本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

数据运营系列篇(4):个性化推荐进入场景推荐时代

数据分析师 cdadata 255℃ 0评论

数据运营系列篇(4):个性化推荐进入场景推荐时代

推荐系统应该来说也有段时间了,而运营过程中通过推荐智能貌似已经成了烂大街的套路,给你发条短信、推个push、打个小红点、发了广告banner,而作为用户现在也有些变化的麻木了,今天还和郭太讨论了这个事情,本来是找算法团队一起讨论如下做线下O2O场景的问题,聊了聊具体的需要哪些数据,怎么将这其中的数据串联起来,还原当时的用户场景。

数据质量上首先就遭到算法同学的一顿吐槽,很多历史LBS、POI信息都是没有经过清洗就直接导入表中了,还有很多数据值空缺,根本就不能用。而且本身想做场景运营,就要把人物、时间、地点、环境、行为数据都关联上,这中间就别提有多糟心了,感觉是件任重道远的事情。

数据运营系列篇(4):个性化推荐进入场景推荐时代

之前本来接手外卖这块的业务场景推荐的,而如今要做线下智慧城市的个性化推荐,找到老同学一起聊了聊,像之前广告推荐的百分点公司做的算不错的,可是现在再这么搞还行吗?感觉有些low了。毕竟我们也算是数据比较全的公司了,怎么去捕捉用户的需求?

你要是再搬上一套用户画像、会员营销、积分等级,那真的没办法再玩了。而且现在app里面的内容真的是太多太多了,一个用来聊天的工具,里面又有游戏、新闻、充值、消费等,作为用户真的有那么多的需求吗?

数据运营系列篇(4):个性化推荐进入场景推荐时代

回顾下个性化推荐的发展,App可主动向用户推送新闻动态、版本更新、优惠活动、生活服务等各类信息,并通过多维度用户群组分析进行。

个性化推荐技术演变经历了至少三个阶段,

第一个阶段主要目的是快速实现信息推荐:

  • 消息实时到达,提高用户活跃度
  • 多个App合并通道,省电省流量
  • 应用进程相互看护,活跃有保障
  • 精确数据报表,数据实时统计反馈

第二个阶段主要是实现信息精准推荐:

  • 智能标签,建立精准用户画像
  • 避免盲目推送,实现精细化运营
  • 分组对比测试,优化推送决策
  • 强大的数据联盟,清晰的行业报告

第三个阶段则是实现基于场景营销式推荐

  • 精准捕捉场景,合适地点触发消息
  • 进入、停留、离开,情景化推送
  • 性别、年龄、爱好,智能标签分类
  • 学校、商场、火车站,地理围栏调用

下面说几个生活中的场景,每一个场景,有的是一些创新公司做的,有的是阿里集团相关的事业群做的。第一个走路是不是可以赚钱?有人每周在奥森公园跑3次步,我怎么把这个时间做新的经济效益。有一家公司叫众安保险,是全世界第一个完全在云上搭建的公司,没有任何数据中心,所有的东西都在云计算上,这家公司作为纯粹的互联网保险公司,去年10月份做了步步保的产品。

对于一个人买的10万块钱的健康疾病险,每天走五千步,当天保费就免掉了。精巧设计了3个主体都有所得,作为最终的消费者可以每天看步数决定自己是不是要多走几步,免掉一天的保费,健康水平大幅度提升了。就像高总一下瘦10斤。对于卖手环的厂商是非常致命的,智能手环每个人戴三个月就不用了,对于手环厂商销量和交易频度是一个问题。

一个保险公司卖健康险的时候,没有办法用电话的方式交流,你还要理解被保险人即时的健康情况。这个创新来自于一个胖子和一个瘦子之间的交谈,众安保险的产品公里,有一天跟一个大胖子吃饭,他们两个人说,你买的保险是多少钱,我买的是多少钱,价钱是一样的,很不公平。对一个卖健康人的保险,让身体好的人享受更低的保费。驾驶习惯更好的人享受一半左右的车保险。这个场景把互联网公司,保险公司和个人最关系的问题,硬件与交易频度,数据与消费者行为,还有我自己的健康,全部联系在一起,这是非常有意思的东西,差不多每一段时间都会做一个秒杀,如果你是爱运动的人,基本上可以免费享受这个场景。

第二个问题,所有的女士都会遇到一个问题,为什么总是没有衣服穿。阿里自己去年有一个超级的数据研究的机构,做深度学习的,第一个产品叫拍立淘,大多数女士看到模特后才决定买产品的,但基本上回家以后是惨不忍睹的。澳大利亚采用一些胖模特做泳装的模特,我们作为个人消费者更容易接受这样的情况,胖是一种宽容。对于每一个女士来说,看到与她相仿的人看到新衣服很漂亮,用手机拍完3秒自动匹配淘宝哪家店卖一模一样的衣服,这是后面的图像识别、深度学习,数据应用。使我们的购物进入一个全新的时代,你能依照你个人的身材,甚至气质去决定买那件衣服,可以决定拍照的瞬间,可以预知效果。深度学习,人工学习,大数据解决女士总是买不大合适衣服的问题。

数据运营系列篇(4):个性化推荐进入场景推荐时代

第三个,在北京这样一个雾霾深重的城市,哪些人购买空气净化器,或者谁需要购买空气净化器。今天住在劲松一带的人,自己家住在哪里,经常往返哪里。最近看芈月传的这些观众,会喜欢哪一类的洗发精,数据已经沉淀告诉我们了。同时我们知道,在北京不同的区域,精细到小区级别,那个地方的PM2.5大概多高,哪个地方应该建议他更多花时间去注意自己室内的健康。我知道我很多的同事热衷于买PM2.5的脉表,到处去量,这些数据会逐步用于整个社会治理和未来对于气象的监管方面。

还有一个交通问题。我现在天天用导航系统上班。我用导航,不是因为我不认路,因为我想躲避拥堵。大家有没有注意一个问题,每天早晨8点从家里制定导航,我去西单,半小时以后,后半段的车程和你实际制定的是不一样的。北京拥堵,其实每一年都是非常相似的,靠近元旦的时候,靠近春节的时候,都是完全一样的。有没有一个模型,能让你对出行的未来产生影响,我们在广州做了这样的项目。把过去一年所有的出行的公共交通的数据沉淀下来,大学生参赛者可以做出出行的建议,告诉你,你今天应该等哪个车,转哪个车。

数据运营系列篇(4):个性化推荐进入场景推荐时代

这个背后就是一种算法的能力,我们在浙江高速做了一个最大的算法级别的项目,这个项目非常简单,就是把所有的在高速上手机的信令搜集回来,然后通过信令的切换,能够预知到,未来两三个小时,高速拥堵的情况,那么这个准确率达到了92%,这个是非常难的,此之前的世界纪录是80%。数据能力靠模型和历史数据预测能力达到92%,对于非常复杂的交通环境,这是一个世界级的算法专家才可以做到的。

而现在我们就面临什么时候希望坐公交,我们要坐的公交到哪儿了,晚上下班回家的时候最后一班是什么时间这些问题,这些问题都困扰着我们这些搞数据的同学,但是如果能够解决了,那给用户的体验就是非常好。我不需要打开任何App,就得到我需要的服务。

数据运营系列篇(4):个性化推荐进入场景推荐时代

从场景和具体业务去找数据,从数据中去推断具体的场景和业务。

著作权归作者所有。
商业转载请联系作者获得授权,非商业转载请注明出处。
作者:面包君
来源:知乎

转载请注明:数据分析 » 数据运营系列篇(4):个性化推荐进入场景推荐时代

喜欢 (0)or分享 (0)

您必须 登录 才能发表评论!