运营中心如何用AI与数据洞悉每一次点击
|
线上报警那一刻，我正抠着日志里一个叫click_event_v2_enhanced_payload的字段命名——前端说这是“增强型点击载荷”，运维说这名字在K8s标签里过长被截断过两次，产品写PRD时随手打成click_event_v2_enhanced_payload_v3_alpha_candidate。我盯着它看了四分钟，咖啡凉了，工单系统又弹了条消息：“【P1】/click/track 接口耗时 P99 跳到 1.7s，灰度流量全切回老路径”。 我原以为是缓存击穿，结果翻完trace发现根本没走Redis——新AI打点模块默认绕开本地缓存，直连下游特征服务，美其名曰“保证实时性”。可那特征服务上个月刚因为GC停顿被我重启了三回，谁定的“实时性”？谁测的“实时性”？我问运维老周，他敲着键盘说：“你问它，它说它只管吐embedding。” 去年12月的事儿，现在想起来还后怕。那天晚上八点四十，运营中心盯大屏，说某渠道UV涨了三倍，CVR却断崖式掉到0.02%。数据监控没报错，指标全绿，就是转化链路里中间漏了一截——所有“加购点击”没进转化漏斗。我们排查到凌晨两点，最后发现是AI模型推理服务返回了个空数组，而消费方代码里写了 if (res?.length) { process() } else { return; } ——没日志、没metric、没告警，就安静地吞掉了两万次点击。产品小张当时在会议室喊：“这算漏吗？用户点了，系统没反应，人还以为网卡了。”我说：“算，但它不报错，所以不算SLO违约。”他冷笑一声，把水杯墩桌上走了。 其实最烦的不是bug，是命名污染。你说“洞悉每一次点击”，听起来像上帝视角，实际就是一堆JSON塞进Kafka，再被五个服务各解析一遍，每个都按自己理解改个字段名：click_timestamp → click_ts → event_time_utc_ms → user_action_millis → _ts_12b。上周联调，前端甩给我一份schema文档，第17行写着“click_id: string, 保证全局唯一（除重试场景）”。我回他：“重试场景下你们生成click_id的逻辑是什么？”他发来一张截图——是个Math.random().toString(36).substr(2, 9)。我手抖删了三遍微信回复，最后只回了个句号。 窗外天黑了。手机亮了一下，是猎头问要不要看某厂的AIOps平台架构岗。我划掉没回。不是不想跳，是怕新公司也这么搞——把AI当胶水，拿Clickhouse当真相机，以为埋够埋点、跑通模型、导出报表就等于“洞悉”。洞悉个屁。洞悉的前提是敢让数据说实话，可现在连字段类型都得靠猜：timestamp到底是毫秒还是秒？is_first_click那个boolean字段，在iOS真机上有时候是字符串"true"，Android又是数字1，H5里直接undefined——我们连“一次点击”的定义都没统一，就开始训练行为序列模型了。 说白了，“优胜劣汰”站得住，就站在这儿。不是模型比谁准，是哪套逻辑最先扛不住真实流量。去年12月那次事故后，有两个分支被悄悄干掉了：一个是依赖第三方JS SDK自动捕获点击的方案（太脆，随便一个广告脚本就能劫持onclick），另一个是把所有点击事件强行聚合进单个宽表的ETL流（数据血缘乱得像毛线团，上游改个字段名，下游三周没人发现）。活下来的，反而是最土的：手动注入click_id + 前端自埋+服务端二次校验+离线抽样diff。没人夸它AI，但QPS翻倍那天，它没吭声，也没挂。
文章配图，仅供参考 前两天招人，面试一个候选人，问他怎么查点击丢失。他说先看埋点SDK是否上报成功，再查网关access log有没有200，然后比对Flink实时计算和离线数仓的差值……我打断他：“如果SDK根本没初始化呢？比如App冷启动后等了800ms才加载JS，中间用户点了三次，你怎么追溯？”他愣住，我说：“我们去年就在首页加了个‘点击预登记’钩子，用户手指按下那一刻，就往内存里塞个临时ID，不管SDK起没起来，先记着。等SDK醒了，再拿这个ID去对账。不优雅，但有效。”他点头记笔记。我盯着他写的“预登记”三个字，突然想起旧同事阿哲——他离职前一周还在骂这套设计“违背前端工程规范”，结果走的当天，监控报警邮件里第一个定位线索，就是他写的那行内存登记逻辑。键盘声很响，是隔壁组在跑压测，嗒嗒嗒像敲摩尔斯电码。我翻了翻今天的error日志，发现click_event_v2_enhanced_payload里有个新字段叫intent_confidence_score_normalized_v4。normalized是哪个维度归一化？v4相比v3改了啥？文档链接404。算了。我打算明天上午先扒一扒它的赋值逻辑——不是去看模型，是看谁给它赋的值、在哪一行、有没有try-catch。如果连这个都懒得追，还谈什么“洞悉”。不过也难说，说不定又是哪个晨会拍板“先上线再收敛”的结果。我点开Git历史，看见作者是@ai-infra-bot，最后一次提交注释写着：“[AUTO] sync from fea-engine-llm-sync-v2。” 现在？我先去热下咖啡。再顺手grep一下那个字段在Java服务里有没有做非空校验——要是没做，今晚就得补个default=0.0的fallback。不然等模型输出null，下游又该静默丢数据了。至于它到底能不能帮运营看清用户动机……我也不知道。真要看清，大概得等哪天用户点击后，系统能自己写出一篇带标点、有逻辑、不用翻译的分析报告吧。但我估摸着，那得等click_id命名规范在三个部门签字确认之后。 （编辑：站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
