“Spotify在你的音樂榜單中添加了兩個新專輯?！蓖ㄖ獊淼恼媸菚r候！來自Periscope（視頻直播app）的通知：“@kayvon希望你觀看他的視頻直播”。兩封郵件通知，一個新的Twitter follower，一個slack的@channel通知…一共接收到了9條推送通知！沒有一條和我正處在如此惡劣的環境狀態有關！我的手機只有2%的電了！手機信號極其不穩定！而我迫切需要的是打開那該死的地圖！

互聯網科技在最近20年里已經發展了很大的變革，而推送通知技術仍舊停留在1999年。

“上一款因為優秀的推送通知方案而讓你印象深刻的app是哪個？”

無數的文章、企業、產品和會議都在討論這個話題。有無數的案例證明現在主流的推送通知方案問題多多，實際上已經無法承載向用戶推送有價值的信息的功能屬性了。那么更加合理的推送通知方案應該是怎樣的呢？

大數據時代

從谷歌搜索到Facebook的newsfeed,大數據通過一系列的算法來整理大量的信息數據，決定具體的用戶推送具體的內容。自我學習算法則指導其他的產品如Google Now和Facebook最近更新的推送tab。它們仍舊是智能推送通知的初級狀態，不過幸運的是，智能推送通知所要求的智能化、可預測性已經實現了。

互聯網社交的火爆使得在網絡上分享個人數據變得普遍；當你可以快速的使用微信和QQ登錄第三方應用的時候，你還會花時間去填寫繁冗的個人資料嗎？

個人行為數據

有很多的應用基于他們的產品屬性并不傾向于對用戶數據進行整理保存（對比iAWriter：一款寫作應用和Facebook），但是它們仍舊可以沉淀一些用戶怎樣使用產品的行為數據。比如：用戶習慣在哪個時間段登錄應用？每次打開應用會花多長時間使用它？這些行為是否和“重度用戶”的定義有關聯？

生態系統數據

用戶有沒有其他的愛好？用戶有沒有使用其他的產品？怎樣使用它們？在使用過程中有沒有哪些共通的使用模式？比如我們對于應用的個人隱私政策都是有共識的。在谷歌最近發布的自動智能回復功能模塊里，用戶是不允許閱讀其他用戶的私人通訊記錄的，但是機器學習算法可以。

真正的智能推送通知是什么樣子的

如果我們能夠搜集和分析所有可能幫助我們實現智能推送通知的數據，那么智能推送通知最基本的特征應該是：有幫助的，個性化的，與時間相關的，有聯系性的。

時間智能化

即時操作不總是最優的。剛剛發布的Basecamp 3最引人注目的功能之一就是“Work Can Wait”,它允許用戶自主選擇接收推送通知的時間段。當你在約會晚餐時你大概不太希望收到來自其他時區的工作報告推送吧。

推送通知發生在錯誤的時間比無用的垃圾推送還要惡劣！不合時宜的通知不僅僅會被忽略，它還會打擾用戶的注意力，這往往會導致焦慮以及降低對于重要信息的感知度。

智能推送應該自動解決這個問題。一個可預測評估信息重要關聯程度的引擎將通過分析推送內容來判斷推送的時間合理性，不再打擾你的約會晚餐。

地點智能化

地理位置信息對于理解用戶的行為是非常有幫助的。如果一個用戶正在上海外灘游蕩的時候，一個來自都柏林的宜家打折通知是沒有任何意義的。已經有很多應用在合理的使用地理位置信息了。比如當Foursquare/大眾點評意識到你到了一個新的城市，它們就會向你推送當地的吃喝玩樂信息。有很多的to-do應用會結合你所在的位置提醒你最適合在當地完成的任務。

分組智能化

和其他的推送機制一樣，通知推送對于應用來說是非常敏感脆弱的。如果某一個服務頻繁的使用通知推送，用戶會感到被冒犯并且會關掉它。即使推送的內容質量很高很有用，但是太多啦！用戶會被潮水般的通知淹沒的！因此，將通知內容分組就變得很重要了。

Facebook就將相同的通知分組展示的，比如有多少人“like“了你的照片。兩個喜歡你照片的名字和其他人的數量展示給你，如果你對還有誰感興趣，你可以點擊查看詳情。與之相較，Quora不僅告知你所有的推送通知，它甚至需要你查看每一個具體的通知，即使他們中有很多一樣的內容。

更進一步說，智能推送通知應該具有“漸進分組“的設置，當你經常收到少于10個”like“的時候，你應該會想要查看每一個人對你的”like“通知；但當你經常性的收到成百上千的”like“推送通知的時候，那么將這些通知收起分組會是更好的選擇。你也可以定制接收來自你朋友和家人的推送通知。如果扎克伯格在你的臉書里對你留言，你是不是希望立即被告知呢？

智能反饋

每個用戶都是獨一無二的，但為每個用戶而定制是不現實的，因此，必須做出適當的妥協。智能化的推送通知反饋相比千篇一律的模式，會讓用戶感到更加人性化。

基于用戶與產品內容的互動習慣，我們可以為用戶定制一個更加合理的文案和結構。你通常怎樣操作你的新照片“like“通知？你會很快速的掃一眼嗎？還是很仔細的查看每一個通知？按照用戶對推送通知的習慣操作行為，每個用戶得到的通知文案和結構應該是不同的。
智能定位目標