晨，一朋友和我抱怨：
“能不能跟網易云音樂的人說… 不要只根據我在睡前聽的音樂來推薦… 我的推薦歌單整個被淹沒”
接過手機一看，笑噴：
從海浪聲聲、雨聲陣陣的白噪音 到 深邃悠揚的鋼琴曲，再到綿長溫婉的催眠曲，各路助眠音樂無所不包，分明是不想讓人清醒的節奏。
我道：“春困秋乏夏打盹，睡不醒的冬三九。這不是網易云音樂體量你辛苦，想讓你多睡一會兒。?！?/p>
被翻白眼。。。
不過，玩笑歸玩笑
網易云音樂出現這個問題，其實是推薦過程當中經常碰到的問題：“場景化”
一、場景化是什么？
請分別在早晨、中午、下午、傍晚 和 深夜打開美團外賣。
你能夠看到在不同時段，首屏的商品推薦信息是不一樣的：從豆漿肉包 到 減肥餐 到 下午茶 再到小龍蝦，不一而足。不同時間段的推薦內容，結合了不同時段的消費特點，對早餐、午餐、下午茶、夜宵進行分別的推介。
同樣，你也可以試著開啟滴滴 或 高德 的推送。
他會在不同的時間點里提醒你：該上班了，該下班了，你是不是下班前還要去鍛煉呢？
如果你出門在外的話，別忘了在旅游地打開大眾點評
你會發現軟件自動切換進入了“旅游模式”，推薦的內容都是以“必須打卡的美食、必須打開的美景”做題，活脫脫一副Lonely Planet的模樣。
結合用戶的時空特點，對產品服務進行定制化的推薦。
這，就是場景化。
為什么產品要做場景化的推薦策略?
因為，人不能脫離環境而存在，人的需求會隨環境的變化而發生異化與變遷。這種異化就帶來了產品功能的迭代空間。
我們通常做推薦，往往首先關心全局的統計數據，而在大顆粒度之下，那些相對小眾特殊的需求，就往往被忽略和漠視。
當產品的基礎盤穩定之后，增量的收益往往來自于那些細顆粒下的差異化需求，讓不同的族群都能夠借助推薦的力量，解鎖同一款產品不同的使用模式。
以最簡單的手機鬧鐘功能為例，拋一個問題：鬧鐘常見的設置模式是按照周幾來設定，比如工作鬧鐘都設定為周一到周五，但是這樣的“工作日”鬧鐘設置，真的合適么？
二、如何做到場景化？
場景化的細分有套路可循：用戶正交時空，共情并行評估。
用戶正交時空
用戶不是一個具體的實體，而是一個個抽象概念的集合。當我們將用戶和時間空間正交，就能夠得到不同細分場景下用戶需求的異化：比如，一個在早高峰堵在四環上的用戶可能需要快節奏的DJ，而當他在夜深人靜的時候可能同樣需要催眠樂曲的慰藉。只有當我們將全局的統計數據細分到不同的時空子集之后，才能夠看到那些被全局數據掩蓋住的小眾場景特征。
BTW，做時間推薦的時候，請務必務必考慮時區。。
曾經有某個出海產品收到大量用戶投訴，每天上班時間推薦奇奇怪怪的東西，經查，推薦算法默認選取了中國時區。。。于是，讓無數海外的用戶，在大白天進入了“午夜電臺模式”。
共情并行評估
用戶總是對的，但用戶的需求不總是需要做的。
在通過數據的發現和共情的體會，讓產品經理 理解用戶在特定場景下的需求后，確定這個需求是真實存在的。接下來，我們同樣需要輔以抽離客觀的評估，才能夠確定這個需求對于當前業務是否夠痛、是否亟需解決，從而讓它在我們的需求列表中，找到自己合適的位置。
具體之于網易云音樂這個例子，通過拆分時空，我們或許定義出一個“助眠”的細分場景，以白噪音、催眠曲為種子，去發現出一批適合助眠的樂曲。將這樣一類樂曲的推薦場景和時間綁定，在深夜加權、在清晨降權。對應的，我們也可以拆分出如駕車歌單、清晨歌單等等和早晨更正相關的歌單，在清晨喚醒和通勤路上的時間段進行加權。
作為需求規模佐證：”據世界衛生組織調查,全球27%的人存在不同程度的睡眠問題“，這樣的需求規模，似乎足以立項開啟一個”助眠“場景了。
音樂，伴我們度過了一個個輾轉難眠的夜晚
音樂，助我們開啟了一個個斗志昂揚的清晨
推薦 + 場景
產品更懂你~
