一種泊車服務推薦系統的設計★

磨春妗，黎 飛，謝燕芳，程 登，張 森

（上汽通用五菱汽車股份有限公司廣西汽車新四化重點實驗室，廣西 柳州 545007）

引言

汽車的保有量不斷地增加，伴隨著很多的安全問題，而泊車操作失誤引發的安全事故不在少數。復雜的泊車空間環境、有限的視野范圍、要求車輛行駛速度與方向盤轉向合理配合等多個因素容易使駕駛員感到緊張，最終導致泊車事故發生[1]。當前各大車企已推出或正在研究泊車輔助系統，該系統對于用戶而言，不需要通過熟悉環境或者是駕齡的增長來減少泊車困擾，且可以滿足人們不斷增長的、更加復雜的出行智慧服務需求；對于車企而言，當前傳統汽車和新能源制造企業現仍以售賣純汽車硬件為核心的商業模式，實現以售賣硬件為主向軟件為主的商業模式轉變，是當前企業所追求的，而泊車輔助產品正好可以作為助力企業商業模式轉型的軟件產品之一；對于社會而言，泊車事故的減少，有利于營造和諧安定的社會環境。綜上所述，本文以自動泊車產品為例，從車企推廣產品的角度出發，介紹一個如何鎖定目標用戶，以及向用戶推薦，并最終引導用戶購買、做好售后運營的比較完整的泊車服務推薦系統，旨在提供一種泊車服務推送方法，解決難以對存在泊車服務需求的目標人群進行精準推送及后續運營維護的技術問題。

1 泊車服務推送系統的介紹

所謂的推薦系統是指無需用戶提供明確的需求，可依據用戶的歷史行為、社交關系、興趣點、所處上下文環境等信息去判斷用戶當前需要或感興趣的物品/服務的一類應用，本文所闡述的泊車服務推薦系統主要依據用戶的歷史泊車行為數據進行分析，進而發現存在特征相似的泊車困難戶，并據此推薦泊車服務，推薦的基本思想就是“物以類聚，人以群分”。該系統包含三個模塊，第一個模塊是泊車困難戶的識別，通過分析用戶歷史泊車行為數據，依據篩選策略識別出有泊車困難傾向的用戶；第二個模塊是泊車服務推送流程，對識別出來的泊車困難戶進行泊車服務的推薦，該模塊分為兩個部分，第一個部分是引導用戶去應用商店了解體驗，第二個部分是引導用戶購買泊車服務；第三個模塊是做好售后運營工作，對購后長時間未使用的用戶推送提醒或已使用的用戶推送使用報告。該系統的具體工作示意圖見圖1，數據庫負責提供數據支撐，推送平臺負責判斷推送人群和推送，車端接收消息，通過消息跳轉應用商店App 可以了解和體驗/購買泊車服務，用戶的操作數據會上傳數據庫作為是否再進行推送的依據，此外用戶使用泊車功能的數據也會上傳到數據庫作為購后運營維護的數據依據。總的來說，該系統不僅能識別目標用戶，在推薦產品成功后，還考慮了產品售后維護工作，涵蓋比較全面。

圖1 泊車服務推薦系統工作示意圖

2 泊車困難戶的識別

在推薦泊車服務之前，先鎖定用戶群體。本文的思路是依據車輛歷史的停車倒車時長均值與本文界定的閾值做大小比較，大于閾值則為泊車困難戶，進而對其推薦泊車服務。通常泊入相對于泊出難度要大，因此本文主要基于泊入的角度對用戶群體進行識別。首先依據每次行程結束前整車檔位狀態計算停車倒車時長，歷史停車倒車時長均值為推送日前一天往前30 天里的總停車倒車時長的算數平均值（要求前一天的總停車倒車時長大于0，若單次停車倒車時長為0，則不在計算范圍）。其次關于閾值的界定，本文是通過多個維度去確定的，以某款車型為例，按照性別、年齡（18～25 歲、26～30 歲、……、56～60歲、61 歲以上）、購車時長（30 d 內、31～60 d……）以及不分維度去計算停車倒車時長均值，根據計算結果，基于推送范圍不能太小的考慮，選擇大于全部用戶平均水平（不分維度）且小于最大值的數值，作為泊車困難戶閾值。若車輛的歷史停車倒車時長均值大于閾值，說明該車輛用戶是存在泊車困難傾向的，最后再結合車輛是否具備泊車硬件裝置和是否購買過泊車產品（首次推送無需判斷）這兩個條件，篩選出來的車輛用戶就是要推送泊車服務的泊車困難戶群體。

3 泊車服務推送流程

在鎖定泊車困難戶之后，就可以在適當的場景比如車輛進入停車場/檢測到停車位時，給用戶推送輔助泊車服務推薦消息。由于泊車產品初期面向用戶推廣，用戶的接受程度難免因人而異，為了讓更多用戶更加了解和接受產品，因而產品可以分為免費體驗環節和正式購買環節，用戶可選擇先進行體驗，也可以直接進入購買環節。假如用戶選擇先進行體驗，則在體驗期結束后，會自動推送一份體驗小報告給用戶，目的是讓用戶了解使用該產品的情況，以更有說服力地引導用戶去購買。

具體的推送流程見圖2。第一部分：引導用戶去商店了解體驗。首先依據算法判斷出泊車困難戶，由推送平臺系統向其車機端推送消息內容，車機端接收到信息，則在車屏彈出彈窗呈現給用戶，可配置語音播報功能，告知用戶目前有一種泊車服務可以解決泊車中的困擾引導用戶前往了解，若在連續推送6 次中，有3 次用戶直接關閉或不做任何操作直至彈窗自動消失，則在接下來的30 d 里不再給該用戶推送，避免引起用戶的反感，30 d 后依據用戶是否為泊車困難戶進行推送，若是則再給用戶推送。若用戶主動點擊前往了解，則這時就會跳轉到應用商店為用戶展示泊車產品介紹，介紹附帶使用視頻，便于用戶盡快掌握使用方法，用戶了解后可決定先體驗還是直接購買。

圖2 泊車服務推送流程

第二部分：引導用戶購買泊車產品。若用戶選擇體驗，先進行服務包升級，在30 d 的體驗期后，依據用戶使用前泊車數據和體驗期間使用泊車產品后的泊車數據自動推送一份體驗報告（包含使用次數和使用泊車服務后泊車節省時長等內容），讓用戶了解這個產品為他帶來的價值，增加用戶購買的可能性。若給用戶推送三次均無反應或手動關閉則重新回到判定是否是泊車困難戶群體然后決定推送的起點。若用戶決定購買，則可點擊前往商店購買正版，支付完成后，升級服務包，即可使用泊車產品。若用戶沒有體驗直接購買，則直接進入購買階段，支付，升級服務包，然后使用。若用戶最終沒有支付，則該用戶將會重新回到是否是泊車困難戶然后決定推送的起點。

4 售后運營工作

在用戶購買之后，在后期運營時可以考慮給長時間未使用的用戶推送提醒或者給使用的用戶推送使用報告（見下頁圖3），增加產品曝光率，提高使用頻率，提高用戶對品牌、產品的好感，做好購后服務工作。有的用戶在購買泊車產品后可能因為某些原因長時間沒有使用泊車功能，如果時間超過30 d，則這個時候可以給用戶推送一個提醒使用的消息（包含未使用時長以及溫馨提示等內容）。有的用戶會經常使用，則可以給用戶出一份使用報告（包含使用次數和使用泊車服務后泊車節省時長等內容），讓用戶了解購買這個產品的使用情況，形成一個泊車服務使用的數據閉環。

圖3 購后推送流程圖

5 結論

首先目前尚沒有泊車困難戶識別的其他科研成果，本文依據倒車時長歷史數據識別泊車困難戶，彌補了當前科研成果的缺陷；其次本文以自動泊車產品為例，雖然泊車困難戶識別方法相對比較簡單，但是也比較精準縮小了推送范圍，避免盲目推送所有用戶，實現比較智能化的定向推送，而非無厘頭的、盲目的傻瓜式推送，減少非剛需用戶的反感，增加剛需用戶的好感；再次依據用戶對泊車功能推薦消息的反應決定是否再進行推送，也體現了人性化推送，減少了用戶反感；最后本文的推薦系統還考慮了推薦成功后的運營維護，充分利用車輛數據實現了數據閉環，體現大數據賦能的特點。本文雖然以自動泊車產品為例，但是其他泊車產品的推廣也可以參照此思路。比如記憶泊車，使用場景不一樣，則可以結合泊車成功所需要的倒車次數、環境、路況、時段和用戶的自我感知、用戶追求體驗的需求等多種切合使用場景的復雜因素，來綜合判斷該用戶是否為要推送的泊車需求人群，以將泊車服務進一步地精準定向推送給用戶。另外就推送內容而言，本文僅做個范例，依據推廣策略可增加一些暖心的內容。總的來說，整個推薦系統核心主要是識別目標用戶，其次是利用用戶數據進行購后運營維護。通過本文的推薦系統向用戶推廣泊車產品，在提高產品覆蓋率的同時，可以滿足用戶智能出行需求，助力車企轉變商業模式，營造和諧安全的社會環境。