数据运营系列篇：个性化推荐进入场景推荐时代

做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。

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？

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。

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。

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。

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。