導讀：本次跟大家分享的是哈啰精準營銷場景的算法與實踐，包括以下幾大部分：

1. 精準營銷的背景和價值

首先和大家分享一下精準營銷背景和價值。

精準營銷的業(yè)務背景

哈啰由出行逐漸邁向服務電商，除了兩輪以外，還包括本地生活、酒店和電動車等多種業(yè)務。需要通過精準營銷去實現(xiàn)各個新業(yè)務的用戶增長。我們的業(yè)務目標是通過用戶全生命周期精準營銷和精細化運營，去提升用戶增長的北極星目標。

精準營銷的場景和流程

按照用戶生命周期來劃分，精準營銷的場景主要分為三個方面：

流程包括三大部分：

最后進行精準營銷。

精準營銷業(yè)務痛點

精準營銷業(yè)務主要包含以下四個痛點:

精準營銷項目價值

精準營銷的項目價值主要體現(xiàn)在以下兩個方面:

2. 精準營銷框架

在搭建精準營銷框架之前，需要深入了解業(yè)務，找到哈啰精準營銷場景的特點，并找到對應的解法。

精準營銷場景特點與解法

通過前期的數(shù)據(jù)分析和調(diào)研發(fā)現(xiàn)，目前哈啰精準營銷的場景特點和我們針對性的解法主要有以下三方面：

精準營銷業(yè)務框架

精準營銷的業(yè)務框架主要分為以下三大模塊:

精準營銷技術框架

接下來站在技術的視角去看精準營銷的框架。

運營在創(chuàng)建營銷任務時，首先選擇任務方案，這個方案背后是用戶的目標群組，此群組由兩個部分構成：

3. 精準營銷算法能力Pu-框架下的建模方法

什么是？它不是一種特定的算法，而是一種思想，主要是根據(jù)種子用戶去尋找相似的拓展人群。

怎么做？主要分為兩個方法：利用機器學習模型進行隱式人群拓展；利用社交圖結構的相似人群拓展。其中機器學習模型主要分為有監(jiān)督、半監(jiān)督和無監(jiān)督三類，在有監(jiān)督學習，分類過程中，所有的訓練數(shù)據(jù)都是有標簽的；在半監(jiān)督學習中，訓練數(shù)據(jù)的一部分是有標簽的，另一部分沒有標簽，并且沒標簽數(shù)據(jù)的量常常遠大于有標簽的量。而在無監(jiān)督學習中是沒有標簽的。

在做的時候遇到的挑戰(zhàn)，以及對應解決方案：

面對多個業(yè)務多階段發(fā)展的時候，算法迭代分為以下兩個階段：

傳統(tǒng)TSA建模流程如下：

優(yōu)化的TAS建模流程如下：

優(yōu)化TSA的業(yè)務成果：在保證就是ROI不降低的情況下，人群數(shù)量擴 3-10 倍。

2. 在精準營銷上的工業(yè)級應用

，主要是基于用戶關系鏈去尋找相似的人群。分為兩個步驟，首先是獲取用戶，其次計算用戶間相似度。首先是的獲取，主要是利用某種無監(jiān)督機器學習方法得到。

在做 時面對的挑戰(zhàn)和對應方案：

時空信息構圖由點、邊構成。點指的是用戶。邊指的是用戶與用戶在同一地塊、同一時間、同時發(fā)生的行為。其中用戶行為，主要包括用戶對單車的掃碼和關鎖等。權重是無向等權，即當用戶在一個地塊一個時間段同時發(fā)生某種行為時，它們之間會有一條邊，并且此邊是等權重的。

然后采用得到用戶的。的原理是先在圖中隨機走出一個路徑，之后將路徑序列輸入到Skip-Gram里進行訓練，最后得到用戶的向量。

但是上述做法存在一定的不足，即只考慮了用戶和用戶之間的關系，沒有將用戶之間本身的一些特性加到模型中。因此后續(xù)第二個迭代版本采用的是EGES模型，其主要和以上做法有兩點不同：

在前面兩個算法迭代版本中，主要是兩輪的騎行行為，用戶間的關系以及用戶本身特性三大方面的特征，但是要考慮哈啰APP的所有用戶，所以第三個迭代部分是將一些APP的行為序列給加進去。

工業(yè)級向量相似度的計算方法，采用向量引擎，它的主要優(yōu)點有兩個：

此次業(yè)務成果主要體現(xiàn)在兩個方面：

4. 未來方向

最后來講一下我們對精準營銷的未來規(guī)劃。

關注公眾號「哈啰技術」，第一時間收到最新技術推文。