腾讯地图招聘（基于POI和地理围栏的精细化运营实践）

记得大学时，每年暑期开学，校园里各个运营商摊位卖手机、卖号卡，毕业工作后，互联网浪潮兴起，中午办公园区吃饭看到路边各种小桌子、小推车进行App应用地推，注册新用户发个小礼物。

其实，不管是居民区扫楼发传单还是办公区地推送礼品，本质都是希望尽可能地将到访这一位置，也就是POI的用户转化成自己的有效流量。

如今，流量红利过后，基于POI的运营手段，是否可以为企业带来新的增长点，实现更精准的营销呢?

一、POI相关的基本概念

POI和LBS的概念并不新，但是相信仍然会有很多人搞不清楚两者的关系。

1. LBS服务

百科定义：基于位置的服务（LocationBasedServices，LBS），是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。首先用户可利用定位技术确定自身的空间位置，随后用户便可通过移动互联网来获取与位置相关资源和信息。

LBS服务中融合了移动通讯、互联网络、空间定位、位置信息、大数据等多种信息技术，利用移动互联网络服务平台进行数据更新和交互，使用户可以通过空间定位来获取相应的服务。

2. 应用场景

LBS服务目前的应用非常广泛，最底层的主要是由百度地图、高德地图、腾讯地图等地图厂商提供基础的位置信息能力，各个App通过接入或调用地图服务接口，衍生出各种基于位置的产品功能。例如：

1）基于位置的产品搜索或召回服务

城市旅游景点、酒店住宿、出行打车、周边的吃喝玩乐、休闲娱乐等，大众点评就是典型的基于位置的产品服务。其他像社交软件附近的人、短视频应用同城周边都属于LBS的服务功能。

2）地图导航或搜索服务

到陌生的地方利用地图查交通路线或自驾导航，搜索周边加油站、停车场。以及快递或外卖配送员实时位置查询，也都属于LBS的范畴。

3. POI

POI是“PointofInterest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个学校、一个工厂等。

POI包含四方面信息，名称、类别、坐标、分类。高德地图提供了海量的POI信息数据，例如上海407W+POI，一个长宁区就包含了18W。通过高德提供的POI接口数据或者将数据爬取下来，加工处理，供后期使用。

4. 地理围栏

POI是兴趣点，即点的概念。实际在产品召回或者LBS营销应用时，会从更大范围的区域进行，即通过多边形的方式，将POI周围的区域圈定起来，就像打篱笆围栏。

地理围栏（Geo-fencing）是LBS的一种新应用，就是用一个虚拟的栅栏围出一个虚拟地理边界。当手机进入、离开某个特定地理区域，或在该区域内活动时，手机可以接收自动通知和警告。

有了地理围栏技术，位置社交网站就可以帮助用户在进入某一地区时自动登记。坐高铁经过新的城市时，收到XX欢迎你的短信。

5. 概念小结

从以上定义可以看出，LBS范围更加广泛，一切基于位置的产品服务或者营销触达，都可以归属于LBS，而POI更多强调的是某一个位置点的属性信息，即到底是商务楼宇、学校，是工厂，精细化运营背景下，人群的细分和精细化运营需要多种手段的识别。

而地理围栏则是，基于目标点的范围扩展，进入多边形区域内的用户（设备），进行产品或服务上的差异化。

二、POI和地理围栏的应用场景

1. 用户特征识别信息盲点补充

人群的差异化运营几乎是现在每个精细化运营的企业都在做的事情。白领、学生、医护、蓝领用户群体差异性非常大，对于外卖类的电商平台，供给侧要充分考虑群体的消费能力的差异，才能更好提高转化。

很多业务流程为了减少操作步骤降低流失率，浏览商品后，静默注册，填写手机号收货地址即可完成交易流程。随着数据安全法、个人信息保护法相继执行，用户数据的获取安全门槛越来越高，能够用来获取用户画像特征的数据会受到较大限制。

当年外卖从学生市场拓展到白领市场时，业务面临最大的痛点是，无法区分到底哪些用户是学生，哪些是白领。我们是怎样利用POI数据，识别用户群体特征呢?

1）第一阶段：收货地址文本匹配

按照业务常识，梳理出不同地址类型的关键做模糊匹配，例如，如果地址中包含学校、大学、学院、中学等关键词，就认为是学生订单，规则匹配后，再人工校验准确度，不断丰富关键词，经过几轮优化后，准确率只能到达60%左右，因为抽样发现，会存在很多地址不规范无法匹配的，如XX宿舍201，或者地址写XX学校旁的小旅店。

2）第二阶段：利用POI性质判断用户特征

用户在浏览周边商家或者外卖下单选择收获地址时，是可以获取经纬度信息的，跟进订单的经纬度，和地图的POI区域进行匹配，高德地图提供了每个POI点的非常细致的性质分类，即如果经纬度落在了学校的边界内，即认为是学生订单。

这一阶段的准确度达到了90%以上，主要的差异来源于用户可能会在区域周边定位，或者住在学校里的老师。一般来说，准确度到90%以上，就可以进行业务上的应用了。

2. 区域精细化运营

有人会问具有位置属性的产品本身都已经提供了LBS的搜索或召回运营的能力，例如地图搜索附件的商家。那POI数据的处理是否还有必要呢？ 例如，小区周边新开了一家生鲜买菜的线下体验店，需要对曾经在周边1Km内取菜点取过菜的用户进行短信推送，吸引用户前来光顾，此时主要会用到【XX小区】+【周边1Km】+【订单数>0】等标签条件，来圈选出目标人群，进行精准营销触达。

此外，相比较线上实时的LBS召回运营，提供POI圈选能力，可以让运营同学有更多基于经验规则运营的灵活性。再举个栗子，当用户在定位POI属性是火车站或者机场（附件XXkm）时，可以进行AppPush推送酒店或者打车服务的优惠券。

三、POI精细化运营解决方案

从以上基本概念及应用场景可以看出，POI的精细化运营，需要结合用户行为数据、交易数据等一系列的画像标签+定位的POI属性进行组合使用，构建POI维度的用户分层能力。

即，建立完善的LBS类的标签，与已有的精准营销平台打通，实现从圈选到营销触达的一站式能力。数据产品规划时，针对LBS标签需求提供灵活的配置能力。

1. 产品实施步骤

1）场景调研

基于业务形态及用户诉求，调研当前业务是否有POI精细化运营的需求，不是所有的业务模式都有应用场景。常见的包括：

• 品牌广告投放：不同属性的区域进行广告的差异化投放，需要分析已有用户的主要来源位置画像，例如年轻用户来源是学校周边，还是那些地方。以站内数据和站外的广告媒介资源进行匹配。因为广告媒体的分类非常粗。
• LBS广告投放：Banner广告位或商家资源位，可以针对目标产品周边的用户进行展示，提升流量利用效率。
• POI营销：工厂周边、火车站、机场周边的精细化运营。

2）数据获取

主要是数据抓取与离线数据清洗工作，比如将高德几千万的POI信息落库，构建POI的数仓模型，供后期使用。

数据处理，则是将站内用户历史定位的经纬度和POI进行匹配，提供用户的POI分布分析及POI用户的画像分析能力。这里需要注意，对于一个用户多个位置定位，可以取一段时间内，定位次数最多的位置。

3）产品规划

对于POI运营平台，至少需要具备四项核心能力，即：

• 数据分析：提供现有用户的POI分析能力，如查看不同用户群体分布在哪些POI，用户主要来源区域热力图;或提供区域用户画像，即分析某一具体区域的用户画像特征，为广告投放提供决策支撑
• 区域圈选：通过多种条件筛选出目标POI或周边区域，如POI类型、属性、省份、城市、具体地址信息等，离线场景直接圈选目标人群，实时场景输出区域规则
• 服务输出：圈选的目标区域，作为LBS位置标签，对接精准营销平台，提供位置判断的API服务，不同业务系统可直接调用
• 场景落地：与运营等业务部门联动，进行场景的打样，通过AB对比POI运营与业务规则运营的差异。

2. LBS标签构建方案示例

针对实时营销场景，POI标签圈选是构建地理围栏的规则，当用户实时定位获取到经纬度信息时，再经过Geohash匹配算法与圈选的规则进行匹配，如果命中规则就触发相应的产品或运营动作。

四、总结

POI数据可以作为用户属性信息判断的重要补充，例如学生群体判断在获取不到学信网的认证信息时，年龄+定位POI（学校周边）的准确率要远高于只用年龄。除此之外，对于特定类型的POI用户进行运营触达，可以实现用更少的流量完成同样的KPI，提升流量的利用效率。

#专栏作家#

数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件，数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议