YunOS深度推送：从被动到主动的智能策略

"藏经阁-From Passive to Proactive_ Dee.pdf" 主要讲述了阿里云在移动推送服务上的改进和优化，尤其是YunOS Mobile Push的特性与优势，旨在从被动推送转变为主动推送，提高用户体验和推送效果。 1. **传统Push的挑战** - 用户对传统的推广、广告和应用下载链接等推送内容逐渐产生抵触，认为它们是通知中心的垃圾信息，甚至有34%的用户选择屏蔽通知。 - 用户往往对这些推送采取"杀通知"或"选择性忽略"的态度，导致推送效果不佳。 2. **YunOS Mobile Push的创新** - **推送入口多样化**：不仅仅局限于通知中心，还包括锁屏界面、左一屏以及In-APP等多种方式，增加了用户接触推送信息的机会。 - **推送消息丰富化**：支持富媒体和Landing Page，提供更吸引用户的互动体验。 - **场景感知**：利用LBS（Location-Based Service）和时间等信息，根据用户所处的环境和时间推断用户需求，实现个性化推送。 - **用户兴趣理解**：通过分析用户行为习惯、爱好和需求，动态调整推送内容，同时根据用户对推送内容的反馈实时优化推送策略。 3. **系统级数据沉淀-Data Driver** - **全领域数据集成**：整合线上线下、多端多场景的用户行为数据，形成全域数据产出能力。 - **数据平台支持**：拥有稳定高效的数据计算平台，可以规范化的处理各种数据，包括IoT（物联网）、车、TV、手机等不同终端的数据。 - **外部数据融合**：除了集团内部数据，还能整合外部数据，增强用户画像的完整性和准确性。 4. **用户画像构建** - **全面的行为和场景数据**：收集用户的浏览、搜索、支付、语音输入、运动轨迹等多维度行为数据，以及LBS、时间、网络状态、设备信息等场景数据。 - **深入的用户特征**：涵盖性别、年龄、购物偏好、兴趣、职业、居住地、婚姻状况、人生阶段等多个方面，形成深度用户画像。 5. **全域数据的应用** - **基于全域行为的用户兴趣理解**：通过对用户在不同应用、游戏、视频、新闻、音乐等数字内容上的行为模式分析，深入理解用户兴趣。 - **用户兴趣传导**：利用内容相似度和跨域兴趣传导，即使在单一垂直领域的用户行为稀疏时，也能通过相关性计算来传递兴趣。 6. **案例分析** - **激活白牌视频应用**：通过系统推送，利用用户兴趣传导，激活原本活跃度较低的白牌视频应用。 - **暑期游戏推送**：针对暑期这一特殊时期，优化游戏推送策略，提高用户参与度和游戏的活跃度。 总结，这份文档揭示了阿里云如何通过YunOS Mobile Push服务，运用丰富的数据整合和智能分析技术，提升推送服务的有效性和用户体验，实现了从被动到主动的推送策略转变。