贝壳找房商机中台平稳承载 C 端覆盖新房、二手、租赁、商业地产、海外等核心业务线几千广告位，几百推荐策略，数十亿广告物料数据和日均十亿级广告流量的分发工作。每个广告位会根据具体业务场景和用户特征进行人房客个性化高效匹配，整体服务可用性 5 个 9。 本次分享主要讲述贝壳商机中台十亿级广告流量分发高可用架构演进过程中遇到的问题、挑战以及核心解决方案实践，希望能对流量分发感兴趣的团队带来一些参考和启发。

演讲提纲：

1. 广告流量分发场景应用及挑战
2. 广告流量分发系统整体架构
3. 广告流量分发核心解决方案与实践
   • 基于 SDK 的低成本广告位接入方案
   • 支持多种异构的物料数据接入方案
   • 广告物料存储与检索的改造
   • 稳定性改造
4. 未来展望

你将获得：

• 了解流量分发面临的问题和挑战
• 了解流量分发架构演进的核心解决方案和实践

贝壳找房 C 端有着非常多的经纪人展位，每一个展位都会根据业务场景和用户特征进行人房客高效推荐匹配，为平台用户提供优质的找房服务。目前贝壳找房拥有几千个展位，每一类展位会因为业务场景的不同而需要各式各样的推荐策略。晦涩复杂的策略配置、RD 开发人力不足、交付周期长、问题难排查等成为亟待解决的问题。在架构演进的过程中，我们从中台视角出发自研了可视化策略编排引擎，将展位背后的推荐策略标准化和流程化，并提供了具有可视化交互界面的平台，让非技术人员参与到推荐策略的编排中来，逐步解放了 RD 人力，提升研发效能。在本次分享中，我将向大家介绍可视化策略编排引擎的设计理念与落地实践，并结合落地过程中所遇到的各种问题分享实战经验，希望能对流程执行引擎感兴趣的团队带来一些启发。

演讲提纲：

1. 场景应用及痛点分析
2. 可视化策略编排引擎设计理念
3. 可视化策略编排引擎架构实现及生态建设
4. 生态建设成果

你将获得：

• 了解贝壳广告策略编排引擎的背景与应对的挑战
• 通用流程编排引擎模型的设计方案与实践思路

数据回收承载着日均数十亿的准实时数据聚合和计算，如收集各种类型交互行为数据进行详细的基础属性填充、依据业务规则进行权威商机判定、进行聚合计算等；输出商机多维度实时流数据，供下游相关业务系统去订阅消费，实现准实时的业务场景交互，如线索增发、商业化产品库存扣减和退费、客户触达感知、市场投放效果 ROI 评估、流量溯源等。

数据回收除了默默生产数据外，还能做哪些事情？对于公司诸多商机相关的商业化产品有哪些重要作用？对于提升经纪人作业体验都有哪些措施？对于赋能分客策略推荐引擎又有哪些规划？希望通过本次分享与大家进行交流讨论。

演讲提纲：

1. 场景应用与痛点分析
2. 商机回收架构演进
3. 商机溯源架构演进
4. 商机治理能力演进
5. 数据生态建设探索

你将获得：

• 了解贝壳商机数据的回收架构以及商机质量治理的背景与措施
• 了解贝壳商机流量在 C 端页面元素级别精准溯源的实现方案