從生產到應用:用戶LBS位置標簽及POI數據
編輯導語:如何設計與地理位置相關的用戶標簽,并使其投入產品應用中?其中,我們需要了解LBS服務——基于位置的服務,及POI數據。本篇文章里,作者系統介紹了LBS位置標簽與POI數據,并給出了后續的產品化應用方案,一起來看一下。
“LBS相關的標簽,是用戶標簽畫像系統中的重要內容。”
好久沒有分享關于用戶畫像、用戶標簽相關的內容了。關于標簽數據,之前有分享過《用戶生命周期標簽的計算》、《用戶畫像中的興趣類標簽如何計算》。今天分享一下,關于LBS相關的標簽內容。
一、什么是LBS
講LBS標簽之前,先來看看LBS具體的一些內容吧。
1. 什么是LBS服務
LBS,即基于位置的服務(Location Based Services)。其實在日常我們的生活中,關于LBS的服務是非常常用的。
目前主要的LBS服務提供商,就是高德、百度、騰訊這些比較常見。其他絕大部分的APP應用,都是調用這些服務廠商提供的接口服務能力。
像我們常用的百度地圖,基本產品邏輯就是圍繞地理位置進行的。比如進行定位服務、路線規劃、地點搜索、導航等等。
再比如,外賣軟件中騎手配送路徑的實時展示、配送員調度等。
相關的應用很多,所有涉及到地理位置的相關功能,都屬于LBS的范疇。
2. LBS服務的類別
總結下來,主要的LBS相關的服務可以總結為五類:地圖服務、搜索服務、定位服務、路線規劃服務、導航服務。
1)地圖服務
這個比較好理解,地圖是LBS服務的基礎。無論是導航、還是看定位等,都是要基于地圖進行呈現。
雖然地圖很常見了,但是其實關于地圖呈現的內容是非常多的。比如,地圖的風格、地圖的覆蓋物(比如交通軌道、河流等)的選擇、聚合點的設置、地圖中心位置的設置等等……
2)搜索服務
所謂的搜索服務,即對地理位置相關的內容進行搜索。
基于不同的搜索對象,可以將搜索分為:POI數據搜索、地址數據搜索、行政區劃數據搜索、公交數據搜索等等。
比如上面,就是一個POI的搜索,這里能看到一個周邊的圍欄。關于POI和地址圍欄,我們后面展開闡述。
3)定位服務
定位其實比較好理解,就是確定目前設備所處的位置。
通常,服務提供商提供的定位信息,是基于GPS、基站、WIFI等內容進行的混合定位。相對單模式定位,會更加精準。
4)路線規劃及導航服務
路線規劃服務也比較好理解,就是提供兩點之間的路線規劃。
路線規劃是導航的前提。根據交通方式的不同,可以有多種路線規劃方式,比如駕車路線規劃、公交路線規劃、騎行路線規劃、步行路線規劃等。
二、POI和地理圍欄
上文中,我們提到了POI和地理圍欄,由于比較重要,這里著重展開介紹一下。
1. 什么是POI
所謂的POI,即Point of Interest。怎么理解呢?比如,一個學校、一個小賣部、一個公交站、一個小區,都可以理解成一個POI。
想象一下,地圖只是提供了一個底層的畫板,只有在地圖上疊加一個個的POI點位,地圖的信息才能豐富起來,數據才有了價值。基于一個個的POI信息,可以進行更好的搜索、定位等等功能。
比如上圖,我們搜索“便利蜂”,出現的結果,就是和便利蜂相關的POI列表。
通常一個POI必備名稱、地址(具體地址)、坐標(經緯度)、類別四個屬性。至于其他屬性,比如手機號、省市區等等,屬于擴展信息。
2. 示例:高德的POI數據
我們看一下高德對外提供的POI接口數據。
首先是按照行政區域的POI數量:
我們可以看到,光北京市的POI數量就達到了347萬個。
我們看具體POI列表,就比較容易理解了:
上面有機關單位、有汽車維修、有餐廳……這一個個具體的點,都是POI。每個POI除了列表中呈現的信息:名稱、地址、電話、類別,還有啥信息呢?如下圖:
看到了吧,信息是非常全的。還有街景信息,這里就不放截圖了。
3. 地理圍欄
上文講了POI。注意,POI是一個【點】。和【點】對應的概念是【區域】,我們稱之為“圍欄”。
比如一個小區,雖然也可以在POI列表中呈現,可以用一個經緯度表示定位。但我們知道,小區其實是一個區域,而不只是一個點。這時,如果為了更加精準的分析服務,我們需要用到地理圍欄。
所謂圍欄,就是一個封閉的區域。例如下圖:
百度地圖中,用虛線將頤和園的邊界進行了圍起來。我們可以清楚地了解頤和園的區域范圍,而不僅僅是一個POI點信息(其實頤和園也是有POI點的,上圖中的序號位置1,就是頤和園的POI。如果只有POI而沒有圍欄,是不是效果差很多)。
當然,大部分地理信息其實是不需要圍欄的。比如便利蜂,我們沒必要知道便利蜂門店精準的區域,基本經緯度就可以了。但是比如行政區(例如北京市海淀區)、小區、學校等,還是有必要了解圍欄信息的。
三、地理位置標簽
關于LBS和POI等相關的內容,上面也只是概括地講了講,細節層面確實內容非常豐富,值得大家深入研究研究。這里是時候進入我們的正題了,那就是地理位置相關的用戶標簽。
首先明確一下,我們這里的標簽對象,是人:即給人打上和地理位置相關的標簽。
1. 需求背景
我們在精準營銷中,經常需要結合地理位置信息進行定向人群圈選,從而精準觸達。
舉個例子。我是一個線下便利店的店長,經營原漿啤酒。由于保質期短,且線下經營,潛在顧客基本就是店周邊小區的人群,而且是愛喝啤酒的男顧客偏多。
因此,我需要營銷觸達的人群應該是【門店周邊3KM居住小區】+【男顧客】+【愛喝啤酒】。
關于【男顧客】、【愛喝啤酒】應該是基礎標簽、偏好標簽,可以參考《用戶偏好標簽計算》。至于【門店周邊3KM小區】這個標簽該如何獲得呢?
對,這就需要地理位置信息相關的標簽了。
2. 具體計算邏輯
如何獲得這個標簽呢?這里的關鍵是對用戶的歷史LBS位置進行建模、計算。
這個模型說復雜也并不復雜,但是細節內容比較多。通常來講,基于用戶APP上傳的地理位置信息,我們會同時給用戶打三個地理位置相關標簽:用戶的家的位置、用戶的公司的位置、用戶常出現的位置(除家和公司外)。
由于用戶使用APP的時長、頻次通常不是很長,我們一般需要稍微長一點的數據來計算用戶的地理信息標簽。一般可以考慮使用近30天數據(過長也不合適,時效性差且計算量大)來計算標簽。而且由于用戶的行為通常比較穩定,標簽的更新時效也沒必要每日更新,能每周更新一次標簽就可以了。
具體的計算邏輯主要有這么幾條:
- 工作日時間有地理位置的日志超過*%就判定該位置是公司;
- 夜間有地理位置的日志超過*%就判定該位置是家;
- 其余時間經常出現的日志最高的位置判定為常去地。
大的邏輯是這樣,但是有很多細節計算邏輯,這里就不展開了。
3. 地理位置數據表
通過上面的計算,最終可以生成一張專門的用戶地理位置相關的表。以用戶ID為主鍵,分別三個字段:預測的家的位置、公司位置、常去地位置。
這里的原始地理位置,可以以經緯度進行存儲。
四、LBS標簽的產品應用
地理位置標簽數據計算好了,如何進行產品化應用呢?其實主要就是進行人群的圈選。具體的圈選方式,可以有以下幾種方案。
1. 基于具體POI+半徑圈選
比如,上面例子中,我們想基于便利店周邊3KM進行人群圈選。
便利店作為圓心的POI,圈選該POI周邊半徑3KM以內的人群作為目標人群,即可滿足訴求。
上面的截圖是基于POI+距離半徑來進行的人群圈選?!厩迦A大學-北門】、【清華大學公寓】等都是一個個POI,下面的選擇范圍是距離半徑。
2. 基于地理圍欄圈選
第一種方式中,比較容易實現。但是有時想要圈選更具體精準的某個區域內的人群。
比如想圈選北京市西城區的全部潛在人群,或者某個學校的所有學生,這時就需要借助地理圍欄進行圈選。
從數據層面,除了需要用戶地理位置信息、POI信息外,還需要相關的地理圍欄信息。通過地理圍欄才能判斷用戶是否在圍欄內。
上面這個就是基于POI圍欄進行圈選。
下面這個基于行政區進行的圈人,本質也是地理圍欄。但是由于場景比較多,就進行了單獨呈現。
3. 其他類型圈選
本質上,所有的圈選都要么是基于POI+半徑,要么是基于圍欄。但是上面也看到了,有些特殊場景,從產品設計層面可以單獨拿出來,比如行政區圈選。
另外,可以看一下下面的基于場景圈人。
這樣可以對特定類型的人群進行圈選。
關于LBS、用戶地理位置標簽相關的內容就分享這些,歡迎大家繼續關注~
#專欄作家#
首席數據科學家,公眾號:首席數據科學家,人人都是產品經理專欄作家。在金融領域、電商領域有豐富數據及產品經驗。擅長數據分析、數據產品等相關內容。
本文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。
求問第四大點的區域圈選是通過什么實現的呢?另外同期待這個系列更深層次的分享
感覺寫的不是很深,希望這個系列可以出更深層一些的分享,對POI數據及策略感興趣 但找不到對應的學習文章:)
感謝分享,頭腦中有了初步概念了
感謝關注!