一种泊车服务推荐系统的设计★

磨春妗，黎 飞，谢燕芳，程 登，张 森

（上汽通用五菱汽车股份有限公司广西汽车新四化重点实验室，广西 柳州 545007）

引言

汽车的保有量不断地增加，伴随着很多的安全问题，而泊车操作失误引发的安全事故不在少数。复杂的泊车空间环境、有限的视野范围、要求车辆行驶速度与方向盘转向合理配合等多个因素容易使驾驶员感到紧张，最终导致泊车事故发生[1]。当前各大车企已推出或正在研究泊车辅助系统，该系统对于用户而言，不需要通过熟悉环境或者是驾龄的增长来减少泊车困扰，且可以满足人们不断增长的、更加复杂的出行智慧服务需求；对于车企而言，当前传统汽车和新能源制造企业现仍以售卖纯汽车硬件为核心的商业模式，实现以售卖硬件为主向软件为主的商业模式转变，是当前企业所追求的，而泊车辅助产品正好可以作为助力企业商业模式转型的软件产品之一；对于社会而言，泊车事故的减少，有利于营造和谐安定的社会环境。综上所述，本文以自动泊车产品为例，从车企推广产品的角度出发，介绍一个如何锁定目标用户，以及向用户推荐，并最终引导用户购买、做好售后运营的比较完整的泊车服务推荐系统，旨在提供一种泊车服务推送方法，解决难以对存在泊车服务需求的目标人群进行精准推送及后续运营维护的技术问题。

1 泊车服务推送系统的介绍

所谓的推荐系统是指无需用户提供明确的需求，可依据用户的历史行为、社交关系、兴趣点、所处上下文环境等信息去判断用户当前需要或感兴趣的物品/服务的一类应用，本文所阐述的泊车服务推荐系统主要依据用户的历史泊车行为数据进行分析，进而发现存在特征相似的泊车困难户，并据此推荐泊车服务，推荐的基本思想就是“物以类聚，人以群分”。该系统包含三个模块，第一个模块是泊车困难户的识别，通过分析用户历史泊车行为数据，依据筛选策略识别出有泊车困难倾向的用户；第二个模块是泊车服务推送流程，对识别出来的泊车困难户进行泊车服务的推荐，该模块分为两个部分，第一个部分是引导用户去应用商店了解体验，第二个部分是引导用户购买泊车服务；第三个模块是做好售后运营工作，对购后长时间未使用的用户推送提醒或已使用的用户推送使用报告。该系统的具体工作示意图见图1，数据库负责提供数据支撑，推送平台负责判断推送人群和推送，车端接收消息，通过消息跳转应用商店App 可以了解和体验/购买泊车服务，用户的操作数据会上传数据库作为是否再进行推送的依据，此外用户使用泊车功能的数据也会上传到数据库作为购后运营维护的数据依据。总的来说，该系统不仅能识别目标用户，在推荐产品成功后，还考虑了产品售后维护工作，涵盖比较全面。

图1 泊车服务推荐系统工作示意图

2 泊车困难户的识别

在推荐泊车服务之前，先锁定用户群体。本文的思路是依据车辆历史的停车倒车时长均值与本文界定的阈值做大小比较，大于阈值则为泊车困难户，进而对其推荐泊车服务。通常泊入相对于泊出难度要大，因此本文主要基于泊入的角度对用户群体进行识别。首先依据每次行程结束前整车档位状态计算停车倒车时长，历史停车倒车时长均值为推送日前一天往前30 天里的总停车倒车时长的算数平均值（要求前一天的总停车倒车时长大于0，若单次停车倒车时长为0，则不在计算范围）。其次关于阈值的界定，本文是通过多个维度去确定的，以某款车型为例，按照性别、年龄（18～25 岁、26～30 岁、……、56～60岁、61 岁以上）、购车时长（30 d 内、31～60 d……）以及不分维度去计算停车倒车时长均值，根据计算结果，基于推送范围不能太小的考虑，选择大于全部用户平均水平（不分维度）且小于最大值的数值，作为泊车困难户阈值。若车辆的历史停车倒车时长均值大于阈值，说明该车辆用户是存在泊车困难倾向的，最后再结合车辆是否具备泊车硬件装置和是否购买过泊车产品（首次推送无需判断）这两个条件，筛选出来的车辆用户就是要推送泊车服务的泊车困难户群体。

3 泊车服务推送流程

在锁定泊车困难户之后，就可以在适当的场景比如车辆进入停车场/检测到停车位时，给用户推送辅助泊车服务推荐消息。由于泊车产品初期面向用户推广，用户的接受程度难免因人而异，为了让更多用户更加了解和接受产品，因而产品可以分为免费体验环节和正式购买环节，用户可选择先进行体验，也可以直接进入购买环节。假如用户选择先进行体验，则在体验期结束后，会自动推送一份体验小报告给用户，目的是让用户了解使用该产品的情况，以更有说服力地引导用户去购买。

具体的推送流程见图2。第一部分：引导用户去商店了解体验。首先依据算法判断出泊车困难户，由推送平台系统向其车机端推送消息内容，车机端接收到信息，则在车屏弹出弹窗呈现给用户，可配置语音播报功能，告知用户目前有一种泊车服务可以解决泊车中的困扰引导用户前往了解，若在连续推送6 次中，有3 次用户直接关闭或不做任何操作直至弹窗自动消失，则在接下来的30 d 里不再给该用户推送，避免引起用户的反感，30 d 后依据用户是否为泊车困难户进行推送，若是则再给用户推送。若用户主动点击前往了解，则这时就会跳转到应用商店为用户展示泊车产品介绍，介绍附带使用视频，便于用户尽快掌握使用方法，用户了解后可决定先体验还是直接购买。

图2 泊车服务推送流程

第二部分：引导用户购买泊车产品。若用户选择体验，先进行服务包升级，在30 d 的体验期后，依据用户使用前泊车数据和体验期间使用泊车产品后的泊车数据自动推送一份体验报告（包含使用次数和使用泊车服务后泊车节省时长等内容），让用户了解这个产品为他带来的价值，增加用户购买的可能性。若给用户推送三次均无反应或手动关闭则重新回到判定是否是泊车困难户群体然后决定推送的起点。若用户决定购买，则可点击前往商店购买正版，支付完成后，升级服务包，即可使用泊车产品。若用户没有体验直接购买，则直接进入购买阶段，支付，升级服务包，然后使用。若用户最终没有支付，则该用户将会重新回到是否是泊车困难户然后决定推送的起点。

4 售后运营工作

在用户购买之后，在后期运营时可以考虑给长时间未使用的用户推送提醒或者给使用的用户推送使用报告（见下页图3），增加产品曝光率，提高使用频率，提高用户对品牌、产品的好感，做好购后服务工作。有的用户在购买泊车产品后可能因为某些原因长时间没有使用泊车功能，如果时间超过30 d，则这个时候可以给用户推送一个提醒使用的消息（包含未使用时长以及温馨提示等内容）。有的用户会经常使用，则可以给用户出一份使用报告（包含使用次数和使用泊车服务后泊车节省时长等内容），让用户了解购买这个产品的使用情况，形成一个泊车服务使用的数据闭环。

图3 购后推送流程图

5 结论

首先目前尚没有泊车困难户识别的其他科研成果，本文依据倒车时长历史数据识别泊车困难户，弥补了当前科研成果的缺陷；其次本文以自动泊车产品为例，虽然泊车困难户识别方法相对比较简单，但是也比较精准缩小了推送范围，避免盲目推送所有用户，实现比较智能化的定向推送，而非无厘头的、盲目的傻瓜式推送，减少非刚需用户的反感，增加刚需用户的好感；再次依据用户对泊车功能推荐消息的反应决定是否再进行推送，也体现了人性化推送，减少了用户反感；最后本文的推荐系统还考虑了推荐成功后的运营维护，充分利用车辆数据实现了数据闭环，体现大数据赋能的特点。本文虽然以自动泊车产品为例，但是其他泊车产品的推广也可以参照此思路。比如记忆泊车，使用场景不一样，则可以结合泊车成功所需要的倒车次数、环境、路况、时段和用户的自我感知、用户追求体验的需求等多种切合使用场景的复杂因素，来综合判断该用户是否为要推送的泊车需求人群，以将泊车服务进一步地精准定向推送给用户。另外就推送内容而言，本文仅做个范例，依据推广策略可增加一些暖心的内容。总的来说，整个推荐系统核心主要是识别目标用户，其次是利用用户数据进行购后运营维护。通过本文的推荐系统向用户推广泊车产品，在提高产品覆盖率的同时，可以满足用户智能出行需求，助力车企转变商业模式，营造和谐安全的社会环境。