AWS机器学习赋能有道乐读,初创团队的明星业务崛起

两年前,姜为遇到了麻烦。

作为网易有道的资深服务器端开发工程师,姜为需要担负起为有道乐读提供整体后端架构、研发和运维工作的职责。有道乐读是一款进行少儿阅读力培养的产品,App日常版本迭代以及少儿AI互动课程和图书馆的整体研发与维护都是姜为需要着手去做的事情。

“如何在人员有限的情况下快速迭代并且提供稳定的服务”,姜为这样解释自己正在直面的困境。虽然少儿阅读力培养的市场前景广阔,但毕竟处于发展初期,公司不可能为其超前配备强大的技术团队和资源,这在一定程度上迫使他们必须在成本有限的情况下寻找可快速落地的解决方案。

姜为在产品研发和运维过程中遭遇的问题并非孤例,相反它是不少中国初创公司或团队的缩影。一方面,他们希望借助新兴技术实现数字化转型并完成效率提升;另一方面,团队和资源的配置似乎又不足以让他们凭一己之力搭上技术红利的快车。如何用初始技术团队撑起自身业务,由此成为一个具有普遍性的问题。 

全托管式运维为业务保驾护航

在使用AWS提供的云服务之前,有道乐读团队采用的仍然是传统linux虚拟机方式支持业务,包括redis、mq、elasticsearch等在内的基础服务均自建完成。然而由于运维团队和有道乐读团队分处于不同的地方,因此日常运维的重任就落到了有道乐读的研发人员头上。

有道乐读的研发团队规模很小,由于要同时负担日志清理、问题排查等运维工作,导致研发人员身上背负的任务很重。多线程作业的模式不断地消耗人力资源,并延宕了业务的迭代节奏,这对一个正处于上升期且竞争日益激烈的行业来说无疑是亟需解决的瓶颈。

举例来说,有道乐读进行儿童阅读力培养的重要方式是为每位孩子推送可能激起他们阅读兴趣的文章。但由于研发团队的后端工程师并不具备机器学习知识,因此整个产品只能通过基于手动规则的建议每天更新应用程序中的阅读内容。显而易见,这是一种“费力不讨好”的信息分发机制,在不断堆加人力应对大量数据的同时却不见得带来分发效率以及使用体验的提升。

“唯快不破”是C端互联网内容产品竞争的要领,如果持续无法改善作业模式,那么即便面对一个具有高度成长性的市场,最终也将难以避免衰败的终局。在这样的背景下,可以根据业务增长规模快速合理采购基础设施的云服务走入了姜为的视野。通过云服务,有道乐读既可以避免过于超前的能力部署,但同时也有能力应对突然而至的业务高峰。

“AWS的优势在于功能强大,相比其他云服务商更成体系,对于服务的使用上相比其他云服务的学习成本相对较低”,在正式决定使用AWS服务前,有道乐读也与几大主要云服务商进行了接洽并试用了它们的服务。但最终,姜为认为丰富的开源生态、较高的功能集成度以及随之而来的易用性帮助AWS成功脱颖而出。

在使用AWS服务之后,不堪重负的有道乐读研发团队轻松了一些,不用再为基础组件的运维花时间,这部分任务被AWS全权接管。这时,他们能将余下的精力用在那些更重要且更擅长的环节,业务的持续发展拥有了来自云服务的保驾护航。 

技术赋能实现产品迭代快速落地

除了将常规运维服务的时间节省下来,AWS还协助技术团队实现了产品功能的快速升级与迭代。由于纯手动更新产品中的阅读内容在眼下的信息传播环境中已属低效,因此用机器学习的方法搭建一个实时动态更新的推荐系统成为必然的选择。

但对于有道乐读而言,团队缺少具备机器学习知识的成员成为自身业务发展的掣肘因素,拥有好的idea却没办法实现快速落地制约了产品的后续发展。在决定采用云服务完成能力部署后,来自AWS的机器学习专家团队向有道乐读交付了三个解决方案,包括第三方FM Python软件包、Amazon SageMaker以及Amazon Personalize等。在经过双方的充分讨论后,Amazon Personalize成为支持推荐系统搭建的最终方案。在AWS团队的支持下,姜为所在的团队也顺利完成了这一技术解决方案的验证性测试。

Amazon Personalize是AWS团队向客户提供的个性化推荐技术服务,这一能力很大程度上来自于亚马逊在20多年前为自己的电商平台搭建个性化推荐系统积累的经验。由于推荐效果已经获得了实践场景下的反复验证,整合各种新兴能力形成的Amazon Personalize也在AWS的能力输出中开始拥有了更多的用武之地。

仅仅耗时一个月左右,有道乐读的推荐系统就走完了从策划到成功上线的全过程。眼下,有道乐读面对的小朋友能够接触到更多自己喜欢的信息,从而在不断的正向循环中培养起自己对阅读的兴趣。产品研发的初心在技术的帮助下真正实现,而这源于Amazon Personalize协助实现了信息与受众间的高效撮合。值得注意的是,这一目标是在技术团队和资源依然有限的情况下快速达成的。

完善且整合的技术能力以及根据落地场景及时提供技术支持等,最终都帮助这个只有初始技术团队的产品有力提升了产品体验。从2018年在各大应用市场上架以来,有道乐读已经先后13次被苹果商店推荐,同时也多次登上了安卓应用市场的推荐榜单,获得了超过100万的家庭用户。

而且,在使用AWS云服务之后,产品的发布速度也从小时级别降低到分钟级别。团队在一年内完成了5000余次发布,功能迭代周期从月级别降低到周级别,这让迭代后的产品被更快地推入市场,增强了企业在应对激烈竞争环境等挑战方面的能力。

“除了人力投入之外,现在比传统IDC成本降低了50%”,在完成技术解决路径的转换之后,姜为开始在业务发展过程中觉察到越来越多的好处。 

让初始技术团队能够“拎包入住”

根据埃森哲此前发布的一份企业数字转型研究报告,中国企业的数字转型指数仅有37分,远远低于及格线。这意味着在数字化程度极速提升的当下,中国企业离实现真正的数字化转型仍然有不短的距离。在这其中,如何最优化配置技术资源成为阻碍数字化转型升级的潜在问题。

大多数技术团队遭遇的问题与姜为一样:如何在有限的团队和资源中跟上技术时代的红利?事实上,数字化转型不应该只是市场领导者与头部公司的专利,它更应该带有普惠的性质。例如个性化推荐技术在很多场合下均适用,从信息推荐、好友推荐到商品推荐等等,不一而足。

Amazon Personalize让客户无需具备推荐系统的知识,整个系统也无需从零开始搭建,技术人员只需要提供用户和物品的交互信息就可以快速搭建起自己的推荐模型。在信息的个性化推荐获得不错成效后,有道乐读又将旗下相似商品的推荐功能交由Amazon Personalize支持。某种程度上,这就像是在云端搭好了精装修的房间,而产品团队需要做的就是往里面添置少量的个性化物件,“拎包入住”的模式由此形成。

从有道乐读的案例中不难发现,云服务提供的完整解决方案能够帮助那些技术能力不强的企业提高人效数据、加快业务的迭代效率、拓展创新空间并将理想尽快转化为可以落地的现实。技术门槛在资源共享的环境中被降低,而这也意味着更多的企业将在有着充分保障的情况下平稳顺利地开启企业的ML之旅。 

延展阅读:点击获取《8 个业界领先的机器学习使用场景》白皮书,了解如今的企业如何使用机器学习来获得快速、 高效、可衡量的成果