大數據下的運營利器：精準推送系統

隨着頭條、抖音的陸續崛起，互聯網的流量時代已經結束，將來的互聯網必定是大數據+算法時代。誰掌握數據和擁有更先進的算法，誰就擁有了將來。隨之而來的基於大數據和算法的精準推送（內容或商品等），也在咱們生活中的各個領域遍地開花了。

那麼對於產品經理來講，基於大數據和算法的精準推送系統怎麼去設計呢？

這裏結合我所在行業從系統結構設計層面（推送算法的介紹網上有不少資料這裏不會過多涉及）和你們一塊兒來討論下。

1、要清楚誰是咱們的目標客戶，目標客戶有哪些需求

具體來講咱們作精準推送，咱們要充分了解所在行業的業務，梳理出咱們的目標客戶是那些，更要清楚客戶在不一樣的狀況下的不一樣需求。

例如：我在汽車後市場行業，那麼個人目標客戶就是有車族以及喜歡駕駛的朋友。這裏我就要弄清楚這些客戶需求什麼，喜愛什麼，既要搞清楚他們的硬需求——審車、違章、油品和各類維保；還要搞清楚TA們的隱形需求——在不一樣天氣狀況下和不一樣環境下須要的天氣預報，擁堵信息等，只有掌握這些我才能見方開藥（以下圖）。

經過梳理目標客戶的需求，這裏就能夠梳理出整個推送平臺須要哪些基礎功能支撐（以下圖）。

以上某些系統模塊這裏再也不作詳細的介紹，由於網上有不少相關資料。

2、要用大數據思想去作各個系統模塊

所謂的大數據思想也就是咱們在作的各個系統模塊時，都要優先考慮相關功能的數據採集和統計；由於上述的各個模塊通常都會優先於推送平臺去開發，因此做爲產品經理要用發展的眼光去作這些功能需求。

特別是在作一些可能要爲之後數據平臺提供支撐的功能時，更要爲數據的提取、分析以及分析後結果返回等預留好接口，只有這樣才能讓系統擁有更好的擴展性。

另外在設計大數據平臺時，要從實際業務出發，從不一樣緯度去分析數據，作出符合實際業務需求的用戶畫像、用戶行爲等基礎的數據服務（用戶畫像這塊這裏不在多討論，上篇文章已經詳細介紹過）。

只有在大數據思想指導下設計出來的系統模塊、纔可以很快知足精準推送所須要的基礎支撐，不至於在之後的開發中不停去修復以前系統所留下缺陷。基礎打好了，精準推送系統就是水到渠成的事情了。（汽車後市場行業各個畫像，以下圖）。

3、要設計出符合行業和運營需求的推送引擎和算法　

在有數據支撐和相關平臺支撐的基礎上,咱們就能夠設計整個推薦系統的核心——推薦引擎。

基本的推薦引擎由三個階段組成 分別爲匹配階段、過濾篩選階段、輸出排序階段。只有通過推薦引擎的三個階段，才能儘量精確地完成一次精準推送 (以下圖)。

整個流程就是根據用戶畫像、車輛畫像和用戶的近期行爲信息進行計算，並得出這個用戶須要的內容畫像或商品畫像。

而後從內容和商品庫中篩選符合要求內容或商品造成一個推薦集，而後再結合用戶行爲、車輛畫像和內容標籤、商品標籤等經過算法對此推薦集進行篩選過濾。最後對過濾出的推薦集按照契合度、熱度等權值進行排序輸出給客戶，最終造成千人千面的內容和商品的精準推送界面。

舉例來講：一個有輛某品牌車齡爲一年的SUV車主用戶，咱們經過數據能夠知道這個客戶本人喜歡自駕遊，喜歡聊天等愛好；還知道這個車主的車什麼時間審的車，行駛了大約多少千米，最近是否有違章，並且最近客戶行爲曾經搜索過機油等關鍵詞。

經過這些數據和行爲，而後咱們再結合最近的客觀因素（例如：天氣），咱們就能夠給客戶推薦相關的內容（自駕遊知識）、商品（機油、雨刷、輪胎、等）、話題和服務（維保、審車、違章處理）等等。

固然更復雜推送的系統，還要考慮流量分配，用戶的行爲預測，系統智能學習等等，這些綜合作起來就是一個系統的工程，這裏但願有更多同道去深刻研究並分享出來。

總之，精準推送系統設計須要綜合的平臺特別是大數據平臺的支撐，其不一樣行業的推薦算法也會隨着互聯網的發展變的更智能，更精確。

對此，我願與廣大同行共同見證和學習。