摘要

本文由微软的研究团队撰写，专注于为微软销售人员（MSX卖家）提供细粒度的大规模内容推荐。在大型软件组织中，销售人员需要维护与大量合作伙伴、客户和利益相关者的关系。微软销售人员使用Microsoft Sellers Experience（MSX）工具来管理这些复杂的关系。本文提出了一种基于语义匹配的内容推荐模型，该模型能够根据特定机会的上下文，从Seismic内容库中推荐最相关的技术文档、产品比较、客户成功故事等，帮助销售人员提高销售效率。该模型通过高效的语义匹配技术，处理大量机会与内容组合，确保为每个机会推荐最相关的5个内容。此外，文章还介绍了如何通过人工领域专家和“LLM作为评判”框架来评估推荐质量。

原理

本文提出的内容推荐模型基于语义匹配技术，通过将Seismic文档和机会的元数据转化为文本描述（即“内容提示”和“机会提示”），然后利用DistillBERT语言模型生成嵌入表示。这些嵌入表示随后通过交叉编码器模型进行重新排序，以确定最相关的文档。模型的架构包括两个阶段：第一阶段快速检索出前50个相关文档，第二阶段通过交叉编码器进行精细排序，最终确定每个机会的前5个推荐文档。这种两阶段系统的设计旨在处理大规模数据，同时保持推荐的高质量。

流程

1. 内容和机会的元数据处理：首先，将Seismic文档和机会的元数据转化为文本描述，形成“内容提示”和“机会提示”。
2. 嵌入生成：使用DistillBERT语言模型对这些提示进行处理，生成嵌入表示。
3. 初步检索：通过初步的检索步骤，为每个机会筛选出前50个最相关的文档。
4. 精细排序：利用交叉编码器模型对这50个文档进行重新排序，确定最终的前5个推荐文档。
5. 结果存储与展示：将推荐结果存储在Azure Data Lake Storage（ADLS）中，并通过Nebula insights管道推送到Cosmos数据库，最终通过.NET API在MSX用户界面中展示给销售人员。

应用

该推荐系统不仅适用于微软销售人员，还可以扩展到其他大型企业，帮助销售团队更有效地管理客户关系和销售机会。通过提供定制化的内容推荐，可以显著提高销售转化率和客户满意度。此外，该系统的技术和方法也可以应用于其他需要大规模内容推荐的场景，如电子商务、在线教育等。