Cara Membangun Sistem Rekomendasi di TravelTech dalam 5 Minggu: Kafka dan MongoDB sebagai Pengganti Feature Store

Christina, seorang insinyur MLOps di Tutu, menjelaskan bagaimana timnya meluncurkan sistem rekomendasi (RecSys v1) hanya dalam lima minggu untuk memenuhi tenggat waktu musim ramai. Alih-alih membangun Feature Store yang layak, yang membutuhkan waktu berbulan-bulan, mereka menggunakan MongoDB sebagai penyimpanan online sementara, menulis pesanan real-time dari Kafka dan fitur batch malam hari dari ClickHouse ke dalam satu dokumen per pengguna. Tantangan teknik utama adalah menangani konteks perjalanan tertentu—kota tujuan, tanggal, dan jumlah tamu—yang tidak dapat ditangkap oleh collaborative filtering saja. Mereka merancang kontrak API untuk menerima pesanan target dari riwayat pembelian pengguna, mengonversi tanggal UTC ke waktu lokal kota kedatangan untuk memastikan tanggal check-in/check-out yang benar. Layanan ini hanya membaca dari MongoDB selama inferensi, dengan fallback ke hotel teratas berdasarkan jumlah pesanan ketika vektor ALS tidak ada. Kemudian, mereka meningkatkan ke CatBoost untuk peringkat, memuat model dari penyimpanan objek saat layanan dimulai. Mereka juga mengisi riwayat pesanan melalui topik Kafka snapshot untuk memastikan pengguna jalur hangat memiliki riwayat, dan menggabungkan pesanan duplikat berdasarkan order_id. Pendekatan pragmatis ini memungkinkan mereka memvalidasi hipotesis pada lalu lintas langsung tanpa arsitektur yang sempurna.