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

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。