Research & Trends

Taobaos Agent legt die Empfehlungs-Pipeline für jeden Besuch fest, und jede fünfte Anfrage bekommt die Sparversion

Auf einigen Marketingflächen von Taobao legt der MARS-Agent die Empfehlungs-Pipeline für jede Käuferin und jeden Käufer fest und schickt etwa ein Fünftel der Anfragen nur durch zwei der vier Stufen, nämlich solche mit dem, was der Bericht „Promotion-Missbrauch“ nennt, sowie reine Durchlauf-Besuche. Die berichteten Zuwächse, bis zu 7,34 % beim GMV, sind Durchschnitte über alle, und für die Anfragen mit der kürzeren Variante nennt der Bericht keine Zahl.

A sign lettered 'Taobao' hangs over four gates marked retrieval, pre-ranking, ranking and re-ranking; a small robot lettered 'MARS' pulls a lever that sends one of five shopping baskets, tagged with a coupon, down a side track past two of the gates, while a nautilus with a clipboard watches.

Neritus Vale

Auf einigen Marketingflächen von Taobao richtet inzwischen ein KI-Agent die Empfehlungs-Pipeline für jede Käuferin und jeden Käufer ein, und er wählt dabei nie ein Produkt aus. Er entscheidet, wie viel Ranking-Technik ein Besuch bekommt. Etwa jede fünfte Anfrage erhält laut einem am 18. November veröffentlichten technischen Bericht eine abgespeckte Version. Die Ergebnisse des Berichts sind Durchschnitte über alle Käufer, deshalb lässt sich daran nicht ablesen, wie es diesen Anfragen ergangen ist.

Eine Taobao-Empfehlung durchläuft vier Stufen: Das Retrieval sammelt Kandidaten, das Pre-Ranking dünnt sie aus, das Ranking bewertet sie nach Klicks und Käufen, und das Re-Ranking ordnet die Seite. Üblicherweise legen Ingenieure, so der Bericht, für jede Fläche Kanäle, Kontingente, Modelle und die Mischung der Scores fest, und alle Käufer dort teilen sich diese Einstellungen.

Das System des Berichts, MARS, überlässt diese Einstellungen einem kleinen Modell, Qwen3-0.6B, das zunächst auf den Ausgaben des größeren Qwen3.6-Max trainiert wurde. Jede Konfiguration wird vorab geschrieben, geprüft und nach Käufer und Fläche zwischengespeichert, sodass die Pipeline nie warten muss. Je nach Fläche nutzen 85 bis 95 % der Anfragen seine Einstellungen, der Rest bekommt den Standard. Die Ergebnisse stammen von Taobao selbst; der Bericht trägt einen Taobao-Copyright-Vermerk.

Die numerischen Einstellungen des Agenten sind begrenzt: Jedes Retrieval-Kontingent darf höchstens um 20 % vom Standard der Ingenieure abweichen. Der Modus ist ein gröberer Hebel. „Full“ durchläuft jede Stufe, „Streamline“ lässt das Pre-Ranking aus, und „Minimal“ behält nur Retrieval und Ranking. Minimal überspringt damit das Re-Ranking, für das andere Taobao-Forscher kürzlich auf dem Haupt-Feed einen Evaluator gebaut haben, der vorhersagen soll, wo Käufer aufhören zu scrollen.

Der Prompt der Subventions-App bepreist jedes Werkzeug auf einer Skala von eins bis zehn, wobei der generative Re-Ranker das teuerste der gezeigten ist. Nachdem das Modell das Profil und das jüngste Verhalten der Käuferin oder des Käufers gelesen hat, soll es entscheiden, indem es „Relevanz, Leistung und Aufrufkosten gemeinsam berücksichtigt“.

Etwa ein Fünftel der Anfragen läuft in Minimal, fast alle übrigen in Full – eine gerundete Aufteilung, die laut Bericht auf jeder Fläche gilt. Der Agent wähle Minimal, heißt es, bei Anfragen, die „Tendenzen zu Promotion-Missbrauch oder Pseudo-Exposure“ zeigen, etwa ein auf Aktionen fokussierter Einstieg mit anschließend kaum Interaktion auf Artikelebene, oder bei reinen Durchlauf-Besuchen. Ziel sei es, „Serving-Ressourcen zu sparen“. Wie sich diese Anfragen auf diese oder andere Muster verteilen, bleibt unberichtet.

In Taobaos Mini-App „Ten-Billion Subsidy“ kann es also ein Grund für weniger Ranking sein, wegen des Angebots zu kommen und kaum zu stöbern.

Rechenaufwand nach Anfrage zu rationieren, hat bei Taobao Tradition. DCAF, 2020 in Taobaos Display-Werbung eingeführt, ging von der Beobachtung aus, dass Server für Anfragen, deren Wert „stark schwanken“ kann, „gleich viel Rechenleistung“ aufwendeten. Die Autoren wiesen jeder Anfrage nach Wert „personalisierte“ Rechenleistung zu und berichteten dieselben Geschäftsergebnisse bei 20 % weniger Aufwand. Der Bericht nennt weitere Vorläufer, die Budgets innerhalb einer festen Pipeline abstimmen; MARS ergänzt ein Modell, das die Klicks, Käufe und Suchen der Käuferin oder des Käufers liest und die Pipeline selbst wählt. In der Trainingsgrafik des Berichts beginnt ein schematisches Beispiel, das die volle Pipeline behält, seine Begründung mit einem Urteil: „Der Nutzer ist ein typischer preissensibler Kunde mit hoher Kaufhäufigkeit und geringen Ausgaben.“

Die Tests liefen auf fünf Marketingflächen: der Ten-Billion-Subsidy-Mini-App, einem Flash-Sale-Kanal, dem Feed nach der Zahlung in Taobaos Instant-Retail-Dienst, dem Marketing-Raster der Startseite und Kampagnenplätzen. Den Haupt-Feed der Taobao-Startseite führt der Bericht darunter nicht auf.

Jeder Test lief zwei Wochen lang, wobei Käufer zufällig dem Agenten oder den alten Einstellungen zugewiesen wurden und jeder Arm 5 % des Traffics der Fläche erhielt. V2P ist der Anteil der Käufer mit angezeigten Empfehlungen, die gekauft haben, uCTR der Anteil, der geklickt hat, und pCTR die Klicks pro Impression. Die Ergebnisse für Kaufflächen und Klickflächen folgen mit den nominellen Intervallen des Berichts.

Fläche Kennzahl, relative Veränderung ggü. Kontrolle, % [95-%-Intervall] Kennzahl, relative Veränderung ggü. Kontrolle, % [95-%-Intervall]
Ten-Billion Subsidy (Baiyibutie) V2P +5.22 [+4.58, +5.86] GMV +7.34 [+6.18, +8.51]
Flash Sale (Miaosha) V2P +3.88 [+2.62, +5.15] GMV +4.83 [+4.15, +5.50]
Nach Instant-Retail-Zahlung (ShangouPostPay) V2P +2.24 [+0.10, +4.43] GMV +7.17 [+1.56, +12.77]
Marketing-Raster der Startseite (MarketingBlock) uCTR +1.08 [+0.47, +1.70] pCTR +0.99 [+0.08, +1.90]
Kampagnenplätze (Dacu) uCTR +2.27 [+1.13, +3.42] pCTR +3.47 [+2.24, +4.71]

Jedes Intervall liegt oberhalb von null, einige nur knapp, und alle sind „nominell“. V2P und uCTR sind Raten auf Nutzerebene; für pCTR verschieben die Autoren die Berücksichtigung von Impression-Clustern innerhalb von Nutzern und für den GMV die Korrelation von Tag zu Tag auf eine „künftige Offline-Reanalyse“.

Es sind Durchschnitte über alle zugewiesenen Käufer, Fallback-Traffic eingeschlossen, die in Minimal bedienten Anfragen stecken also darin. Der Bericht nennt keine Klick-, Kauf- oder GMV-Zahl nach Pipeline-Modus, und sein Abschnitt zu den Einschränkungen räumt ein, dass aggregierte Zuwächse nicht unmittelbar bestimmen, was jede einzelne Serving-Entscheidung beiträgt. Als Alibabas TriGen-Paper einen Test nach Märkten aufschlüsselte, hatten zwei von sechs in den Punktschätzungen weniger verkauft als die Kontrolle, und das unter einem positiven Gesamtergebnis.

Das Abstract koppelt den Minimal-Anteil an eine mittlere Serving-Latenz, die 12 ms unter der der Produktion liegt, eine Differenz, die der Bericht als „damit verbunden“ bezeichnet. Die Zahl bezieht sich auf den gesamten Einsatz, nicht auf Minimal allein; das Ausgangsniveau wird nie genannt, und die Zahl klammert die Kosten für den Betrieb des Modells aus. Die Ablationen sind nach Aussage des Berichts einzelne Online-Läufe und liefern nur Punktschätzungen.

Taobaos stärkstes Argument wäre, dass diese Anfragen nichts verlieren. Wer nur durchläuft oder wegen eines einzigen subventionierten Angebots kam, sieht sich die Liste womöglich nie genauer an, die übersprungenen Stufen wären dann vergeudet gewesen. Auch die Trainingsbelohnungen des Agenten zählten Klicks und Käufe, nie Kosten. Damit das Argument trägt, müssten die Käufer hinter den Minimal-Anfragen genauso oft klicken und kaufen wie unter der vollen Pipeline.

Das belegt der Bericht nicht. Er nennt seine Geschäftskennzahlen, die mit protokollierten Klicks, Warenkörben und Käufen abgeglichen werden, „Abgleich-Proxys statt kausaler Reaktionen“, und seine eigenen Belege zeigen, dass Konfiguration Schaden anrichten kann. In einem Live-Prompt-Test senkte ein teilweise trainierter Agent ohne die schriftlichen Vorgaben der Ingenieure die Kaufrate im Flash Sale um geschätzte 27 %.

Alibaba präsentiert seinen Einkaufsassistenten Qwen als Helfer der Käufer: Im Mai hieß es, mit Qwen könnten Taobao-Käufer „stöbern, vergleichen, bestellen und Lieferungen verwalten“. MARS arbeitet hinter dem Ladentisch. Sollte sich das Design verbreiten, wird die Frage, wie sehr sich ein Empfehlungssystem bei einem Besuch anstrengt, zu einem Urteil, das ein Modell vorab fällt, anhand der Historie der Käuferin oder des Käufers und des Aussehens der Anfrage.

Für die in Minimal bedienten Anfragen druckt der Bericht keine Zeile, obwohl Taobao jede ausgelieferte Konfiguration „nach Nutzer-ID und Zeitstempel“ mit den Käufen abgleicht. Die Ersparnis wird in Millisekunden gezählt; was die Abkürzung diese Käufer gekostet hat, wird nicht gezählt.