對(duì)于產(chǎn)品經(jīng)理來說，基于大數(shù)據(jù)和算法的精準(zhǔn)推送系統(tǒng)怎么去設(shè)計(jì)呢？

隨著頭條，抖音的陸續(xù)崛起，互聯(lián)網(wǎng)的流量時(shí)代已經(jīng)結(jié)束，未來的互聯(lián)網(wǎng)一定是大數(shù)據(jù)+算法時(shí)代。誰掌握數(shù)據(jù)和擁有更先進(jìn)的算法，誰就擁有了未來。隨之而來的基于大數(shù)據(jù)和算法的精準(zhǔn)推送（內(nèi)容或商品等），也在我們生活中的各個(gè)領(lǐng)域遍地開花了。

那么對(duì)于產(chǎn)品經(jīng)理來說，基于大數(shù)據(jù)和算法的精準(zhǔn)推送系統(tǒng)怎么去設(shè)計(jì)呢？

這里結(jié)合我所在行業(yè)從系統(tǒng)結(jié)構(gòu)設(shè)計(jì)層面（推送算法的介紹網(wǎng)上有很多資料這里不會(huì)過多涉及）和大家一起來討論下。

一、要清楚誰是我們的目標(biāo)客戶，目標(biāo)客戶有哪些需求

具體來說我們做精準(zhǔn)推送，我們要充分了解所在行業(yè)的業(yè)務(wù)，梳理出我們的目標(biāo)客戶是那些，更要清楚客戶在不同的情況下的不同需求。

例如：我在汽車后市場行業(yè)，那么我的目標(biāo)客戶就是有車族以及喜歡駕駛的朋友。這里我就要弄清楚這些客戶需求什么，喜好什么，既要搞清楚他們的硬需求——審車、違章、油品和各種維保；還要搞清楚TA們的隱形需求——在不同天氣情況下和不同環(huán)境下需要的天氣預(yù)報(bào)，擁堵信息等，只有掌握這些我才能見方開藥（如下圖）。

通過梳理目標(biāo)客戶的需求，這里就可以梳理出整個(gè)推送平臺(tái)需要哪些基礎(chǔ)功能支撐（如下圖）。

以上某些系統(tǒng)模塊這里不再做詳細(xì)的介紹，因?yàn)榫W(wǎng)上有很多相關(guān)資料。

二、要用大數(shù)據(jù)思想去做各個(gè)系統(tǒng)模塊 ?

所謂的大數(shù)據(jù)思想也就是我們在做的各個(gè)系統(tǒng)模塊時(shí)，都要優(yōu)先考慮相關(guān)功能的數(shù)據(jù)采集和統(tǒng)計(jì)；因?yàn)樯鲜龅母鱾€(gè)模塊一般都會(huì)優(yōu)先于推送平臺(tái)去開發(fā)，所以作為產(chǎn)品經(jīng)理要用發(fā)展的眼光去做這些功能需求。

特別是在做一些可能要為以后數(shù)據(jù)平臺(tái)提供支撐的功能時(shí)，更要為數(shù)據(jù)的提取、分析以及分析后結(jié)果返回等預(yù)留好接口，只有這樣才能讓系統(tǒng)擁有更好的擴(kuò)展性。

另外在設(shè)計(jì)大數(shù)據(jù)平臺(tái)時(shí)，要從實(shí)際業(yè)務(wù)出發(fā)，從不同緯度去分析數(shù)據(jù)，做出符合實(shí)際業(yè)務(wù)需求的用戶畫像、用戶行為等基礎(chǔ)的數(shù)據(jù)服務(wù)（用戶畫像這塊這里不在多討論，上篇文章已經(jīng)詳細(xì)介紹過）。

只有在大數(shù)據(jù)思想指導(dǎo)下設(shè)計(jì)出來的系統(tǒng)模塊、才能夠很快滿足精準(zhǔn)推送所需要的基礎(chǔ)支撐，不至于在以后的開發(fā)中不停去修復(fù)之前系統(tǒng)所留下缺陷?；A(chǔ)打好了，精準(zhǔn)推送系統(tǒng)就是水到渠成的事情了。（汽車后市場行業(yè)各個(gè)畫像，如下圖）。

三、要設(shè)計(jì)出符合行業(yè)和運(yùn)營需求的推送引擎和算法　

在有數(shù)據(jù)支撐和相關(guān)平臺(tái)支撐的基礎(chǔ)上,我們就可以設(shè)計(jì)整個(gè)推薦系統(tǒng)的核心——推薦引擎。

基本的推薦引擎由三個(gè)階段組成 分別為匹配階段、過濾篩選階段、輸出排序階段。只有經(jīng)過推薦引擎的三個(gè)階段，才能盡可能精確地完成一次精準(zhǔn)推送 (如下圖)。

整個(gè)流程就是根據(jù)用戶畫像、車輛畫像和用戶的近期行為信息進(jìn)行計(jì)算，并得出這個(gè)用戶需要的內(nèi)容畫像或商品畫像。

然后從內(nèi)容和商品庫中篩選符合要求內(nèi)容或商品形成一個(gè)推薦集，然后再結(jié)合用戶行為、車輛畫像和內(nèi)容標(biāo)簽、商品標(biāo)簽等通過算法對(duì)此推薦集進(jìn)行篩選過濾。最后對(duì)過濾出的推薦集按照契合度、熱度等權(quán)值進(jìn)行排序輸出給客戶，最終形成千人千面的內(nèi)容和商品的精準(zhǔn)推送界面。

舉例來說：一個(gè)有輛某品牌車齡為一年的SUV車主用戶，我們通過數(shù)據(jù)可以知道這個(gè)客戶本人喜歡自駕游，喜歡聊天等愛好；還知道這個(gè)車主的車什么時(shí)間審的車，行駛了大約多少公里，最近是否有違章，而且最近客戶行為曾經(jīng)搜索過機(jī)油等關(guān)鍵詞。

通過這些數(shù)據(jù)和行為，然后我們再結(jié)合最近的客觀因素（例如：天氣），我們就可以給客戶推薦相關(guān)的內(nèi)容（自駕游知識(shí)）、商品（機(jī)油、雨刷、輪胎、等）、話題和服務(wù)（維保、審車、違章處理）等等。

當(dāng)然更復(fù)雜推送的系統(tǒng)，還要考慮流量分配，用戶的行為預(yù)測，系統(tǒng)智能學(xué)習(xí)等等，這些綜合做起來就是一個(gè)系統(tǒng)的工程，這里希望有更多同道去深入研究并分享出來。

總之，精準(zhǔn)推送系統(tǒng)設(shè)計(jì)需要綜合的平臺(tái)特別是大數(shù)據(jù)平臺(tái)的支撐，其不同行業(yè)的推薦算法也會(huì)隨著互聯(lián)網(wǎng)的發(fā)展變的更智能，更精確。

對(duì)此，我愿與廣大同行共同見證和學(xué)習(xí)。

本文由 @?lain 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議