导读：本次跟大家分享的是哈啰精准营销场景的算法与实践，包括以下几大部分：
1. 精准营销的背景和价值
首先和大家分享一下精准营销背景和价值。
精准营销的业务背景
哈啰由出行逐渐迈向服务电商，除了两轮以外，还包括本地生活、酒店和电动车等多种业务。需要通过精准营销去实现各个新业务的用户增长。我们的业务目标是通过用户全生命周期精准营销和精细化运营，去提升用户增长的北极星目标。
精准营销的场景和流程
按照用户生命周期来划分，精准营销的场景主要分为三个方面：
流程包括三大部分：
最后进行精准营销。
精准营销业务痛点
精准营销业务主要包含以下四个痛点:
精准营销项目价值
精准营销的项目价值主要体现在以下两个方面:
2. 精准营销框架
在搭建精准营销框架之前，需要深入了解业务，找到哈啰精准营销场景的特点，并找到对应的解法。
精准营销场景特点与解法
通过前期的数据分析和调研发现，目前哈啰精准营销的场景特点和我们针对性的解法主要有以下三方面：
精准营销业务框架
精准营销的业务框架主要分为以下三大模块:
精准营销技术框架
接下来站在技术的视角去看精准营销的框架。
运营在创建营销任务时，首先选择任务方案，这个方案背后是用户的目标群组，此群组由两个部分构成：
3. 精准营销算法能力Pu-框架下的建模方法
什么是？它不是一种特定的算法，而是一种思想，主要是根据种子用户去寻找相似的拓展人群。
怎么做？主要分为两个方法：利用机器学习模型进行隐式人群拓展；利用社交图结构的相似人群拓展。其中机器学习模型主要分为有监督、半监督和无监督三类，在有监督学习，分类过程中，所有的训练数据都是有标签的；在半监督学习中，训练数据的一部分是有标签的，另一部分没有标签，并且没标签数据的量常常远大于有标签的量。而在无监督学习中是没有标签的。
在做的时候遇到的挑战，以及对应解决方案：
面对多个业务多阶段发展的时候，算法迭代分为以下两个阶段：
传统TSA建模流程如下：
优化的TAS建模流程如下：
优化TSA的业务成果：在保证就是ROI不降低的情况下，人群数量扩 3-10 倍。
2. 在精准营销上的工业级应用
，主要是基于用户关系链去寻找相似的人群。分为两个步骤，首先是获取用户，其次计算用户间相似度。首先是的获取，主要是利用某种无监督机器学习方法得到。
在做 时面对的挑战和对应方案：
时空信息构图由点、边构成。点指的是用户。边指的是用户与用户在同一地块、同一时间、同时发生的行为。其中用户行为，主要包括用户对单车的扫码和关锁等。权重是无向等权，即当用户在一个地块一个时间段同时发生某种行为时，它们之间会有一条边，并且此边是等权重的。
然后采用得到用户的。的原理是先在图中随机走出一个路径，之后将路径序列输入到Skip-Gram里进行训练，最后得到用户的向量。
但是上述做法存在一定的不足，即只考虑了用户和用户之间的关系，没有将用户之间本身的一些特性加到模型中。因此后续第二个迭代版本采用的是EGES模型，其主要和以上做法有两点不同：
在前面两个算法迭代版本中，主要是两轮的骑行行为，用户间的关系以及用户本身特性三大方面的特征，但是要考虑哈啰APP的所有用户，所以第三个迭代部分是将一些APP的行为序列给加进去。
工业级向量相似度的计算方法，采用向量引擎，它的主要优点有两个：
此次业务成果主要体现在两个方面：
4. 未来方向
最后来讲一下我们对精准营销的未来规划。
关注公众号「哈啰技术」，第一时间收到最新技术推文。
