快餐店情境感知的免下车推荐服务

免下车是快餐行业一种流行的销售渠道，消费者无需下车即可购买食品。免下车推荐系统使餐厅能够在客人下单时于数字菜单板上展示食品推荐。电子商务场景中的流行推荐模型依赖用户属性（如用户画像或购买历史）来生成推荐，而此类信息在免下车用例中难以获取。因此，本文提出一种新的推荐模型 Transformer Cross Transformer（TxT），其利用客人下单行为与上下文特征（如位置、时间、天气），通过 Transformer 编码器进行免下车推荐。实证结果表明，与现有推荐方案相比，我们的 TxT 模型在 Burger King 的免下车生产环境中取得了更优结果。此外，我们实现了一个统一系统，在同一集群上运行端到端大数据分析与深度学习工作负载。我们发现，在实践中，为整个流水线维护单一大数据集群更高效且节省成本。我们的推荐系统不仅有益于免下车场景，也可推广到其他客户交互渠道。