容准入的门槛过滤与审核机制。
4. 智能推荐：内容打标、索引构建与实时内容召回流程，基于不同内容结合算法智能生成标题与摘要文案，精准召回用户兴趣点内容。
5. 触达管理：场景策略配置、发送频次控制、效果数据回收。
6. 内容安全与体验：人工运营场景的权限管控与审核、消息撤回快速干预止损、负反馈与 CTR 效果数据闭环。
我作为系统 Owner 负责系统从 0 到 1 的设计、开发与性能优化。
架构演进：从中心化调度型系统演进为分布式微服务，核心模块为数据引入、场景管理、物料管理与触达管理。
性能优化（最大难点）：通过业务流程改造、串行改并行、重复调用合并、JVM 参数调优、同机房调用优化等手段，RT 降低 50ms 以上，机器数量从 60 台减少到 45 台（成本下降 25%），稳定支撑每天亿级消息推送。
数据规模：数据引入日处理百亿级位置消息；场景管理以优先级隔离实现流量动态分配与丢弃，保障高优先级场景在资源争抢下仍能按时触达。
智能推荐链路：搭建内容供给接入流程（帖子/UGC 点评/团购），内容打标、索引构建与实时召回，结合算法生成标题与摘要文案。
稳定性：建设全链路流量漏斗降低问题排查复杂度，并基于漏斗完善监控告警及时感知故障；建立消息撤回能力，异常内容可分钟级干预止损。
成果：大盘 CTR 提升至 1.5%，营销效果提升 50%，同时降低人力成本；个人获美团业务突破奖。
评论