什么是千人千面技术,千人千面主要体现的地方 _生活百科

一、判断企业是否需要“千人千面”
“千人千面”很容易理解，即找到对的人，用对的形式送达对的信息。目前，几乎所有的互联网头部产品都做了“千人千面”的规则推荐，以至于我们有时候看到自己不喜欢的内容时，反而会去怀疑自己是否真的不喜欢、是否有还未挖掘的兴趣偏好等。
在这样的市场环境中，是否要随波逐流，全部“拿来”呢？我认为，企业首先需要考虑“千人千面”能够给自己带来的价值，核心在于以下两点：
第一，提升内容到用户的分发效率。
如果使用人工策略或不使用任何策略，用户也能看到自己喜欢的内容，但搜索成本较高且需要用户承担；通过机器学习等智能策略，可以降低用户的搜索成本，实现内容到用户的分发效率提升。
第二，提升内部工作流程执行效率。
部分企业常用手工方式跑运营闭环，从活动策划到执行，到监测，再到复盘，如果在此过程中采用数据智能，那么提升的不仅仅是工作效率，更对效果有正向驱动力。也就是说，企业需要将更多的时间花在策略调优上，而不是执行落地的过程。

文章插图

【什么是千人千面技术,千人千面主要体现的地方】也就是说，如果以上这两点的提升能够帮助业务增长，那就代表着企业可以着手去做了。
二、如何实现千人千面
如下图所示，千人千面可以分为三个阶段：

文章插图

接下来我们将从数据智能应用场景做进一步了解。
1.低阶：人工决策配合智能执行。
场景一：计划营销，通常表现为单次性、周期性运营策略。
举个例子，电商企业在大促的前 7 天或者前 1 天，企业对用户的一次性信息推送就属于单次性计划营销；每个月的工资日、还款日的消息提醒需要重复、有规律地执行，这种就是周期性的营销。
场景二：分层推荐，即基于用户分层的差异化展示。
当用户到达产品环境，企业可以有效利用分层推荐实现效果提升。常见的形式有：开机图、Banner 图和轮播图，这三种推荐的物品量级往往较少，且更新迭代速度较快，除此之外，在设计这三种推荐规则时基本上已经明确了目标受众。在这个场景中，采用人工决策基本上可以实现分层运营的目标。
2.进阶：人工与智能共同决策。
在此阶段，我们梳理出触点营销和精细化分层推荐两个场景。
（1）触点营销通常是指通过人工决定策略方向，机器辅助计算决定触发时机。
比如，当用户多次浏览产品但没有实现转化时，可以通过机器设置：在用户浏览产品 30 分钟后无购买行为的情况下及时触发优惠券推送等策略，提升用户转化效率。
再比如，对于新客来说，我们希望一步一步加深其对产品价值的体验，往往会在新客进入的第 1 天、第 7 天、第 30 天的时候进行用户触达，如果单纯依靠人工拉名单完成推送，耗时耗力，而通过机器实现对新客的行为追踪，就可以轻松实现特定日期的自动化推送。
（2）精细化分层是在产品内部，针对用户的个性化行为进行精细化推荐的过程。
举个例子，银行业的功能推荐菜单，一般包含 100 个以上的功能，当用户进入产品后很难第一时间判定哪个功能是该用户真正需要的，这个时候就需要企业针对这 100+ 个功能进行梳理，每个/每类功能适合哪些用户，然后基于用户过去一段时间的访问频率路径对功能展示进行排序，也就是说人工 + 智能共同实现精细化推荐。
3.高阶：从决策到执行到反馈，全流程智能推动。
提及“千人千面”，大家第一时间想得到的多数是全流程智能，也可以按照当下流行的机器算法、深度学习概念去理解。其应用场景如下：
第一，智能营销，即基于算法程序实现的自动化、个性化营销，依靠机器识别并触发的营销推送，目前该场景还未广泛应用。
第二，智能推荐，基于算法模型实现的个性化推荐，多用于信息流、相关推荐、热门推荐等。
企业落地“千人千面”的核心是 ROI，在此原则之下还有一些硬性条件：
（1）用户量级和物品量级。在神策智能推荐产品化的解决方案中，我们对于客户拥有的物品库有一定数量要求，低于 5000 的物品量级或者日活没有达到特定级别时，是不适合做算法推荐的。