Progressively remove component…

# 推荐系统分批下线操作方案

一、下线原则与前置准备

• 核心指标：以核心下单转化率为唯一守门指标，每步下线后观察48小时
• 判断标准：需提前明确“异常”阈值（如转化率相比下线前7天均值下降超过历史正常波动区间上限，或显著低于同期同类日）
• 数据基线：每步下线前，保留近7~14天转化率基线，便于对比
• 回滚预案：每一步都保留可快速恢复的能力（配置开关优先于代码删除）

二、第一批：下线猜你喜欢弹窗（6月新增）

风险最低，先动

• 确认弹窗服务入口：通过配置开关关闭前端展示，保留服务代码便于回滚
• 下线时机：选周初低峰时段操作，避开大促和周末
• 观察期48小时：重点监控转化率、页面停留时长、点击率是否异常
• 通过判定：转化率在正常波动范围内 → 进入下一步

三、第二批：停用用户画像标签服务

风险中等，需评估依赖方

• 前置排查：确认画像标签的全部消费方（推荐、搜索、广告、客服、运营活动等），排查是否有非推荐系统在调用
• 下线方式：先停服务注册/断开调用方，不建议直接删数据
• 观察期48小时：关注转化率及异常报警（如依赖方调用报错）
• 回滚触发：若转化率跌破阈值或出现大面积报错，立即恢复服务

四、第三批：移除行为日志埋点

影响面最大，最后执行

• 前置确认：埋点数据是否有下游依赖（数据分析、BI报表、算法训练、财务对账等），需相关方书面确认后方可移除
• 分层移除：先停上报采集，历史数据保留归档（保留期限按合规要求）
• 埋点删除建议在全部确认稳定后再做，代码删除留到最后一步
• 观察期48小时同上，另需确认数据管道无报错

五、整体流程与收尾

• 流程：弹窗下线 → 48h观察 → 画像停用 → 48h观察 → 埋点移除 → 48h观察 → 复盘归档
• 观察期口径：建议采用小时级监控+日级汇总，发现异常立即回滚当步操作
• 收尾事项：清理无用配置和定时任务、通知相关团队、更新系统文档、撰写下线复盘报告

六、关键提醒

• 每一步必须等48小时结论确认后再推进，禁止并行下线
• 所有下线操作通过功能开关实现软下线，代码硬删除延后1~2周
• 保留操作日志和审批记录，便于追溯