策略产品已经是一门体系较为完善的学科,想学习的小伙伴可以通过搜索引擎查找相关课程。本系列文章不讲方法论,只分享亲手分析的案例。由于调研时间比较久远,仅展示思路,不具备实际参考价值。
调研时间:2018.11
调研对象:百度地图
调研目标:梳理百度地图公交路线推荐策略的四要素
待解决问题
从大量起点终点相同的公交线路中,为用户推荐当前最优线路。
输入
(1)背景:
- 不考虑公交以外的出行方式
- 无法获取用户画像及每个用户的历史行为,因此只在输入时展示思路,输出时暂不考虑用户数据相关影响因素
(2)影响因素:
(3)不同场景下用户选择权重:
(4)不同场景下用户选择范围:
(5)用户行为标签
- 看重时间成本
- 时间短
- 少换乘
- 看重体力成本
- 少步行
- 少换乘
- 空调
- 看重金钱成本
- 花费少
- 看重稳定性
- 无堵车风险
- 车辆即将到达(预估1分钟内到达当前站点)
- 地铁优先
- 选择范围
- 始发站
- 地铁优先
- 不坐地铁
- 包含骑行的方案(用户可手动选择,默认选中)
【车辆即将到达】并不能被用户直观了解,认知成本较高,在详情页中已有更直观的展示,因此舍去。
【无堵车风险】没有明确标准,不能被用户直观了解,无法形成体验闭环。【地铁优先】可覆盖该标签。
【空调】标签定位不够明确,无法通过用户行为定位需求,因此舍去。
【包含骑行】可通过ICON方式展示。
用户行为标签汇总为:
- 【时间短】
- 【直达】
- 【少换乘】
- 【少步行】
- 【少花费】
- 【始发站】
- 【地铁优先】/【不坐地铁】
计算逻辑
(1)根据用户出发时间及定位地点,可判断出其选择范围
- 当前运行中的路线
- 是否是始发站
- 是否有全部为地铁/公交的线路
(2)根据出发地与目的地信息,得出影响因素的具体信息
- 线路总时间:包含对步行、骑行、等车时间的预估
- 线路总花费:展示总票价与共享单车费用
- 换乘次数
- 步行距离
- 是否有堵车风险
- 最近的车多长时间到达
- 总站数
(3)根据用户出发时间及目的地分析其需求
(4)历史行为
对于老用户,则将其历史行为作为重要参考,通过点击、收藏的路线判断用户对于影响因素的选择权重,选择权重:收藏>点击。
选择范围标签【地铁优先】、【不坐地铁】,根据用户主动选择标签的历史行为调整其权重。
(5)推荐权重,受阈值影响
说明:权重分代表体验最好的部分,通过是否得分的结果来展示。但是在某一项得到权重分时,该项的第2-N名的数值可能差距很大,不能一概而论的只得到“不得权重分”这同一结果,针对体验差的项,要区别对待。识别这些体验差的项以及差的程度,就需要通过阈值来判断和计算。
假设3条线路A、B、C中的步行距离分别是100m,150m,1500m。如果阈值设置的足够合理,就可以精确的区分出3条路线在步行这一项的体验差别:线路A得到权重分,线路B不得分不扣分,线路C扣掉权重分
阈值规则:
- 如果该项数值>备选线路中对应项最低数值+阈值,则触发阈值算法。
- 阈值分=阈值差值*阈值系数
- 阈值差值=该线路超出阈值项数值-备选线路中对应项最低数值
- 阈值权重系数设置为10,后续根据实现效果调整
因为不同场景和群体的用户觉得体验好的点不同的,所以通过不同的权重分设置来体现。而触发阈值的项是体验差的部分,不同场景和群体的用户对差的认知和容忍程度也是不同的,所以同样设置不同的阈值。
举例说明:
如果用户的推荐权重为:时间>稳定性>体力>金钱
则对应阈值为
输出
背景
- 调用用户选择出发时间&场景对应权重,不同场景下权重不同
- 实际工作中,具体结果需用户行为标签乘以不同场景&不同用户群体对应的权重,综合历史行为权重、阈值权重计算得出
- 无法获取用户画像及每个用户的历史行为,因此暂不考虑【地铁优先】【不坐地铁】
展示规则
- 展示权重:运营中线路>推荐权重分
- 相同运营状态的线路,按推荐权重分降序
- 推荐权重分相同时,次权重项数值小&超出阈值项少的线路优先展示
- 只展示最能表示该路线特点的标签,标签不重复展示。
- 如果出现换乘次数相同、花费相同、线路时间相同等情况,则均不展示对应标签。
备选线路
起始地点:北京市海淀区北三环中路→北京南站。
(1)对应场景新用户&最看重时间成本的老用户
权重设置
计算
线路3和线路是权重相同,数值对比,线路3比线路4步行少1.1km,线路3比线路4贵1元。根据推荐权重体力>金钱,因此线路3优先展示。同理情况不再赘述。
推荐线路
1>2>3>4>5
(2)对应场景新用户&最看重体力成本的老用户
权重设置
计算
推荐线路
2>1>3>5>4
(3)对应场景新用户&最看重金钱成本的老用户
权重设置
计算
推荐线路
5>1>2>3>4
(4)对应场景新用户&最看重稳定性的老用户
权重设置
计算
推荐线路
1>2>3>4>5