ビッグデータ製品運用（ビッグデータ運用ツール（II）：精密プッシュシステム）

ビッグデータ下の運用ツール（第2部）：精密プッシュシステム

ToutiaoとDouyinの台頭により、インターネットのトラフィック時代は終わり、インターネットの未来は間違いなくビッグデータ+アルゴリズムの時代となるでしょう。データをコントロールし、より高度なアルゴリズムを持つ者が未来を握ることになる。ビッグデータやアルゴリズムに基づいた正確なプッシュ通知（コンテンツや商品など）も、私たちの生活のあらゆる分野で開花しました。

では、プロダクトマネージャーは、ビッグデータとアルゴリズムに基づいた正確なプッシュ システムをどのように設計すればよいのでしょうか?

ここでは、私の業界におけるシステム構造設計の観点からお話ししたいと思います（プッシュアルゴリズムの導入については、インターネット上に多くの情報がありますので、ここではあまり詳しくは触れません）。

具体的には、的確なプッシュを行うためには、業界のビジネスを十分理解し、ターゲット顧客を整理し、さまざまな状況における顧客のさまざまなニーズを明確にする必要があります。

たとえば、私は自動車アフターマーケット業界に携わっているので、ターゲット顧客は車の所有者と運転好きの友人です。ここでは、これらの顧客が何を必要とし、何を好むかを把握する必要があります。車両検査、違反、オイル製品、さまざまなメンテナンスなど、顧客の厳しいニーズを理解する必要があります。また、さまざまな気象条件や環境で必要な天気予報や渋滞情報など、目に見えないニーズも理解する必要があります。これらを理解することで初めて、適切な薬を処方できるようになります（下の図を参照）。

対象顧客のニーズを整理することで、プッシュ プラットフォーム全体にどのような基本機能サポートが必要かを整理できます (以下を参照)。

上記のシステム モジュールの一部については、インターネット上に関連情報が多数存在するため、ここでは詳しく説明しません。

いわゆるビッグデータ思考とは、各システムモジュールに取り組む際に、関連する機能のデータ収集と統計を優先する必要があることを意味します。上記のモジュールは通常、プッシュプラットフォームの前に開発されるため、製品マネージャーとして、これらの機能要件を満たすには開発の観点を使用する必要があります。

特に、将来のデータ プラットフォームをサポートする可能性のある機能を実行する場合は、データの抽出、分析、および分析結果の返却のためのインターフェイスを予約する必要があります。この方法でのみ、システムのスケーラビリティが向上します。

また、ビッグデータプラットフォームを設計する際には、実際のビジネスを起点に、さまざまな次元からデータを分析し、実際のビジネスニーズを満たすユーザーポートレートやユーザー行動などの基本的なデータサービスを提供する必要があります（ユーザーポートレートについては前回の記事で詳しく紹介したため、ここでは説明しません）。

ビッグデータ思考の指針に基づいて設計されたシステム モジュールだけが、将来の開発で以前のシステムが残した欠陥を常に修復する必要なく、正確なプッシュ通知に必要な基本サポートを迅速に満たすことができます。しっかりとした基礎があれば、正確なプッシュシステムは自然なものになります。 （自動車アフターマーケット業界のさまざまなポートレートを以下に示します）。

データのサポートと関連プラットフォームのサポートにより、推奨システム全体の中核である推奨エンジンを設計できます。

基本的な推奨エンジンは、マッチング段階、フィルタリング段階、出力ソート段階の 3 つの段階で構成されます。レコメンデーション エンジンの 3 つの段階を経て初めて、正確なプッシュが可能な限り正確に完了します (下の図を参照)。

全体のプロセスは、ユーザー ポートレート、車両ポートレート、およびユーザーの最近の行動情報に基づいて計算し、ユーザーが必要とするコンテンツ ポートレートまたは製品ポートレートを導き出すことです。

次に、コンテンツおよび製品ライブラリから要件を満たすコンテンツまたは製品を選択して推奨セットを形成し、推奨セットは、ユーザーの行動、車両のポートレート、コンテンツタグ、製品タグなどに基づくアルゴリズムによってフィルタリングされます。最後に、フィルタリングされた推奨セットは、適合性や人気などの重みに従って並べ替えられ、顧客に出力され、最終的に各個人に合わせたコンテンツと製品の正確なプッシュインターフェイスが形成されます。

たとえば、あるユーザーが特定のブランドの 1 年前の SUV を所有している場合、データを通じて、この顧客が自動運転ツアーやチャットなどの趣味を好むことを知ることができます。また、オーナーの車がいつ検査されたか、何キロ走行したか、最近違反があったかどうか、顧客が最近エンジンオイルなどのキーワードを検索したかどうかも知ることができます。

これらのデータと行動を通じて、最新の客観的な要因（例えば天気）と組み合わせることで、関連性のあるコンテンツ（自動運転の旅行知識）、製品（エンジンオイル、ワイパー、タイヤなど）、トピックやサービス（メンテナンス、車検、違反処理）などを顧客に推奨することができます。

もちろん、より複雑なプッシュ システムの場合は、トラフィックの分散、ユーザー行動の予測、システムのインテリジェント ラーニングなども考慮する必要があります。これらはすべて体系的なプロジェクトです。より多くの同僚が徹底的な調査を行い、それを共有してくれることを願っています。

つまり、正確なプッシュ通知システムを設計するには、包括的なプラットフォーム、特にビッグデータ プラットフォームのサポートが必要です。インターネットの発展に伴い、さまざまな業界向けの推奨アルゴリズムもよりスマートかつ正確になります。

この点については、同僚とともに目撃し、学びたいと思います。

この記事はもともと @lain によって Everyone is a Product Manager に掲載されました。無断転載禁止

タイトル画像はCC0ライセンスに基づいてUnsplashから引用しています