淘宝widget链路方案总结

简介: 目前widget生态已经做了大量的基建工作,同时在widget生态的演进过程中我们发现如何匹配用户的偏好一直以来是一个挑战工作,本文介绍了widget的整体链路。


业务背景

 widget介绍


2020年底iOS推出了新版widget之后引起了一些声浪,但仍然很多苹果用户并不了解widget,市场上也没有取得较大市场规模的widget案例。
2021年安卓厂商在用户体验战役上纷纷布局widget,华为、小米、OPPO、VIVO 分别做了操作系统级别的大幅升级并做了相关发布会。
2022年安卓厂商希望通过widget的体验来提供终端的独特价值,与苹果不同的是厂商提供了可以在端内调用、反向添加的能力,以促使开发者一起完善、建立生态。

 widget特点


  • 多形态


对于一个app来说,其本身的空间是1*1的。widget拓宽了其空间,包括了1*1(苹果不支持),2*2,2*4以及4*4等多种样式。


  • 刷新方式


  1. 自动刷新:每半小时可以主动请求一次服务端获取最新的信息,刷新最小间隔为5min。
  2. 切后台刷新:用户在打开淘宝并且切换后台后会自动触发一次刷新。
  3. 手动刷新:用户访问频道页触发某个动作后,业务可以主动调接口强制触发刷新。


 widget价值


  • 对用户的价值


widget对用户的价值可以简单概括为3点:直达 -> 提醒 -> 发现

image.png

  1. 比如对于淘内很多轻应用(菜鸟、飞猪)、频道(大促、聚百)的入口很深,通过外投广告的方式吸引用户访问之后,用户想要再次回访就无法找到对应的路径,我们可以通过widget完成便捷访问。
  2. 比如用户将淘宝物流widget添加到桌面,widget可以将物流消息的变化实时传递给用户,提醒用户快递的进度。
  3. 比如我们可以通过推荐的方式向用户的widget投放一些用户感兴趣的内容,像红包权益、商品降价等等信息,来探索用户兴趣边界。


  • 对平台的价值


通过widget对用户的价值来创造平台价值。

  1. 增加平台日活
  2. 加强用户淘宝心智
  3. 等等


技术问题

为了实现相关需求,技术需要解决如下问题:

  1. 打通厂商与淘宝的生态链路。
  2. 提供widget内容动态运营能力。
  3. 构建端内端外widget触达能力。



整体结构


image.png

widget结构由下面几部分组成:

  1. widget运营平台
    :负责管理widget相关的配置信息,包括内容配置、触达配置、业务配置以及布局配置。
  2. 二方业务管理:
    @LocalService代表我方主动接入二方业务提供的HSF接口;@HSFConsumer代表二方业务主动接入我方提供的HSF接口。
  3. 数据管理:
    SLS:用于相关日志存储查询;ODPS:用于相关数据存储查询


落地细节


 widget运营平台


widget运营平台最重要的配置就是内容配置,内容配置主要分为静态配置以及动态配置。

  • 静态配置


静态配置主要针对的是特定的业务,其配置是静态固定的,所以针对此类型的widget配置给出一个静态的配置模板即可,适用于1x1&2x2。

image.png

  • 动态配置


动态widget是对所有业务的收口,用户可以自由订阅自己想要的业务内容,其配置是动态变化的。

布局一:

image.png

针对动态widget,我们将整个widget的内容拆分成三个组成部分:

  1. 策略:代表了一个内容组合,如布局一整个widget数据。
  2. 内容池:代表了一个业务内容,如右边布局一展示的淘金币业务。
  3. 内容项:代表了这个业务的相关业务字段,如布局一淘金币业务,包含淘金币图片、淘金币主标题、淘金币副标题以及淘金币数量。


平台侧动态widget配置绑定关系:

image.pngimage.pngimage.png

image.png

image.png

 widget触达链路


引导触达链路负责对外触达用户(相当于对外推广小组件),主要是与前端的技术述求。

  • 触达痛点


业务痛点
解决方案

无法动态灵活调整投放策略

构建触达投放平台能力(支持时间排期,弹窗类型选择、疲劳度管控等功能)
曝光添加等数据链路依赖二方业务埋点 触达链路统一进行数据收口


  • 触达模块

image.png

整个触达模块主要涉及到三个方面,分别是触发时机、触发形态以及触发频率。运营通过配置相应的触达策略就可以控制在某个二方业务页面的widget透出逻辑。


  • 触达流程
  • image.png






相关文章
|
存储 算法 调度
第六章 输入输出系统【操作系统】1
第六章 输入输出系统【操作系统】1
716 0
|
前端开发 算法 JavaScript
深入理解并解决 npm ERESOLVE (Peer Conflict) 问题
如果你持续使用 LTS 版本的 Node.js,或者主动更新了 npm 到 7+,一定见过下面这个难懂的报错: “unable to resolve dependency tree",字面意思就是无法解析依赖树,然后下面一大长串东西都在尝试告诉开发者无法解析的原因,并建议修复依赖间的冲突,但很尴尬的一点是……可能看了之后还是不知道,我要修复什么冲突呢?
7607 1
深入理解并解决 npm ERESOLVE (Peer Conflict) 问题
|
Linux 应用服务中间件 网络安全
CentOS7搭建本地离线局域网yum源(Httpd/Nginx+yum)
CentOS7搭建本地离线局域网yum源(Httpd/Nginx+yum)
4178 0
|
9月前
|
人工智能 算法 搜索推荐
电商API的“AI革命”:全球万亿市场如何被算法重新定义?
AI+电商API正引领智能商业变革,通过智能推荐、动态定价与自动化运营三大核心场景,大幅提升转化率、利润率与用户体验。2025年,75%电商API将具备个性化能力,90%业务实现智能决策,AI与API的深度融合将成为未来电商竞争的关键基石。
|
6月前
|
机器学习/深度学习 人工智能 并行计算
124_数据并行扩展:Megatron框架 - 分析模型分片的独特通信开销
2025年,大型语言模型的规模已达到数千亿甚至数万亿参数,单GPU训练已成为不可能的任务。高效的分布式训练技术成为训练超大模型的关键。Megatron框架作为业界领先的分布式训练解决方案,通过创新性的并行策略,实现了对超大语言模型的高效训练。
661 3
124_数据并行扩展:Megatron框架 - 分析模型分片的独特通信开销
|
SQL 机器学习/深度学习 数据采集
《AI加持,SQL Server预测性维护全攻略》
在数字化时代,SQL Server作为企业数据资产管理的核心工具,其稳定运行至关重要。传统被动维护难以满足高要求,而AI预测性维护通过深度分析SQL Server运行数据(如查询时间、资源使用率等),提前发现潜在故障。它从多维度守护数据库健康:性能瓶颈预测优化高负载场景、硬件故障预警减少中断风险、软件故障预测避免死锁等问题。流程涵盖数据收集、预处理、模型训练与实时监测,精准防患未然。将AI融入预测性维护,不仅降低运维成本,还提升企业竞争力,为未来智能化数据管理奠定基础。
215 3
|
存储 人工智能 TensorFlow
你的旧电脑还跑得动AI吗?ToDesk云电脑/青椒云/顺网云算力支持实测报告
随着AI大模型的崛起及广泛应用,旧电脑显示出了硬伤,硬件配置方面,老旧的 CPU、GPU 性能不足,运算速度缓慢,导致 AI 模型训练和推理耗时极长。内存与存储有限,无法承载大型 AI 数据集和复杂模型。散热不佳,运行 AI 任务时易过热死机。且旧电脑可能不兼容新的 AI 框架与工具,软件更新困难。这使得用户在利用旧电脑探索 AI 时,体验大打折扣,而 ToDesk云电脑、青椒云、顺网云等或许能为解决这些问题带来新契机。今天就来实测一下常用的ToDesk云电脑/青椒云/顺网云,博主将从功能、优缺点等方面为你深度剖析这几款云电脑,帮你选出最适合的那一款!🏆
1158 5
|
缓存 Nacos 数据库
nacos常见问题之日志一直报403如何解决
Nacos是阿里云开源的服务发现和配置管理平台,用于构建动态微服务应用架构;本汇总针对Nacos在实际应用中用户常遇到的问题进行了归纳和解答,旨在帮助开发者和运维人员高效解决使用Nacos时的各类疑难杂症。
|
JSON 算法 前端开发
YODA倚天应用迁移神器,让跨架构应用迁移变得简单高效
YODA(Yitian Optimal Development Assistant,倚天应用迁移工具)旨在帮助用户更加高效、便捷地实现跨平台、跨结构下的应用迁移,大幅度缩短客户在新平台上端到端性能验证所需的人力和时间,使得客户更加专注于应用本身算法的优化,协同客户实现降本增效。
|
消息中间件 容灾 Java
Windows 下安装RocketMQ的两种方式
一 , Windows 下借助Docker 安装
Windows 下安装RocketMQ的两种方式

热门文章

最新文章