也許大家都有這樣的體會，當你登錄過某個應用或瀏覽過某個商品后，然后手機上就可能經常收到此應用或此商品的促銷或者活動短信。那么這類提醒功能是如何實現的呢？在這里分享下我的經驗。

大家都知道所有的提醒行為都是為了拉新、留存、促活和轉化。為了這個目標我們不但需要快速的通知到目標客戶，還要評估提醒效果。

基于上述需求，我們首先做個思維導圖（這里結合我們公司的情況），如下圖：

首先是為什么發（why），目的就是為了拉新、留存、促活和轉化，這里不在詳細論述。

其次發給誰（who），通過上圖我們就可以得出：要篩選出我們的目標客戶，就需要知道各個會員一段時間內的登錄習慣、消費習慣和行為愛好等。而大數據下的用戶畫像和用戶行為記錄，恰恰對每個客戶的登錄、消費等行為，都進行詳細記錄和分析，并且還為每個客戶打上了標簽（消費愛好和使用愛好等）和標識出活躍等級。

為了更好的讓大家了解用戶畫像，我特意做了個圖，請看下圖中的活躍等級和用戶標簽的說明。

（特別需要說明的是，這里用戶等級和標簽都可以在后臺根據實際需要自由設置；標簽和等級每月更新一次，每個客戶每月獲的標簽和等級、系統都會有記錄。）

此外大數據平臺除了提供用戶畫像功能外，還有個用戶行為記錄功能，這里記錄了用戶從登錄到離開的所有使用行為。通過這個功能可以按照相關的搜索條件（例如：在某一天登錄過、購物過、參與過活動的會員）篩選出對應的會員數據。

如下圖部分篩選條件：

（我們是做汽車后市場的，所以需要這些篩選條件）

總之，通過大數據下的用戶畫像和會員行為記錄，提醒發給誰（who）的問題可以快速的得到解決。

最后，提醒發過之后，我們要對提醒結果做個統計和評估，這就需要我們的統計功能提供數據支撐——因為我們需要知道在各種提醒規則下提醒了多少人，提醒了哪些人，提醒的效果的怎么樣。

通過以上分析，我們已經有非常清晰的思路，去對這個需求進行具體的功能設計，對此我設計出三塊功能，分別是：后臺提醒統計、后臺規則配置，客戶端查詢。

如下圖：

首先是后臺提醒統計，這里主要記錄了在各個規則下發了多少提醒，具體效果怎樣。這里對于提醒的記錄我分了沉睡和非沉睡用戶，因為通過規則內一系列提醒，一些用戶還是無活躍，無消費等行為，對于這類客戶我把他們歸為沉睡用戶，然后進行單獨管理。

下圖為設計的部分統計功能原型：

其次是后臺規則配置，這里主要是對不同類型的客戶進行有針對性的規則配置。運營只有根據實際需要配置出科學的提醒規則，并且配合編輯好的提醒模板（短信模板和電話提醒語音）才能更好的達到提醒目的。

這里根據我自己的理解，整理出一套規則 ，如下圖：

從圖中（只供參考）可以看出，這個提醒規則從線下會員轉化到VIP續費提醒、再到普通和VIP會員的活躍提醒形成了一個環?？蛻魪淖猿蔀榫€上會員開始，就進入了我們提醒規則內，也就是在產品的整個生命周期內，提醒都會伴隨客戶左右。

需要說明的是這個規則只適用于拉新、促活和轉化提醒，對于營銷活動的提醒沒有涉及到。由于各個活動時間和內容的不確定性，在這里要根據不同的活動目的和目標客戶提前設置好科學的提醒規則。

另外我們在實際編制提醒規則過程中，要特別注意以下幾個問題：

• 提醒頻率不宜過于頻繁，否則會使客戶反感，會和我們目的背道而馳。
• 提醒內容不宜過長，要簡潔明了有誘惑力。

最后是客戶端查詢功能，本功能主要是按照后臺配置的規則，運營人員可以根據規則篩選出用戶數據。

這里需要說明的是，如果提醒平臺接入了短信發送平臺和外呼平臺實現了智能提醒，那么這里只是個簡單提醒記錄查詢。如果提醒平臺沒有接入短信平臺和外呼平臺，那么這里就是個數據輸出功能，相關運營人員要通過此功能對符合規則的客戶數據進行篩選、匯總和導出，然后再通過短信平臺或者人工客服進行非智能化提醒。

總之，基于大數據下的提醒功能和科學的提醒規則會有效的促進拉新、留存、促活和轉化，它也是運營手中不可缺少的利器之一。另外需要提醒的是當客戶量上來之后，數據的提取，分析和用戶畫像的建立必須優先進行規劃和開發，因為大數據才是精準運營的基礎和產品規劃方向的燈塔。

預告：下一篇是 ?大數據下的運營利器之——精準內容或廣告推送平臺

本文由 @?lain 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議