伊对APP是北京米连科技有限公司旗下品牌,公司成立于2015年,是国家高新技术企业和北京中关村高新技术企业。2019年公司营收近10亿人民币。2020年公司完成包括小米、顺为资本等多家机构参与的B轮投融资,据悉伊对在A、B两轮的融资金额近亿元美元。伊对App专注于移动端线上交友和相亲,将视频、直播和线上红娘创造性地融入该领域,开辟了视频恋爱社区的独立赛道,为单身人群提供了全新的社交体验,成为2019年互联网细分领域的亮点。截至目前,伊对注册用户已达1亿,活跃红娘4万多人,每月撮合线上相亲活动约1000万场。
社交媒体与约会
日志服务上云
北京
伊对是一款专注于年轻人社交的视频相亲App,主要模式是以红娘为中间连接的视频交友,由一名红娘带领单身男女嘉宾各一名进行相亲。开始相亲后,首先由红娘介绍双方基本情况和相亲诉求,随后引导男女嘉宾双方进行连麦互动,观众可进入房间观看相亲过程。
视频相亲平台介于婚介所和泛娱乐直播之间,红娘牵线搭桥为主,将主要表现机会留给嘉宾,消弭了以往主播与观众之间的不对等。线上聊得投机,线下相见的概率高,用户的活跃度和粘性更强。观众可进房间观看相亲过程,也为父母和亲友的参与提供了机会。
不同于一般恋爱产品,伊对并不以最终撮合成果为唯一目的,而是本着为用户创造更多的恋爱机会出发。比传统的婚姻中介更加在意用户在交流时的情感表达,并鼓励用户去接触更多的异性。在初期,伊对采用了ES和MySQL提供推荐和搜索业务。但是随着业务发展,架构升级,数据量的增长,伊对需要寻找更强大的数据采集、处理和分析平台来满足运营团队日益增长的数据分析需求,保持伊对高速的用户增长率。
数据来源分散,统一规划和管理成当务之急。客户使用不同的计算存储引擎,包括数据库类、大数据类、三方服务等,需要统一规划和管理,避免产生数据孤岛;并且希望进一步提升开发和管理效率。
随着业务和用户规模的提升,尤其是直播间相亲活动数量的成倍增长,系统复杂度和日志量也迅速地增长。但是由于自建的ES平台在高业务量下遭遇变的非常缓慢,当出现系统问题时故障排查效率较低,用户体验无法得到充分和及时的保障。
客户始终坚持以数据驱动产品运营,从最早的统计报表类需求,逐步扩展到基于算法的推荐、风控、运营交互式查询、用户行为分析等领域,但是与之对应的数据能力较为薄弱。
阿里云日志服务为伊对提供了全方位的日志采集解决方案。Web前端日志通过阿里云日志服务WebTracking方式采集上报到日志服务SLS的服务端;APP前端日志通过阿里云日志服务iOS和Android SDK采集上报到日志服务SLS的服务端;服务端日志通过阿里云日志服务Logtail采集方式上报到日志服务SLS的服务端。
通过阿里云日志服务SLS,客户构建了统一的智能运维和运营平台。通过对各应用系统、服务器、数据库及网络安全产品等服务的访问日志做统一的采集,并利用SLS的秒级查询、日志聚类、AI异常检测能力、多种告警方式,客户构建了异常事件的快速分析与响应平台,确保了线上系统的稳定。
以日志服务为基础的伊对智能运维平台,也应用在用户体验改善上,通过多维度的指标分析和图形化展现,为持续改善用户体验提供了数据基础。通过以阿里云日志服务采集上来的数据为基础,结合离线计算、实时计算引擎和PAI机器学习平台,为客户提供统一的数据分析服务。
解决方案提供了API网关(作为统一数据服务出口)、QuickBI(交互式报表制作,拖拽形式快速制作各种报表)以及DataV(固定格式的数据大屏)等多种数据可视化工具,满足不同场景下的数据展示和分析需求,提升了运营团队的数据驱动决策能力。
阿里云日志服务方案帮助米连科技解决了数据分散的问题,实现了从不同来源的数据统一采集和存储,为后续的分析和应用奠定了基础。
通过日志服务的实时分析和异常检测能力,米连科技大幅提升了系统问题的发现和排查效率,有效降低了故障响应时间,提升了系统稳定性。
借助阿里云的数据分析平台,米连科技实现了从简单统计到复杂行为分析的能力提升,能够更深入地理解用户行为,为产品优化提供了数据支持。
日志服务方案帮助米连科技实现了IT运维、数据运营、风控等方面的改善,使团队可以专注于业务创新,而不是基础设施维护,提高了整体运营效率。
社交平台产生的大量用户行为数据是产品优化和业务增长的关键资产。通过将日志服务迁移至云端,社交平台可以获得更全面的数据收集、更快速的分析能力和更智能的异常检测,从而提升用户体验并加速业务发展。
对于社交和视频相亲平台,日志服务上云可以带来以下核心优势:
云日志服务提供Web、移动应用和服务端的全面日志采集能力,确保从用户端到服务端的所有关键行为数据都能被完整记录和分析
秒级的查询和分析能力使平台能够对用户行为和系统异常做出即时响应,通过设置智能告警规则,提前发现并解决潜在问题
云日志服务能够自动适应业务增长带来的数据量激增,无需担心存储容量和处理能力的限制,确保在用户高峰期也能保持高效运作
结合机器学习能力,日志服务可以自动识别异常模式、预测潜在风险、分析用户行为趋势,为产品决策提供智能化支持
丰富的数据可视化工具使复杂的数据关系变得直观易懂,运营团队可以通过交互式报表、自定义大屏等方式深入理解用户行为和业务状况
社交平台在进行日志服务云迁移过程中,可参考以下建议:
在迁移前明确业务关键指标和监控维度,确保上云后能够覆盖所有重要数据点,为产品迭代和用户体验优化提供有效指导
根据数据重要性和业务价值设计分层采集策略,对核心业务数据进行全量采集,对次要数据进行抽样或聚合采集,平衡性能与成本
设计完整的用户行为跟踪体系,关注用户在平台上的全链路行为,识别转化漏斗中的关键节点,为精细化运营提供数据支持
建立多层级的告警机制,针对系统异常、用户体验下降、业务指标异常等不同场景设置差异化的告警策略,确保问题能够被及时发现和处理
构建从数据采集、处理、分析到应用的完整闭环,确保数据分析结果能够有效指导产品优化和运营决策,形成数据驱动的业务增长模式