M9-005M9: ML & AI 系统设计实战搜推与商业化系统设计Medium
⚡闪卡盲测➔掌握度:

设计带退订率约束的智能消息推送系统(Uplift 建模 + 全局拉格朗日控频)

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M9-006 →
📐 核心数学机理公式
U(i)=popen(i)−λ⋅poptout(i),Cap(u)≤BdailyU(i) = p_{\text{open}}(i) - \lambda \cdot p_{\text{optout}}(i),\quad \text{Cap}(u) \le B_{\text{daily}}
⚡ 一句话直击要害答案
一次关闭通知相当于永久失联,用 Uplift 模型筛选「发才打开」人群,并通过拉格朗日对偶乘子动态控制每日发信全局疲劳预算。

📌 核心要点提炼

  • •
    L1 损失非对称:用户关掉 Push 权限惩罚约等于单次点击收益的 50 倍
  • •
    L2 Uplift 增量目标:区分 Sure-Things(自然也会打开无需发)与 Persuadables(只因推送唤醒)
  • •
    L2 全局拉格朗日配额:动态调节惩罚系数 lambda 自动把低边际价值通知刷掉
  • •
    L3 时序护栏:本地时区夜间静默 + 7 日冷却窗口 + Redis 滑动频控锁

📐 数学机理与严密推导

对实时发送集合求解线性规划对偶形式 max⁡∑(popen−λpoptout)\max \sum (p_{\text{open}} - \lambda p_{\text{optout}}),在线每隔 5 分钟更新 λ\lambda 使每日总通知量精准贴近配额边界。

🏭 深度剖析与工业落地权衡

优先采用 Uplift 代替原始打开率预测直接砍掉 30% 无意义骚扰通知,同时保持日活大盘不变或微升。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    按最高打开概率挑选推送对象,结果天天只轰炸原本就会主动打开 APP 的忠实用户
  • ✕
    忽略本地时区换算导致凌晨 3 点弹窗引爆集中投诉关通知
🎯 面试官连环追问与延伸考察
  • ?
    怎么设计长期不发组对照实验校准一年后的永久失联代价参数 beta?
  • ?
    全球整点波峰并发 5000 万 Push 队列怎么防止压垮客户端入口网关?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M9-004: 设计高精准电商语义 + 词法混合搜索引擎(Query 解析 + Pre-filter RRF + 商业精排)📋 返回题库下一题 →M9-006: 设计 10ms P99 实时支付反欺诈风控架构(Flink 滑动窗 + 进程内 ONNX + 异步团伙图)