LBS大数据产品规划

1. 产品

• 用户分群
• 用户相似度(提供不同维度给客户，返回相似度)（单一推荐，群体lookalike）
• 用户离群检测(风控模型)
• 用户关系网络(wifi数据、运单数据，同城、同商圈，同乡、三元闭包）
• 用户位置模型（用户不同时间段，使用的交通工具，所有去过的地点。能够识别常驻地、迁徙地、变化地等等)
• 实时位置流以及预测
• 区域人群模型（某个区域用户价值、分布、意向、短期长期兴趣）
• 区域行为探测（用户在某个区域停留多久，停留时候在干嘛，周期性人群潮汐预测、客源起止点）
• 效果评测平台

2. 解决方案

目前可以形成的LBS大数据行业解决方案：

LBS大数据行业解决方案

2.1 广告

是目前最合理可以预见的变现方式，应该是产品主要发力方向。

2.1.1 线上广告

1. 行业分析：对比谷歌，百度，高德缺失广告平台、广告主、媒体等等。在广告链条上目前只能作为地理位置数据供应商，嵌入或者融合到广告推荐里面去。

   • 合约:CPT,CPM(可以切入受众定向：geo-targeting地理定向、人口属性定向、精准位置定向、新客推荐定向)合作方式需要考虑
   • 竞价 更适合搜索引擎，考虑和淘宝直通车合作，合作可能性小。
   • 程序化交易 RTB，广告交易平台ADX，可以作为交易平台的数据供应商。也可以考虑数据交易平台/DMP(数据管理平台），做数据的加工和交易。可交易数据包括用户标示，用户行为、人口属性、地理位置、社交关系。难点在于数据安全把控，如何加工生产出可以用于交易的数据。
   • 原生广告：媒体资源，feed流，广告联盟。可以作为这些广告和本地广告主的链接桥梁。

2. 产品组合：用户分群+实时位置流+用户位置模型等

3. 应用场景：尝试和集团内部BU合作，UC、优土、阿里妈妈等。

2.1.2 线下广告（重点)

"我知道我的广告费有一半浪费了，但遗憾的是，我不知道是哪一半被浪费了。" -- 广告大师约翰•沃纳梅克

1. 行业分析: 线下广告效果难以评估，没有类似于点击率来评估广告效果，也没有点击率模型来优化效果。
   线下DMP的思路，比如优信二手车投放分众的楼宇广告，只能知道投放的是写字楼或者商场，很难评估出来这些区域的目标用户量，潜在客源。

2. 产品组合：用户lookalike+区域人群模型+效果评测平台能够有效提升广告效果。

3. 应用场景：线下广告选择汽车市场切入，汽车社区、二手车、4S店、驾校招生广告等。O2O比如共享充电宝这种也是一个新兴可以预期的市场。

2.2 推荐

1. 行业分析： 为社交软件(探探、陌陌,Blued)或者个性化内容app(最右，bilibili，一点资讯；短视频以及资讯类)，能够为这些app提供冷启动和用户推荐，难点在于提供恰当的推荐切入方式。目前返回设备号的做法缺乏置信度，客户难以嵌入产品。需要打造成开箱即用的算法模块或者产品接口。
2. 产品组合：用户相似度+区域人群模型+用户关系网络
3. 应用场景：按照API调用收费

2.3 金融

1. 行业分析： 核心能做就是不同维度的用户风控模型，做离群检测和策略结合。构建一个通用能够多维检测的离群模型。
2. 产品组合：用户离群检测+用户关系网络+用户位置模型+用户分群
3. 应用场景：通用型较差，需打标杆

2.4 O2O

1. 行业分析：这个名词涉及到行业太多，和高德LBS数据最为契合有两个，分别是物流和共享单车。两者都指向城市末端网络的数据收集、挖掘和应用。
2. 产品组合： 区域行为探测+实时位置流以及预测
3. 应用场景：值得合作变现的应该是结合共享单车的数据，来改进物流的末端仓配和选址。

2.5 智慧城市

1. 行业分析：涉及到包括交通质量分析、改善，城市规划，公共场所人流预测。
2. 产品组合：区域人群模型+区域行为探测+实时位置流以及预测
3. 应用场景：适合和政府合作项目

3. 数据研发

目前数据主要包括用户画像和细节的位置数据。接下来可以先做线下广告相关的数据

• 用户分群可以沿用用户画像的数据，选择特定的维度，存入MPP架构的数据仓库，提供adhoc查询能力。
• 实时位置流以及预测。 采用galaxy实时综合、汇总用户位置数据，同时研发用户位置预测模型，实现预测。
• 用户位置模型。结合现有家和公司，产出用户籍贯，常去商圈，出差地，以及这些地点的时间段。