# 基于LLM的用户-商品相关性指标

动态商品广告的检索质量此前只能靠稀疏且有偏的点击日志或昂贵的线上实验来比较。新方法把用户互动历史压缩成少量按语义ID分组、按事件类型分层的意图代表，再由大语言模型逐条判断候选商品与每个意图的相关性并汇总成用户级分数。在30天生产流量上，该分数对六路检索源的排序与转化精确率、召回率一致，并在四组A/B测试中与线上CTR、CVR变化方向一致。

动态商品广告的检索质量此前只能靠稀疏且有偏的点击日志或昂贵的线上实验来比较。新方法把用户互动历史压缩成少量按语义ID分组、按事件类型分层的意图代表，再由大语言模型逐条判断候选商品与每个意图的相关性并汇总成用户级分数。在30天生产流量上，该分数对六路检索源的排序与转化精确率、召回率一致，并在四组A/B测试中与线上CTR、CVR变化方向一致。