维持现状召回全站推商品，初期保留以保障大盘稳定。长期稳定后可在此通道过滤全站推商品。
独立 HA3 集群，底池限制为全站推商品，以同样的召回条件进行召回和粗排，保障精排 quota。
广告自建引擎召回服务，仅返回候选 nid 列表，后续由 RankScore 独立通道做字段对齐与粗排打分。
跟随普通广告一同召回到混排阶段，不进入广告商业化率 PVR 计算。搜索场景走独立 HA3 集群。
独立通道占精排阶段商品数的 20%（推荐/搜索均适用），eCPM 和 RankScore 独立通道各占约 10%。三路数据按比例去重合并：eCPM 优先级最高 > RankScore 独立 > 自然通道，合并后打 recall_src 标记（1=自然，2=RankScore，4=eCPM，累加判断来源）。
与推荐召回+粗排并行，调用广告 eCPM 独立通道召回服务获取候选集合，送入自然精排统一打分。广告侧执行推荐侧下发的场景过滤规则（曝光过滤/购买过滤/负向类目/同款过滤）。
RankService 调用广告 eCPM 预估服务，对全站推商品（自然召回白名单+广告引擎召回）生成 eCPM 分数。包括广告有效性过滤、CXR 打分校准和出价计算。
TPP 调用广告计费服务，基于本地索引补全字段，生成广告 PV 日志（伪曝光）和计费埋点（曝光/点击）。
| 接口 | 场景 | Timeout | Avg / P99 目标 |
|---|---|---|---|
| eCPM 召回 | 首猜（非0页 / 0页） | 110ms / 90ms | 70/110 · 50/92 |
| eCPM 召回 | ND（非0页 / 0页） | 95ms / 75ms | 56/94 · 44/73 |
| eCPM 预估 | 首猜 | 40ms | avg 20ms / p99 30ms |
| eCPM 预估 | ND | 40ms | avg 24ms / p99 30ms |
| 计费串 | 通用 | 30ms | — |
透传广告请求串给 SP；调用混排时透传全站推字段；调用计费服务下沉到服务端（30ms timeout）；容灾写入时去除全站推标识降级为普通商品。
并发请求三路召回通道，按比例去重合并，打 recall_src 标记；自然通道空则中断丢弃全站推结果；RS 异常则仅用自然结果兜底。
新建独立全站推召回集群（独立 BS + HA3），每次查询 SP 发送 2 次请求（RankScore 通道 ~50ms / eCPM 通道 ~10ms），增加 User cache 降低二次访问延迟。
独立全站推 RTP 集群，分机房订阅 eCPM 服务；并行调用大模型 + eCPM 预估；eCPM RT: avg 40ms / timeout 80ms
ODPS + Swift 接入广告品，T+1 生效 / 删除实时；dim join 主搜 dump 产出 HA3 表；is_ad=0 做 delete 处理
按混排公式统一排序；计费调用下沉到 WSearch；全站推不参与商业化率控制
广告/全站推坑位不变，仅调整普通推荐顺序；端上感知全站推广告做打散控制
与主搜 QP + HA3 并行执行，RT 上限必须小于两者累加值。平均 RT ≤ 50ms，P99 RT ≤ 100ms，timeout = 110ms（QP avg 30ms / P99 60ms + HA3 avg 50ms / P99 100ms）。
α_精 调控加权力度topN_精 控制单请求竞得上限（精排 quota 的 10%~30%）α_混 和 β 可统一（一视同仁）或差异化设置广告引擎全站推跟随普通广告处理，推荐引擎全站推跟随普通推荐处理
统一混排分公式，全站推商品增加 α × eCPM 加权
广告引擎全站推跟随广告处理，推荐引擎全站推由推荐 TPP 调用计费
全站推不参与商业化率控制，通过 α 系数平衡效率和交付
推荐避让广告，首猜/购后重复率 <1%，ND 端上去重
organic_score 和 eCPM 量纲不同，直接相加会导致撬动幅度不稳定。采用分位点对齐方案：十分钟粒度统计两方累积概率分布，将 eCPM 映射到 organic_score 分布上同分位点的值，使加权后的分数具有可比性。
| 维度 | 推荐侧 | 搜索侧 |
|---|---|---|
| 独立引擎 | 推荐 TPP 链路调用广告 eCPM 通道 | 独立 HA3 集群（BS 构建 + 搜索引擎），每次 2 次请求 |
| 召回合并 | 各路独立进入精排，Quota 占比 20% | SP 并发三路，按比例去重合并 + recall_src 标记 |
| 精排服务 | RankService 调用广告 eCPM 预估（timeout 40ms） | 独立 RTP 集群，分机房订阅，并行调用大模型 + eCPM（timeout 80ms） |
| 计费调用 | TPP 链路在混排结束后调用 | 下沉到 WSearch 服务端（商品信息补全阶段，30ms timeout） |
| 容灾策略 | AB 实验验证，独立通道可独立开关 | RS 异常 → 丢弃全站推用自然兜底；eCPM/RankScore 通道可单独关闭 |
| 端智能 | 只调整普通推荐，全站推坑位不变，智能刷新不请求全站推服务 | 全站推商品当普通自然商品参与 cache/重排，端上感知后做打散控制 |
| 数据时效 | ODPS + Swift，新增 T+1 生效（x2i 计算），删除实时生效 | ODPS + Swift 导出 saromirror，is_ad=0 做 delete，上下架目标秒级 |
| 场景优先级 | 首猜 P0 / ND P0 / 购后 P1 / 好价版 P1 | 主搜全量接入 |
搜索侧计费服务若失败或超时，商品自动降级为普通自然商品（去除 x_qzt_ad 标识），极端情况可能出现广告预算扣完后降级。推荐侧同理，不返回 eCPM 则商品使用自然分参与精排。
全站推前期不参与基于全局阈值 T 的商业化率控制，但需建设独立调控能力并监控 PVR 水位。后期 PVR 升高后，实验判断是通过反馈阈值 T 还是 α 系数调节。单页数量通过 max 个数控制（精排/混排各自可调）。
做加权 vs 不加权的撬动幅度不低于 x%（曝光/点击/成交），精排进入混排候选数撬动 ≥ y%，全链路曝光撬动 ≥ z%
organic_score 和 eCPM 模型切换/分数逻辑调整前后，全站推撬动幅度交付指标保持稳定，搜推内部 α 系数可近似统一
各场景场景指标损失可控（成交笔数/IPV 等），通过穿透实验逐阶段验证，全域成交归因保障计费服务调用
ODPS 天级表（nid + is_ad）+ Swift 实时流。新增 T+1 生效（x2i 计算），删除实时生效（后向过滤 + 倒排清理 T+1）。交付 RankScore 独立通道 BE 和 RankService。
广告侧同步推荐商品特征（ODPS 天级离线），用于补全 RankService 商品特征。eCPM 召回通道返回首猜/ND 场景字段并集。
Schema 保持与普通广告一致。PV 日志在计费调用时记录，IFS（真实曝光）依赖端上上报，EURL（点击）携带计费串。ND 场景 posid 非最终展示序需注意。
商品新加入全站推时：eCPM 特征实时添加（ecpm 分正常打出），ctr 特征不实时（原来不在则打 0 分）。商品下线时：eCPM 特征实时删除（ecpm 分为 0），ctr 特征不实时删除。两侧异步更新，保障实时性的同时避免模型退化。