個人化推薦如何每月吸睛15億次，先得撐過3千次午夜爆量挑戰

每天午夜12點，許多人可能早已進入夢鄉，街道上也從白天的喧囂歸於寧靜，但在這個萬籟俱寂的深夜時分，對一家網路公司而言卻不能鬆懈，因為短時間內湧入數十萬人，猶如售票業者搶票的盛況。「別人可能是偶而遇到，但我們卻是天天上演」，社群論壇網站Dcard（狄卡）創辦人暨執行長林裕欽說。

自2011年推出以來，每天到了午夜12點，系統就會向參加「抽卡」的卡友（用戶）發送具有交友性質的Dcard，若卡友對配對的對象有興趣認識，可向對方發出交友邀請，對方同意才成為朋友。「抽卡」的交友機制因帶有命運的意味，受到許多年輕學生的歡迎，9年來超過3千次抽卡，讓Dcard團隊練就一身IT維運的功夫。

Dcard是林裕欽在臺大資管系大二學生時和同學在課堂共同創作的作品，鎖定大學生社交圈，除了抽卡之外，核心服務為匿名社群論壇，讓用戶可自由發表心情文章，和有共同興趣的其他用戶互動，建立共鳴。林裕欽後來在2015年以狄卡為名正式成立公司經營。

相較於1995年推出的PTT，在年輕世代的大學生裡，Dcard擁有相當高的知名度，每月不重覆訪客超過1,500萬人，用戶分享的熱門文章經常被大眾媒體引用，每月吸引過15億次瀏覽量。

建立跨平臺用戶追蹤系統

超過400萬用戶，每月產生的文章高達20萬篇，加上歷年累積的數百萬篇文章，如何依據使用者興趣，投其所好提供適合的內容？背後關鍵是運用數據分析及機器學習技術的推薦系統。

林裕欽表示，Dcard會員數不斷增加，加上公司成立之後，團隊規模擴大，使得分工愈來愈細緻，依數據進行決策愈來愈重要。2017年至2018年，Dcard開始建立自動化推薦，透過數據分析，找出使用者感興趣的內容。

不過，剛開始Dcard僅有網頁版，2013年先後推出Android及iOS版，讓Dcard得以準確蒐集用戶在行動裝置的使用行為數據，但要推薦能讓用戶感興趣的文章，必需能辨別追蹤相同用戶，在桌上型、行動裝置的使用行為數據。

他們曾評估使用第三方的追蹤工具，但以Dcard上千萬的月活躍用戶規模，按第三方服務依使用數量計費，收費恐要價上億元，加上即時推薦需要即時追蹤跨裝置的用戶使用行為，以及數據分析Log、機器學習訓練模型等需求，他們決定自行開發數據追蹤平臺Bilanx，來實現跨裝置串接用戶的行為資料。

打造自動化內容推薦系統投其所好

一般網路論壇常見的三大功能，搜尋、廣告及訊息流，在訊息流方面，Dcard從大量的文章訊息中，篩選出適合的內容提供給可能感興趣的其他用戶。早期Dcard文章推薦，是以過去36小時愛心數排序，將熱門文章推薦給用戶。

而透過追蹤平臺Bilanx，掌握用戶在裝置端的行為數據，例如用戶喜歡什麼內容？每篇文章停留多久時間？再利用相似的人群喜好提供文章推薦。2019年Dcard開始一項專案，今年進入AB測試階段，當用戶進入Dcard首頁，就會看到一個News Feed專案的文章列表，向用戶推薦訊息內容，這項功能背後就是運用深度學習技術打造。

他們參考YouTube經驗，將篩選訊息大致分為兩層，一為Candidate層，一層為Ranking層。先透過Candidate層從幾百萬篇文章中篩選出幾千篇，可能是用戶感興趣的內容，再經過Ranking層根據用戶的興趣、所在的地方、熱門文章、相似人群計算，為這些文章作排序。

運用機器學習技術，根據用戶過去點擊的文章，預測他可能會點閱的其他文章，再根據回饋去訓練模型，搭配Bilanx來分群用戶，再利用AB測試不同上線版本差異，追蹤核心指標是否有提升。

林裕欽表示，除了用戶追蹤的看板，可以明確掌握他的喜好之外，更靠機器學習，為用戶分群，還試了許多做法，以最基本的協同過濾（Collaborative Filtering，CF）為例，例如A喜歡某篇文章，B也喜歡某篇文章，A和B為相似的分群，深度學習也有CF版本。

「為了讓每個人能找到共鳴，如何更有效率找出你感興趣的主題去討論，內容推薦就非常重要。這也是機器學習能長期不斷優化的事」，林裕欽說。Dcard借由AB測試，檢驗不同上線版本差異，調整推薦文章的篩選、排序方式。

目前除了內容推薦，由於Dcard用戶註冊採實名制，用戶每天更換照片，上傳照片可能多達上萬張，Dcard也將機器學習運用於比對照片上，確定更換的兩張照片為同一位使用者，當機器學習無法肯定時，再由人工作再次確認。

打造數據中臺是發展關鍵

用數據賦能每個人，作更快、更好的決策，讓溝通能夠以數據為導向，如果數據難以取用就無法做到。 ─── Dcard創辦人暨執行長林裕欽。（攝影／洪政偉）

Dcard內部透過工作坊、讀書會等各種方式，讓員工接觸新技術、概念或方法，例如Dcard在2016年開始採用Kubernetes（簡稱K8s），當時團隊經過討論，評估對伺服器管理邏輯上更具優勢。林裕欽指出，不需要一臺一臺管理伺服器，大幅降低管理成本而採用，目前Dcard上的服務幾乎都採用K8s，利用K8s的自動擴充平衡，動態調整需要伸縮的服務，在更新程式碼也比較方便，但資料庫仍使用VM。

他們也測試多種資料庫，像是MongoDB、Redis、MySQL、PostgreSQL，還有號稱比Cassandra快十幾倍的ScyllaDB。依據數據的類型、不同的業務需要，測試不同資料庫的特性，目前他們在核心的論壇服務使用PostgreSQL，而去年推出的電商服務「好物研究室」，背後則是使用MongoDB。

他們很快就面臨新的挑戰，各部門各自發展時容易出現數據孤島，導致數據的整合分析、應用都相當不便，例如「好物研究室」的MongoDB，難以和用戶行為資料整合，最後，他們參考了阿里巴巴在2015年所提出的數據中臺，建立一個統一數據分析、查詢框架。

Dcard發展自己的數據功能和指標，再經過不斷的優化調整如資料驗證，在2019年完成ETL、統一的定義等等，才完成了這個數據中臺的建置。

目前他們在社群論壇服務使用的PostgreSQL及電商服務使用的MongoDB，在資料倉庫層主要使用BigQuery查詢，依資料查詢即時性較低的需求，則使用AWS Redshift查詢。資料分析介面統一使用Redash。

透過建立數據中臺，帶來統一的權限控管、監控，以及資料定義及查詢、ETL、斷詞、標註、Archive和Log管理等等。

「業務型態愈多，使用的資料庫愈多，愈能顯現出數據中臺的價值」，林裕欽說。

讓員工學會自己分析資料

為了讓資料查詢能夠更有效率，Dcard透過內部訓練課程讓幾乎所有的員工，產品經理甚至是客服都會執行SQL指令，由Redash為每個人權限控管，這麼做可讓員工遇到問題時，能更快取得資訊解決問題。

Dcard並非一開始就要求員工要會執行SQL指令，剛開始是負責BI的員工願意分享，透過工作坊教導其他員工，如何運用SQL指令作資料分析，發現成效不錯，才慢慢成為常態，鼓勵員工學習這項技能。

「用數據賦能每個人，作更快、更好的決策，讓溝通能夠以數據為導向，如果數據難以取用就無法做到」，林裕欽直言，目標是要讓大部份員工都能學習做資料分析，公司內雖然只有一支由BI、AI組成的7人資料團隊，但他希望所有人都有能力進行資料分析。

他認為落實數據思維的方式，是讓每個人都會使用SQL指令，遇到問題就能夠自己解決。當看到一項數據時會想知道背後的原因，自己就能分析資料，以更深入的方式去思考問題。

不過，讓員工自己作SQL查詢，若查詢的資料比較複雜，同時間遇到較多人使用，可能拖慢資料庫的效能，為避免此一問題，Dcard利用資料庫快照，每小時快照一次來建立另一個查詢用的副本資料庫。

靠層層快取、動靜分離應付流量

Dcard累積近500萬篇文章，過去卡友分享的熱門文章，像是「我吃了那男孩一整年的早餐」、「阿嬤這是Lv」，被許多用戶分享，經常登上大眾媒體版面，帶來許多的流量。而每天午夜12點的抽卡，短時間內吸引大量流量進來。

林裕欽指出，相較於熱門文章使得整天流量都高，午夜的「抽卡」在短時間內產生流量高峰，數十萬人湧入打開Dcard，就像訂票業者面臨搶票狀況，團隊在天天歷練之下，培養出對資料庫特性有更深的理解。

Dcard的資料快取會根據不同資料特性，選用不同的資料庫儲存，如大宗快取資料用MongoDB，若是以效率為要求，則使用Redis、Scylla。此外，還用ElasticSearch支援每天百萬次搜尋查詢。

午夜時的「抽卡」，大量用戶開啟Dcard，這些用戶不只「抽卡」，也會觀看文章，「抽卡」比較能預期，將需要的資料先作快取，而瀏覽文章方面，透過層層快取資料，利用CDN、HTTP、瀏覽器、後端資料庫層層快取，層層快取結合不同特性資料庫，特別是在CDN使用Cloudfare worker機制，將API請求合併在一起。

另外，他們也建立一套動靜分離機制，將文章拆分為不易快取的個人化資料（對文章的留言、愛心），和較易快取的非個人化資料（文章內容）。個人化資料偏動態且流量較大，非個人化資料偏靜態且流量較小，Dcard將動靜態資料拆開來快取，到前端再合併顯示在使用者面前。

林裕欽表示，將文章資料變在靜態檔案，如JSON檔，讓CDN、前端的瀏覽器快取，如果發現該篇文章和上次請求沒有更新就可直接使用，或是從CDN取得，儘量降低對Dcard伺服器的要求。如果文章有更新，會通知CDN原本快取失效，並通知使用者更新內容。

對於臨時爆量的請求，他們也利用K8s的自動擴充功能，自行開發一套系統，在資源不足時加開機器，做到維運管理自動化，當波峰過了，再自動調整因應。

另外，Dcard也在非即時的任務，利用Message Queue的相關機制，以Pub/Sub、RabbitMQ處理非同步任務，以減少資料庫存取的波峰。

他們也在善用預先計算機制，例如用Airflow提早進行資料的ETL、計算，再進行快取，降低尖峰時段所耗用的資源，提早應對流量的爆發。

持續增加用戶規模、調整AI推薦

儘管在年輕學生已有蠻高的滲透率，但Dcard仍持續擴大用戶規模，去年底他們開放了自學校畢業幾年的社會人士，可以身分證註冊會員。另外，目前Dcard用戶的日停留時間約為30分鐘，他們希望靠AI建立個人化的推薦機制，拉長用戶的停留時間，增加用戶的互動比率。今年進入測試階段的AI訊息推薦機制，正在不斷調整優化中，在AB測試的組別中，他們發現有的組別甚至有20到30%的提升，成效不錯。

目前在Alexa臺灣網站排名裡，Dcard排名第15名，表現甚至超過巴哈姆特、PTT等其他知名論壇，但Dcard並不以此為滿足。

「我們的目標是持續增加使用者，提升服務品質，為每個人找到共鳴」，林裕欽說。

CTO小檔案

林裕欽

Dcard創辦人暨執行長

學歷：臺灣大學資訊管理學系

經歷：2011年在大二的課程上和同學共同創作Dcard，2015 年正式成立公司導入專業化的經營，至今擔任Dcard公司執行長，負責制定戰略與管理公司，打造學習型組織，導入OKR目標管理。帶領打造AI推薦團隊，提供個人化推薦系統。

公司檔案

Dcard（狄卡）

● 地址：臺北市光復南路102號14樓

● 成立時間：2015年

● 主要業務：全臺灣最大、年輕族群有高滲透率與影響力的匿名論壇，並提供「抽卡」交友服務。去年新推出電商服務。

● 員工數：120人

● 資本額：3981萬元

公司大事紀

● 2011 年：推出 Dcard 網頁版

● 2013 年：推出Dcard Android版

● 2015 年：推出iOS版，成立狄卡股份有限公司

● 2016 年：提供整合行動、影音、原生廣告、內容、活動與社群的廣告解決方案

● 2018年：拓展版圖至港澳市場

● 2019年：推出電商「好物研究室」