「精准推送」大数据下的运营利器（二）：精准推送系统

精准推送

随着头条，抖音的陆续崛起，互联网的流量时代已经结束，未来的互联网一定是大数据+算法时代。谁掌握数据和拥有更先进的算法，谁就拥有了未来。随之而来的基于大数据和算法的精准推送（内容或商品等），也在我们生活中的各个领域遍地开花了。

那么对于产品经理来说，基于大数据和算法的精准推送系统怎么去设计呢？

这里结合我所在行业从系统结构设计层面（推送算法的介绍网上有很多资料这里不会过多涉及）和大家一起来讨论下。

一、要清楚谁是我们的目标客户，目标客户有哪些需求

具体来说我们做精准推送，我们要充分了解所在行业的业务，梳理出我们的目标客户是那些，更要清楚客户在不同的情况下的不同需求。

例如：我在汽车后市场行业，那么我的目标客户就是有车族以及喜欢驾驶的朋友。这里我就要弄清楚这些客户需求什么，喜好什么，既要搞清楚他们的硬需求——审车、违章、油品和各种维保；还要搞清楚TA们的隐形需求——在不同天气情况下和不同环境下需要的天气预报，拥堵信息等，只有掌握这些我才能见方开药（如下图）。

通过梳理目标客户的需求，这里就可以梳理出整个推送平台需要哪些基础功能支撑（如下图）。

以上某些系统模块这里不再做详细的介绍，因为网上有很多相关资料。

二、要用大数据思想去做各个系统模块

所谓的大数据思想也就是我们在做的各个系统模块时，都要优先考虑相关功能的数据采集和统计；因为上述的各个模块一般都会优先于推送平台去开发，所以作为产品经理要用发展的眼光去做这些功能需求。

特别是在做一些可能要为以后数据平台提供支撑的功能时，更要为数据的提取、分析以及分析后结果返回等预留好接口，只有这样才能让系统拥有更好的扩展性。

另外在设计大数据平台时，要从实际业务出发，从不同纬度去分析数据，做出符合实际业务需求的用户画像、用户行为等基础的数据服务（用户画像这块这里不在多讨论，上篇文章已经详细介绍过）。

只有在大数据思想指导下设计出来的系统模块、才能够很快满足精准推送所需要的基础支撑，不至于在以后的开发中不停去修复之前系统所留下缺陷。基础打好了，精准推送系统就是水到渠成的事情了。（汽车后市场行业各个画像，如下图）。

三、要设计出符合行业和运营需求的推送引擎和算法　

在有数据支撑和相关平台支撑的基础上,我们就可以设计整个推荐系统的核心——推荐引擎。

基本的推荐引擎由三个阶段组成分别为匹配阶段、过滤筛选阶段、输出排序阶段。只有经过推荐引擎的三个阶段，才能尽可能精确地完成一次精准推送 (如下图)。

整个流程就是根据用户画像、车辆画像和用户的近期行为信息进行计算，并得出这个用户需要的内容画像或商品画像。

然后从内容和商品库中筛选符合要求内容或商品形成一个推荐集，然后再结合用户行为、车辆画像和内容标签、商品标签等通过算法对此推荐集进行筛选过滤。最后对过滤出的推荐集按照契合度、热度等权值进行排序输出给客户，最终形成千人千面的内容和商品的精准推送界面。

举例来说：一个有辆某品牌车龄为一年的SUV车主用户，我们通过数据可以知道这个客户本人喜欢自驾游，喜欢聊天等爱好；还知道这个车主的车什么时间审的车，行驶了大约多少公里，最近是否有违章，而且最近客户行为曾经搜索过机油等关键词。

通过这些数据和行为，然后我们再结合最近的客观因素（例如：天气），我们就可以给客户推荐相关的内容（自驾游知识）、商品（机油、雨刷、轮胎、等）、话题和服务（维保、审车、违章处理）等等。

当然更复杂推送的系统，还要考虑流量分配，用户的行为预测，系统智能学习等等，这些综合做起来就是一个系统的工程，这里希望有更多同道去深入研究并分享出来。

总之，精准推送系统设计需要综合的平台特别是大数据平台的支撑，其不同行业的推荐算法也会随着互联网的发展变的更智能，更精确。

对此，我愿与广大同行共同见证和学习。

题图来自Unsplash，基于CC0协议