数据运营：用户真的有那么多的需求吗？

做推荐系统应该已经有一段时间了，在运营过程中，通过推荐智能似乎已经成为烂街的套路，给你发短信，推push、玩一个小红点，发广告banner，作为用户，现在麻木了。今天，我和郭太太讨论了这件事。本来是找算法团队讨论以下线下O2O场景，具体需要哪些数据。如何将数据串联起来，恢复当时的用户场景。数据质量首先被算法学生嘲笑，许多历史LBS、POI信息未清洗直接导入表，数据值空缺较多，根本无法使用。数据质量首先被算法学生嘲笑，许多历史LBS、POI信息未清洗直接导入表，数据值空缺较多，根本无法使用。而且，如果你想做场景操作，你需要将角色、时间、地点、环境和行为数据联系起来，更不用说它有多糟糕了。感觉还有很长的路要走。以前接手外卖的业务场景推荐，现在想做线下智慧城市的个性化推荐，找老同学一起聊天。比如之前广告推荐的百分点公司做的不错，现在还行吗？感觉有点低。毕竟，我们也是一家拥有完整数据的公司。如何捕捉用户的需求？如果你再搬一套用户画像、会员营销、积分等级，真的不可能再玩了。而且现在app里的内容真的太多了。有游戏、新闻、充值、消费等聊天工具。作为用户，真的有这么多需求吗？回顾个性化推荐的发展，应用程序可以通过多维用户组分析，积极向用户推送新闻动态、版本更新、优惠活动、生活服务等信息。个性化推荐技术演变至少经历了三个阶段，第一阶段的主要目的是快速实现信息推荐：实时信息到达，提高多个应用合并渠道的用户活动，节能流量应用过程相互护理，积极确保准确的数据报告，第二阶段的数据实时统计反馈主要是实现准确的信息推荐：智能标签，建立准确的用户肖像，避免盲推，实现精细的操作组比较测试，优化强大的推送决策数据联盟，第三阶段的清晰行业报告是基于场景营销推荐准确捕捉场景，适当触发新闻进入、停留、离开、场景推送性别、年龄、爱好、智能标签分类学校、购物中心、火车站、地理围栏呼叫以下生活场景，每一个场景，有些是一些创新公司，有些是阿里巴巴集团相关业务集团。第一步能赚钱吗？第一步能赚钱吗？有人一周在奥森公园跑三次步。我怎样才能在这段时间里获得新的经济效益？有一家叫中安保险的公司，是世界上第一家完全建在云上的公司。没有数据中心，一切都在云计算中。作为一家纯粹的互联网保险公司，该公司于去年10月生产了步步保险产品。对于一个人买的10万元的健康*保险，每天走5000步，当天免保费。精心设计的三个主体都有收入。作为最终消费者，他们可以每天看步数，决定是否多走几步，避免一天的保费，大大提高了健康水平。就像高总一下子瘦了10斤。对于卖手环的厂家来说是非常致命的，每个人戴三个月的智能手环都不需要，因为手环厂家的销量和交易频率都是个问题。当一家保险公司出售健康保险时，没有办法通过电话沟通，你必须了解被保险人的即时健康状况。这一创新来自于一个胖子和一个瘦子之间的对话。中安保险的产品为公里。有一天，我和一个胖子一起吃饭。他们俩说，你买的保险是多少，我买的是多少，价格是一样的，这是非常不公平的。卖健康人的保险，让身体好的人享受更低的保费。驾驶习惯较好的人可以享受大约一半的汽车保险。这一幕将互联网公司、保险公司和个人之间最相关的问题、硬件和交易频率、数据和消费者行为以及我自己的健康联系起来。这是一件非常有趣的事情。它几乎每次都会被杀死。如果你是一个热爱运动的人，你基本上可以免费享受这一幕。第二个问题，所有的女士都会遇到一个问题，为什么总是不穿衣服。阿里去年有一个超级数据研究机构，做深度学习。第一个产品叫拍立涛。大多数女性在看到模特后决定购买产品，但回家后基本上很可怕。澳大利亚使用一些胖模特作为泳装模特。作为个人消费者，我们更容易接受这种情况。胖是一种宽容。对于每个女人来说，看到类似她的人看到新衣服非常漂亮，用手机自动匹配淘宝店卖完全一样的衣服，这是图像识别、深度学习和数据应用。让我们的购物进入一个新的时代，你可以根据你的个人身材，甚至气质来决定买衣服，可以决定拍照的时刻，可以预测效果。深度学习、人工学习、大数据解决了女性总是买不到合适的衣服的问题。第三，在北京这样一个雾霾深远的城市，谁买空气净化器，谁需要买空气净化器。今天住在劲松地区的人，住在哪里，经常往返哪里。数据已经沉淀给我们看了这些观众最近会喜欢哪种洗发水。同时，我们知道，在北京的不同地区，PM2.5有多高，应该建议他花更多的时间关注自己的室内健康。我知道我的很多同事都热衷于购买PM2.5脉表，到处去量。这些数据将逐步用于整个社会治理和未来对气象的监督。还有一个交通问题。我现在每天都用导航系统工作。我使用导航，不是因为我不承认道路，因为我想避免拥堵。你有没有注意到每天早上8点从家里导航的问题？我去了西单。半小时后，下半段的行程与你实际制定的不同。事实上，北京的拥堵每年都非常相似。接近元旦和春节是完全一样的。我们在广州做过这样的项目，是否有一个模型可以影响你的旅行未来。沉淀过去一年出行的所有公共交通数据，大学生可以提出出行建议，告诉你今天应该等哪辆车，转哪辆车。这背后是一种算法能力。我们在浙江高速公路上做了一个算法级别最大的项目。这个项目很简单，就是收集高速手机上的所有信令，然后通过信令的切换，可以预测未来两三个小时高速拥堵，所以准确率达到92%，这是非常困难的。之前的世界纪录是80%。世界级算法专家只能通过模型和历史数据预测来实现92%的数据能力，这是一个非常复杂的交通环境。现在我们面临着什么时候想坐公交车，想坐哪里的公交车，晚上下班回家最后一班是什么时候的问题。这些问题困扰着我们从事数据的学生，但如果能解决，给用户的体验是非常好的。我不需要打开任何应用程序就能得到我需要的服务。从场景和具体业务中找到数据，从数据中推断具体场景和业务。