阿里达摩院联合友盟+ ,推出国内首个智能推送

简介: 运营人员创建推送计划时,可以同时创建多个推送文案,推送消息开始下发时,阿里达摩院算法会根据用户实时点击情况,并结合友盟+全域数据,实现文案的精准匹配,将每一个文案推送给最合适的用户群体,因此可以提升消息推送整…

你还记得最近因为优秀的推送文案而让你印象深刻的App是哪个么?某游戏的热血邀约?某标题党的新闻资讯?或者是某次约会提醒?
1.png

恐怕很多人的答案是否定的。因为有无数的案例证明现在主流的推送方案问题多多,已经无法承载向用户推送有价值的信息的功能属性了。消息推送成为了互联网的玄学。作为用户,每天问你早安的可能不一定是恋人而是手机里的消息推送。新闻App可能比你更关心你今天想关心什么新闻,电商App可能比你更了解你明天要买什么物品,你甚至怀疑在地球毁灭那天,你手机里的App还是会定点向你问候早中晚三次。而作为开发者,你期待用户能打开你推送的每一次链接,关注、阅读、下拉、停留......因为每个动作的背后可能就藏着你的年终奖,你开发的App能不能成为独角兽?数据和答案也从这里一点点显现。

在激烈的流量竞争下,推送由于能唤醒用户点击而被寄予厚望。而推送文案则必须像磁铁,像用户心中的顶级爱豆,能牢牢吸住目光。

从搜索引擎到信息流推荐,算法通过对大量数据的处理,来决定向用户推送何种个性化的内容。同时因为消息推送的智能化越来越重要,其工程化也在近期实现。这一领先的智能推送算法技术来自阿里巴巴达摩院,该技术由达摩院-机器智能技术-决策智能实验室自主研发,采用MindOpt优化求解器中的在线优化算法,并结合了流计算等技术,是一种在线学习与优化(简称OLAD)的方案。该方案起步于在流量业务场景中对需求背后的基本问题进行优化建模与求解,以及对在线优化技术的广泛实践,已经稳定服务了多个阿里内部的业务场景。

达摩院决策智能实验室讲算法技术与友盟+强强合作,推出国内首个智能推送功能,帮助产品运营人员实现一键式触达的精细化运营。通过精心打磨的在线学习与优化算法,对推送人群与推送文案进行精准匹配,最大化用户点击量。通过对不同用户场景感知和各种约束配额下的最佳分配,将无用推送信息降权显示,降低对用户的干扰,优化用户维度的推送体验。

智能推送 如何只制造关心和需要

智能推送= 优质的内容 x 合适的时机 x 恰当的频次 x 合理的渠道 x 精准的用户,让信息垃圾远离用户,只提供关心和需要。

人群智能匹配,提升推送点击量和转化

运营人员创建推送计划时,可以同时创建多个推送文案,推送消息开始下发时,阿里达摩院算法会根据用户实时点击情况,并结合友盟+全域数据,实现文案的精准匹配,将每一个文案推送给最合适的用户群体,因此可以提升消息推送整体的用户点击量和点击率。

以电商行业为例,多个推送文案可以是同一件商品的不同描述,例如“99元零食包邮必看”、“零食礼包只要99元”、“大家都在疯抢这个零食礼包”等等。也可以是不同商品的描述,例如“蛋黄酥促销必抢”、“最好吃的螺蛳粉就是TA”等等。差异化的文案策略更有利于匹配到不同偏好的用户群体。

文案内容优化

文案是推送的核心,有人说,文章开头就是写给读者的“三行情书”。推送的文案很大程度上决定了用户点击的动力,能通过精准的文案让用户产生兴趣的而点击,需要通过多次尝试和磨合得出用户的喜好。智能推送UPush支持同时创建多个差异化推送文案,运营人员可以直接从推送文案库中复用历史优秀文案。

下一阶段,友盟+还将复用阿里妈妈的智能生成文案的能力,彻底解决运营同学的文案焦虑问题,只用输入商品名称和关键词,通过人工智能算法,会自动生成适应各个场景下,最热门最受欢迎的推送文案。

一键下发多种推送文案,避免对用户重复打扰

如何能让用户觉得你和他的接触不是一种打扰?传统的推送虽然可以通过给用户多次下发不同文案,来统计哪些文案的点击率最高、用户最喜欢哪些文案。可是多次下发意味着对用户的频繁打扰,可能效果适得其反。而智能推送UPush一键下发多种推送文案,同一用户只被一种文案触达,避免对用户的重复打扰。更加智能化的推送机制,为用户提供更有价值、更能帮助到用户的提醒。

2.png

相关文章
|
数据可视化 测试技术 PyTorch
智谱ChatGLM3魔搭最佳实践教程来了!
ChatGLM3-6B 是 ChatGLM 系列最新一代的开源模型,在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上
|
iOS开发
IOS - iOS 12 的“隐式推送”功能怎么用?
IOS - iOS 12 的“隐式推送”功能怎么用?
560 0
IOS - iOS 12 的“隐式推送”功能怎么用?
|
4月前
|
机器学习/深度学习 人工智能 算法
PeptideBERT:基于Transformer用于肽性质预测的语言模型
本文介绍了PeptideBERT模型及其在昇腾设备上的部署方法。PeptideBERT是一种基于Transformer架构的蛋白质语言模型,通过微调预训练模型ProtBERT,可预测肽的溶血性、溶解性和抗非特异性吸附性等关键性质。其输入表示包括词嵌入、物理化学属性编码和位置编码,并采用多头自注意力机制捕捉序列依赖关系。
|
前端开发 JavaScript 机器人
用PHP实现了一个极验验证功能,如何做?具体代码如何写?
极验验证是一种防机器人的验证机制,可以通过图像识别等方式来判断用户是否为真实用户。
301 1
|
9月前
|
存储 关系型数据库 MySQL
MySQL vs. PostgreSQL:选择适合你的开源数据库
在众多开源数据库中,MySQL和PostgreSQL无疑是最受欢迎的两个。它们都有着强大的功能、广泛的社区支持和丰富的生态系统。然而,它们在设计理念、性能特点、功能特性等方面存在着显著的差异。本文将从这三个方面对MySQL和PostgreSQL进行比较,以帮助您选择更适合您需求的开源数据库。
486 4
|
9月前
|
监控 Devops jenkins
自动化部署与监控:打造高效的DevOps流程
【10月更文挑战第24天】在追求快速迭代和持续交付的软件开发时代,DevOps成为提升团队效率的关键。本文深入探讨如何构建一个高效的DevOps流程,包括自动化部署、监控和故障排除等关键环节。通过实际案例,我们将学习如何利用工具简化运维任务,确保系统稳定运行,并快速响应生产问题。
285 2
|
10月前
|
存储 Java Apache
Java“NoClassDefFoundError”解决
“Java NoClassDefFoundError”是运行时错误,表示JVM找不到某个类的定义。通常由类路径设置不当、依赖缺失或版本冲突引起。解决方法包括检查类路径、确保所有依赖正确添加及版本兼容。
1423 3
|
存储 缓存 大数据
【大数据】分布式数据库HBase
【大数据】分布式数据库HBase
212 0
|
存储 运维 监控
Kubernetes 集群的持续监控与优化策略
【5月更文挑战第3天】在微服务架构和容器化部署日益普及的背景下,Kubernetes 已成为众多企业的首选容器编排平台。然而,随着集群规模的增长和业务复杂度的提升,有效的集群监控和性能优化成为确保系统稳定性和提升资源利用率的关键。本文将深入探讨针对 Kubernetes 集群的监控工具选择、监控指标的重要性解读以及基于数据驱动的性能优化实践,为运维人员提供一套系统的持续监控与优化策略。
211 7
|
达摩院 Python
阿里达摩院MindOpt优化求解器-月刊(2024年6月)
**阿里达摩院MindOpt优化求解器2024年6月月刊概览:** - 发布新功能,MAPL建模语言V2.5上线,Python APIs全面升级,旧版本不兼容。 提供快速入门教程、示例代码展示如何用Python调用MAPL。MindOpt Studio租户版新增Gradio支持,便于开发WebAPP,提供了案例源码展示如何开发。引入新案例: 1. 巡检线路的排班-2017全国大学生数学建模竞赛D题。包含最短路模型、TSP模型、弧分割模型。2. 商品组合定价策略:探讨如何最赚钱的加购区商品定价。
212 0
AI助理
登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问

你好,我是AI助理

可以解答问题、推荐解决方案等