引言：赋能开发者创建个性化用户体验

为了吸引当今挑剔的用户，软件应用必须足够智能，能够立即适应个人需求，包括提供定制内容和推荐。越来越多的组织使用机器学习 (ML) 技术来创建这些自适应、个性化的体验。然而，尽管个性化显示出巨大的潜力，绝大多数公司的机器学习项目仍难以突破测试阶段。¹ 根据 Gartner 最近的一项调查，近三分之二的数字营销领导者难以向客户提供个性化体验。同时，那些成功将机器学习投入生产的组织通常会看到利润率增加 3% 到 15%。²

Superlinked 帮助软件开发人员构建理解用户并提供个性化和引人入胜体验的应用。这家规模小但快速发展的公司开发了一款软件基础设施，赋能机器学习运营 (MLOps) 团队创建能够理解用户偏好、内容属性及其他变量的模型。Superlinked 独特的 数据处理和配置引擎有时被称为“机器学习基础设施即服务”，它使机器学习技术既易于访问又易于使用。

“我们帮助那些没有大型数据科学团队的组织获取机器学习技术并在其应用中使用它，”Superlinked 联合创始人 Daniel Svonava 说。“Redis 的矢量数据库技术在我们的客户构建这些复杂产品时发挥着关键作用。这涉及到摄取有关您内容的数据，理解用户正在做什么，以及在人们创建账户、注册服务和表明偏好时捕获信息。我们将所有这些信息编码为矢量嵌入。Redis Cloud 帮助我们存储和索引这些信息。”

通过根据每个应用的需求定制内容，Superlinked 的技术平台帮助组织建立详细的客户画像，从而提供更相关的内容和推荐。其独特的个性化技术正在社交媒体平台、在线市场以及专注于第一方数据的电子商务公司中迅速获得关注。

“我们对矢量数据库有非常具体的要求，”Svonava 报告说。“我们查看了可用的选项，并确定 Redis Cloud 最适合我们的需求。”

适合这项工作的正确数据库技术

向量是数据点的数学表示。这种数据库结构对于 AI 和 ML 应用很有用，这些应用通过将非结构化数据转换为数字表示来运行。矢量搜索功能允许机器学习应用找到与给定查询向量相似的数据点。它们通常用于推荐系统、图像和视频搜索、自然语言处理和异常检测。

“许多矢量数据库的基准测试都侧重于搜索性能，”Svonava 解释说。“然而，我们更关注矢量操作的数据输入和数据输出速度。当我们在领先产品中比较这些指标时，Redis Cloud 表现最佳。”

另一个区别因素是 Redis Cloud 允许开发人员在系统内部执行代码，而不仅仅是查询外部代码模块。根据 Svonava 的说法，Redis Cloud 支持的 C++ 语言因其复杂的内存管理能力而更适合这些嵌入式代码模块。他也喜欢能够将部分数据库索引卸载到闪存以最大限度地提高性能。

“其他一些矢量数据库使用垃圾回收进行内存管理，”Svonava 补充道。“这些数据库很难满足我们的实时请求，因为它们会引入随机延迟峰值，导致某些查询慢十倍。Redis Cloud 中对 C++ 的支持对我们很重要。”

Superlinked 构建了一个“矢量运营”平台，用于摄取内容、用户和事件，并实现实时推荐和搜索。所有这一切都得益于利用 Redis Enterprise 作为矢量数据库。请参见下方示例图。

将行为信号转化为引人入胜的体验

任何利用用户生成内容的网站或应用都可以从 Superlinked 基础设施中受益，因为它有助于个性化呈现的数据和信息流。“准确、相关的内容才能保持用户的参与度，”Svonava 说。“Redis Cloud 中的实时数据处理揭示了用户的兴趣所在以及如何最好地向他们呈现正确的内容。这必须在用户滚动浏览其信息流时快速完成。”

根据 Svonava 的说法，软件行业正从相对粗糙的匹配算法（使用硬编码规则来个性化内容）转向交互式、实时体验，在后者的体验中，系统观察并响应用户行为。以招聘市场为例，它们自动将职位空缺与可用候选人进行匹配。在这样一个市场中，Superlinked 使用 Redis Cloud 存储有关每个开放职位和每个候选人各种属性的半结构化数据。Redis Enterprise 的矢量技术使得该客户的招聘市场能够实时观察用户行为。“它不是有一套固定的过滤器，而是从人们与数据的互动中学习，”Svonava 补充道。

其他招聘推荐引擎使用僵化的评分机制，无法区分这些数据集中众多微妙的、不断变化的关系。位置、职位、资历和其他数据点列表被硬编码在这些规则中，并且通过基本的搜索界面提取数据。

在 Google Cloud 中轻松且经济高效地部署

Superlinked 通过 Google Cloud Marketplace 购买了Redis Cloud，这使得 Svonava 和他的团队能够利用 Redis 的高级功能，而无需处理安装和管理复杂软件基础设施的操作开销。Redis Enterprise 和 Google Cloud 之间的紧密集成使得构建云原生应用变得容易。

“Redis 通过一键式 Redis Cloud 设置易于使用，”他确认道。“我们在 Google Cloud 中有一个账户。我们通过这个账户安装了 Redis Enterprise，这使我们能够通过 Google Cloud Marketplace 支付所有费用。这真的非常方便。”

这类经济高效的云原生软件部署正在助推技术行业一些增长最快的市场的稳步发展。例如，MLOps 市场在 2022 年达到 11 亿美元，预计每年增长 41%，到 2027 年达到 59 亿美元。³ 根据 Precedence Research 的数据，更广泛的 AI 市场在 2022 年达到 1190 亿美元，预计每年增长 38%，到 2030 年达到 1.5 万亿美元。⁴ 这种增长与对可以适应各种用例的个性化引擎的需求激增同时发生。用户建模占据了利用这些市场机会所需的技术和人才的很大一部分。

“用户期望在他们遇到的每个应用和网站中都有出色的搜索和推荐功能，”Svonava 总结道，“然而，超过 80% 的业务数据是非结构化的——以文本、图像、音频、视频或其他格式存储。这就是为什么具有强大搜索功能的矢量数据库将推动下一代应用发展的原因。”

¹ IEEE Access，“机器学习运营 (MLOps)：概述、定义和架构”，2023 年 3 月 27 日
² “新兴技术是执行有效数字营销个性化策略的关键”（Gartner 新闻稿，2021 年 4 月 14 日）
³ Markets and Markets，“MLOps 全球预测”，2022 年 12 月（报告代码：TC 8518）。
⁴ AI 市场预测，2022 年至 2030 年。