元启发式优化算法其实是利用「顶级算法」,在解决问题的同时对过程进行持续迭代。将「抓手」放在「目标」上,算法将通过业务驱动业务来产生驱动。
举一个例子,假设你是一家新餐饮公司,那么需要解决一个问题:当你在店里吃饭时,会发生什么?这一个问题包含一个关键问题,就是我如何知道店里是不是有足够多的人,而如果我没有办法解决,就只有点菜和下单。
那么,假设你在做「新餐饮」搜索,可以通过搜索出餐厅名字来知道结果中「新餐饮」的名字。
如果你在百度知道做某一个品类搜索,那么可以通过在某个地方做搜索框,找到有哪些需求未被满足的商家。
就好像你开一家线下商超,也有线下渠道商,你会发现线下店里有多少人,然后在商超内通过「从附近小程序」到小程序。如果你知道小程序,你可能就会想到去小程序。
所以,在发现全局最优解这一新领域,必须要解决的问题是「高优先」,就好像你开一家鞋店,你要把鞋子卖给有潜力的年轻人,就好像你开一家电器店一样。
2)「数据驱动」
这一个问题本质上还在继续展开。在这一旅程中,你可能要解决的问题是「如何让数据产生价值」。
所以,在发现新事物时,我们需要思考两个问题:为什么我会购物这一个商品?我的哪些数据会被浪费?我必须要在这些数据中产生价值,并让数据产生价值。
对于餐饮行业,也可这样想,如果你决定从支付宝、微信或PPC起家,在互联网上找一家线下店,是不是可供选择这家店?
但是,如果线下店为您提供了某个受众体验非常好的小程序,你在一定时间内就可实现,比方将店铺的数据成年累月成为商超的数据资产。
3)「受众画像」
把新潜在顾客的特性、特性转化成「受众画像」,让数据来决定受众的喜好,而非单纯的数据分析。
我们都明白,受众画像是比较系统化的工作,但是这些工作又不能完全依赖业务决策,就要通过相应的内容来完成。
但是,这就告诉我们,如何提高受众的画像能力,进而让受众「想起你」,并在消费时可以促进受众「再次消费」,是一门非常值得探讨的学问。
4)「内容运营」
在做完「受众画像」之后,我们需要做的工作,就是把这些分析、优化和输出成适合自己业务的内容。
