春晚红包观察：零售技术“奥赛”，教会了“常规考试”什么？
文|智能相对论
作者|曾响铃
随着元宵节红包活动的完结，贯穿整个春节期间的京东春节红包活动告一段落，而半个月前，京东扛住7次流量高峰、691亿次互动发放15亿红包和好物的春晚表现仍然令人记忆犹新。
毫无疑问，京东在技术层面不出预料地完成了春晚红包这个每年各大厂秀肌肉的项目，而有所不同的是，京东此次准备时间更为仓促、硬件资源条件更为局限、红包链路更为复杂，在同样的流量冲击下所面临的挑战在一开始更为严峻。
如果说京东零售技术在日常运营、618、双11等电商节活动经受的是“常规考试”，京东已然是“学霸”，那么春晚红包则是典型的“奥赛”——准备时间不长、难度陡然上升，考验的形式和内容都不相同但却依赖长期以来的学习和考试经历，且这种短时大型项目的经历对大幅提升团队整体的技术水平往往能产生直接的推动作用。
从这个意义上看，京东零售技术在此次春晚红包中的做法以及产生的全行业借鉴价值可能会更加清晰明了。
转变解题思维：只有颠覆式思维才能应对“奥赛”，也才能迎合未来零售技术创新的需要
奥赛与一般的考试在考察的内容上有很大的不同，要取得好的成绩，一些旧有的解题思维方式必须被颠覆，而用来应对奥赛的思维方式创新对能力的提升又是开创式的。
在零售技术这里，京东应对春晚红包也表现出了这一点，其做法在春晚流量高峰之外也迎合了未来零售技术创新的需要。
为了可预见的春晚流量洪峰，在底层硬件支撑方面，加大服务器的配置似乎成为过去各大厂通行的做法，某种程度上也是最简单直接而有效的应对方式。
在春晚红包项目伊始，京东内部预估春晚流量将达到平时峰值的100倍，原本的红包系统根本不可能应用，需要一个新的应对极高并发的系统来支撑。而与过去历届春晚红包不同的是，京东的新老用户在抢红包之后还会有购物等操作需要，复杂的交易链路下优惠券、实物券等都需要一系列资源来支持，这导致京东面临的压力更为明显。
但是，对京东而言，一方面过去一两年计算硬件的市场供给十分紧张，短期内大规模采购硬件并不现实，另一方面，在业界“向协同要效率“的趋势不断强化下，京东通过提升现有硬件资源的协同效率来应对春晚红包项目的倾向也更为强烈。
最终，京东选择了在几乎不增加服务器资源的情况下实现对春晚红包活动的支持，这在业界是头一次。
京东所仰仗的，是其过去2年多所打造的泰山平台，该平台已经支持了数次618和双11，积累了丰富的高可用能力、资源极致弹性能力，在春晚红包这件事上其最大的能力或者说价值，是能够灵活扩缩容，做到跨体系高效的协作能力。
简单说，即通过京东集团内的已有服务器资源（包括某些“退役”的资源）的整体调配，在不增加整体服务器数量的情况下，调度出能够支撑春晚红包的资源——在启动项目的一两周内京东即完成了150多万核机器资源的额外调度，将百万级的QPS提升到了千万级。
而且，得益于泰山平台的高稳定性，在协同效率提升的情况下新的红包系统仍然可以保持高可用——在春晚的四个多小时内，整套系统非常平稳，技术层面零事故保障了项目的顺利进行。
回过头来看，京东的零售技术用这种方式把春晚红包扛了下来，也给了零售行业客户一种期望，即在零售数字化变革升级的过程中，未必要投入大量新的硬件，也能实现承载能力的提升，这是一种直接的“提效降本”。
实际上，京东集团副总裁、京东零售云总裁颜伟鹏就透露，2021年京东的单位订单IT成本（IT总成本除以订单数）就比2019年下降了30-40%，后续还将继续下降，在增加收入之外以降低成本的方式凸显了零售技术对整个公司的贡献。同样的，对渴求数字化转型的零售企业而言，如果只是单纯增加服务器资源来提升效率并不能表明外部赋能者的能力，既提效又能做到降本，“鱼和熊掌兼得”或许才能赢得青睐。
而京东在春晚红包这场零售技术“奥赛”中思维理念创新除了服务器资源的协同，还有打破了零售数字化中的一些通常玩法，其中最典型的莫过于在数据分析和风控事项上，做到了实时、事中进行，而非等到活动阶段性结束后才来进行。
例如，京东零售技术的数据中台本次要支持全程指挥、经营决策，京东零售数据资产负责人武磊介绍，除了实时数据展示和离线数据分析之外，数据系统还做到了活动过程中实时进行数据分析与预测，从而为业务方提供了更及时更智能的数据支持。从零售行业的需求看，这无疑能大大提升数据分析的价值，使其不再是“事后诸葛亮”，而成为营销活动全程的导航仪。
此外，在抢红包、购物等各个环节，京东的风控是随着交易链路的推进而同步进行的，敏锐地把握住所有影响正当权益和体验的风险行为，这得益于京东过去长期以来对抗不当行为的经历，也代表了未来零售数字化提升风控能力的必然走向。
融合解题方式：惊艳的“技巧”之下，是长期技术和经验的积累
在整体理念确定后，春晚红包这场零售技术“奥赛”就要到具体的解题环节。
从1月5日官方确定合作，到1月31日正式上阵，短短的在一开始被认为“不可能足够”的27天内，京东零售技术的奥赛解题操作比常规考试要更为复杂，但也同样源自京东零售技术已有的积累，并将给零售行业数字化带来一些新的借鉴。
首先，是“考前准备”阶段，在已有技术积淀基础上快速进入状态、应对急迫需要。
实际上，在京东内部团队接到春晚红包项目时，留给他们“写代码”的时间并不多，要写出一个应对全新状况的新红包系统，在业界通常的代码编写模式下是很难想象的。此时，京东零售技术过去两年持续开发的京东零售北极星商业操作系统JNOS就起到了重要作用。
该系统简单说即将京东的零售技术不断沉淀、重构并PaaS化，形成类似操作系统一样的开发底层，支持上层大规模开发提升效率（例如可以几千人一起来写代码），在短时间内快速地写出一个复杂系统，且代码量大幅度减少而更加高效，在满足各种业务需求上能够更为灵活，像堆积木一样适应多变的场景需要。
单元化部署能够让几十个百万级并发的红包系统组装成一个千万级并发的系统，由此，春晚项目启动后1周左右，基于北极星商业操作系统就搭建起了春晚红包系统，同时还完成了架构优化升级，既做到了高度的定制化，又实现了高效率。
而这种开发效率，也让新系统能够快速上线并完成严苛的多轮测试——京东零售技术平台负责人李军亮提到，另外要重点模拟秒级流量从很低的QPS并发到千万QPS的压测，带动起来的网络基础设施、全链路系统，还有压测平台等都会涉及到改造或者加固。最终，从第一轮通过率仅50%，经过七轮压测后，实现100%的通过率，伴随着预设剧本的丰富度提升了约10倍。从零售数字化的需求来看，京东零售技术的PaaS化也提供了一种新的思路，即以组件化、模块化的方式建设系统，用业务中台BPaaS、用户中台CPaaS、数据中台DPaaS、技术中台TPaaS等来让所有零售业务系统可以共用一套底层服务，提升研发效率、降低成本满足多场景交付的需要。
有理由相信，PaaS化技术体系会成为未来零售业务高效可持续发展的基石，京东已经先走了一步。
然后，是“审题与解题”阶段，基于数据智能方面的技术创新更好地把握活动节奏、提升用户体验。
春晚红包并非一次发放完毕，而是预设了主持人的七次口播分批发送出去，在这个过程中，如何保证所有权益的合理分配是摆在京东零售技术面前的重要课题。这就如同在奥赛考试中因为试题往往十分复杂和具有挑战性，因此审好题——准确认识活动的全程并针对性应对变得更加重要。
这时候，零售技术在数据大屏方面的创新价值就体现出来。通过数据智能，京东此次用数据大屏来为指挥、经营决策做出参考，例如，根据不同波次红包发放和用户进入情况能够自动化给出新的方案，典型如在7轮红包中及时调整下一轮发放规模，充分保障用户体验并最终将所有收益全部发放完毕。
除此之外，由于春晚红包活动中大量新用户涌入，它们浏览模式、行为方式都需要更好地探查并针对性提供不同的权益，才能更好地留住这些用户，让春晚红包活动取得最为重要的用户“增量”价值，因此智能化能力在这场营销活动中的价值相对于日常运营中主要以激发存量为主的价值就更为凸显。
从结果上看，京东零售技术较好地完成了这个任务，通过快速认知新用户的习惯并推送恰当的权益和产品，颜伟鹏透露有大量新用户下载京东APP并实现首单交易。
这种经过历练的智能化能力，在零售数字化转型中的应用需求已经十分广泛，京东集团副总裁、京东零售数据与智能部负责人包勇军认为，无论是精准营销把用户与产品更好地匹配（主要是用户习惯洞察和挖掘），还是强化供应链效率（例如当下最火热的C2M），亦或是在直播带货等场景下的互动交互，在售后服务方面的虚拟客服等等，都要求越来越高的智能化能力。
可以说，提升交互效率与体验，强化经营效率，帮助更好地决策……被一次春晚红包活动所检验并强化的智能技术，未来将在零售行业有着广泛的应用。
细化解题步骤：多方利益需求兼顾，才能让零售技术的答案趋近完善
在新的思维方式和解题技巧之后，完成零售技术“奥赛”要做的是在解题步骤上的细化，进一步巩固本应该到手的成果，让试卷的“分数”更加圆满。
在京东春晚红包这里，这表现为三个方面：
一是兼顾更多答案的“可能性”，避免答题过程中某些可能性的遗漏造成“丢分”。
在项目推进上，京东开启春晚红包项目后，迅速将任务快速分解为APP客户端优化、红包券架构性能优化、账号注册登陆、短信和APP消息PUSH等十几个专项，并明确了具体的落实责任人；
在各参与相关方的数据关切方面，包勇军介绍，京东零售技术数据大屏细化呈现9组数据，面向高管、事业群、活动、运营、监控、风控等不同业务条线，保证它们都能即时看到自己最需要的数据以便支撑与春晚红包相关联的业务进行——具体要呈现什么数据、以什么方式呈现，在27天的准备期内数据大屏团队已经与各业务条线反复磋商实现；
在面向用户的体验方面，京东在过去春晚红包单一的抽红包权益之外，还考虑了多种需求，提供各类品牌无门槛京券、满减类东券、一分购实物券等，其中甚至有海景房折扣等电商玩法之外的权益……
二是注重解题顺序，不是一股脑上而是有节奏、分批次落笔。
这突出表现在风控体系的设计上，在隔绝风险用户抢占权益（例如薅羊毛灰产账号）这件事上，京东零售风控团队设计、制定了一个漏斗式风险防控体系，定制了全链路风控策略方案，并通过PaaS化能力快速部署落地，实现风险用户领取权益的分层管控，而不是一刀切的做法。
例如，对于高风险的黑名单用户，系统会直接拒绝其参与抢红包，而对于恶意用户，在抢红包之后将限制部分高价值、高折扣商品的红包权益使用，从而实现精准的风控，又能最大程度保证用户的体验。
三是修饰试卷版面，在错综复杂的答题过程中做到“卷面”的整洁。
同样以风控为例，由于其实现过程需要调用某些数据接口，而红包系统本身就面临巨大的高并发压力。这时候，如同京东零售风控研发负责人林睿所言，在完成风控任务的同时又必须尽可能减少对系统效率的影响，京东零售风控团队反复优化方案，最终在最少接口调用的情况下部署了风控体系。
可以看到，在行业层面，这些对细节的照顾其实也是零售数字化能够有效落地的重要保障，能够兼顾多方面需求、降低执行阻力、将具备突出优势的核心技术价值最大程度发挥出来，以体系化的整套打法最大化提升零售企业日常运营或者营销活动的效率，帮助企业成长。
总而言之，京东零售技术赢了春晚红包“奥赛”，而更重要的还有这种历练和沉淀后续对行业的价值。春晚红包不仅是一次肌肉秀，更是未来零售技术创新的展示，从这个意义上看，已经啃下了“最硬骨头”的京东零售云，赋能其他行业客户可能也就“不在话下”了。
*本文图片均来源于网络
深挖智能这口井，同好添加vx：zenghy2017
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
智能相对论（微信ID:aixdlun）：
•AI产业新媒体;
•今日头条青云计划获奖者TOP10;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）