Uber actualiza recomendaciones de Uber Eats con señales en tiempo real y ranking listwise

Uber renovó la arquitectura de recomendaciones de Uber Eats para incorporar señales de usuario casi en tiempo real, emplear un Generative Recommender (GenRec) y aplicar ranking listwise, con el objetivo de mejorar la pertinencia y la eficiencia del feed.

Uber modificó la personalización del feed de Uber Eats para que las recomendaciones reflejen la intención del usuario durante la navegación activa; la actualización ya está desplegada en la página de inicio y en superficies de descubrimiento para ajustar qué restaurantes se muestran mientras el usuario interactúa con la app. Esto afecta directamente la experiencia de descubrimiento al priorizar resultados más alineados con la actividad reciente del usuario.

La nueva arquitectura sustituye pipelines orientados a lotes por una capa de procesamiento de señales en tiempo real que ingiere clics, búsquedas e historial de pedidos. Según la nota, la frescura de las características pasa de alrededor de 24 horas a segundos y se usa una representación unificada que combina la actividad de sesión a corto plazo con señales históricas; los datos de entrenamiento se generan reproduciendo sesiones históricas para simular el entorno de producción.

Metodológicamente, Uber dejó de puntuar restaurantes de forma independiente y adoptó un enfoque de ranking listwise junto con un Generative Recommender (GenRec). El ranking listwise evalúa múltiples candidatos en una sola inferencia para optimizar el orden relativo entre opciones, lo que, según la compañía, mejora la calidad del ranking y la eficiencia computacional. Brinda Panchal (Product, Uber) destacó la necesidad de equilibrar la intención en tiempo real, el ecosistema de comercios y objetivos complejos de ranking.

En conjunto, la combinación de señales más frescas, una representación unificada y el ranking listwise reduce la discrepancia entre el entrenamiento offline y el servicio online y puede mejorar la pertinencia del descubrimiento de restaurantes en la plataforma a lo largo de una misma sesión.