Etsy 利用大型语言模型 (LLM)，根据浏览和购买历史创建详细的匿名买家画像。这些画像捕捉细微的兴趣和购物意图，从而为平台上近 9000 万买家增强个性化体验。 技术实现包括检索用户活动数据，然后提示 LLM 解释这些数据以生成画像。为了使这一过程具有可扩展性和成本效益，Etsy 优化了数据源，减少了输入令牌量，增加了批处理大小，并采用了并行处理。 这些优化大幅缩短了买家画像生成时间和成本。生成的买家画像随后被用于通过查询重写和精细化筛选按钮来个性化搜索体验。查询重写通过预测的兴趣来丰富用户搜索，而精细化筛选按钮则根据用户偏好提供可点击的过滤器。 Etsy 通过点击率和转化率提升等指标来衡量这种个性化的成功。他们还通过根据用户活动动态刷新画像并检测兴趣漂移来保持画像的准确性。 未来的工作包括通过尝试继承画像来解决新用户的“冷启动”问题。最终，Etsy 旨在改善发现，并为每位购物者创造更直观的搜索体验。