1. 產品
- 用戶分羣
- 用戶相似度(提供不同維度給客戶，返回相似度)（單一推薦，羣體lookalike）
- 用戶離羣檢測(風控模型)
- 用戶關係網絡(wifi數據、運單數據，同城、同商圈，同鄉、三元閉包）
- 用戶位置模型（用戶不同時間段，使用的交通工具，所有去過的地點。能夠識別常駐地、遷徙地、變化地等等)
- 實時位置流以及預測
- 區域人羣模型（某個區域用戶價值、分佈、意向、短期長期興趣）
- 區域行爲探測（用戶在某個區域停留多久，停留時候在幹嘛，週期性人羣潮汐預測、客源起止點）
- 效果評測平臺
2. 解決方案
目前可以形成的LBS大數據行業解決方案：
LBS大數據行業解決方案
2.1 廣告
是目前最合理可以預見的變現方式，應該是產品主要發力方向。
2.1.1 線上廣告
-
行業分析：對比谷歌，百度，高德缺失廣告平臺、廣告主、媒體等等。在廣告鏈條上目前只能作爲地理位置數據供應商，嵌入或者融合到廣告推薦裏面去。
- 合約:CPT,CPM(可以切入受衆定向：geo-targeting地理定向、人口屬性定向、精準位置定向、新客推薦定向)合作方式需要考慮
- 競價 更適合搜索引擎，考慮和淘寶直通車合作，合作可能性小。
- 程序化交易 RTB，廣告交易平臺ADX，可以作爲交易平臺的數據供應商。也可以考慮數據交易平臺/DMP(數據管理平臺），做數據的加工和交易。可交易數據包括用戶標示，用戶行爲、人口屬性、地理位置、社交關係。難點在於數據安全把控，如何加工生產出可以用於交易的數據。
- 原生廣告：媒體資源，feed流，廣告聯盟。可以作爲這些廣告和本地廣告主的鏈接橋樑。
產品組合：用戶分羣+實時位置流+用戶位置模型等
應用場景：嘗試和集團內部BU合作，UC、優土、阿里媽媽等。
2.1.2 線下廣告（重點)
"我知道我的廣告費有一半浪費了，但遺憾的是，我不知道是哪一半被浪費了。" -- 廣告大師約翰•沃納梅克
行業分析: 線下廣告效果難以評估，沒有類似於點擊率來評估廣告效果，也沒有點擊率模型來優化效果。
線下DMP的思路，比如優信二手車投放分衆的樓宇廣告，只能知道投放的是寫字樓或者商場，很難評估出來這些區域的目標用戶量，潛在客源。產品組合：用戶lookalike+區域人羣模型+效果評測平臺能夠有效提升廣告效果。
應用場景：線下廣告選擇汽車市場切入，汽車社區、二手車、4S店、駕校招生廣告等。O2O比如共享充電寶這種也是一個新興可以預期的市場。
2.2 推薦
- 行業分析： 爲社交軟件(探探、陌陌,Blued)或者個性化內容app(最右，bilibili，一點資訊；短視頻以及資訊類)，能夠爲這些app提供冷啓動和用戶推薦，難點在於提供恰當的推薦切入方式。目前返回設備號的做法缺乏置信度，客戶難以嵌入產品。需要打造成開箱即用的算法模塊或者產品接口。
- 產品組合：用戶相似度+區域人羣模型+用戶關係網絡
- 應用場景：按照API調用收費
2.3 金融
- 行業分析： 核心能做就是不同維度的用戶風控模型，做離羣檢測和策略結合。構建一個通用能夠多維檢測的離羣模型。
- 產品組合：用戶離羣檢測+用戶關係網絡+用戶位置模型+用戶分羣
- 應用場景：通用型較差，需打標杆
2.4 O2O
- 行業分析：這個名詞涉及到行業太多，和高德LBS數據最爲契合有兩個，分別是物流和共享單車。兩者都指向城市末端網絡的數據收集、挖掘和應用。
- 產品組合： 區域行爲探測+實時位置流以及預測
- 應用場景：值得合作變現的應該是結合共享單車的數據，來改進物流的末端倉配和選址。
2.5 智慧城市
- 行業分析：涉及到包括交通質量分析、改善，城市規劃，公共場所人流預測。
- 產品組合：區域人羣模型+區域行爲探測+實時位置流以及預測
- 應用場景：適合和政府合作項目
3. 數據研發
目前數據主要包括用戶畫像和細節的位置數據。接下來可以先做線下廣告相關的數據
- 用戶分羣可以沿用用戶畫像的數據，選擇特定的維度，存入MPP架構的數據倉庫，提供adhoc查詢能力。
- 實時位置流以及預測。 採用galaxy實時綜合、彙總用戶位置數據，同時研發用戶位置預測模型，實現預測。
- 用戶位置模型。結合現有家和公司，產出用戶籍貫，常去商圈，出差地，以及這些地點的時間段。