一条小河挡住了去路，小马为难了，问计于老牛。老牛说：“水很浅，刚没小腿，能趟过去。”可是松鼠却说： “深得很哩！昨天我的一个伙伴就是掉在这条河里淹死的！”对同一件客观事物，不同的人会有不同的评价。要像小马一样去亲自试试吗？No。互联网时代信息量大且变幻莫测，已经不允许我们去一 一尝试，时间、人力、收益比是现代人不得不考虑的因素，用户需要最快得到准确率最高的答案。

“云”可以帮用户做到。基于云计算可以构建这样一个云评价体系。第一步，将每个独立个体的每个可记录行为以时序存储下来；第二步，通过关联算法找到某个维度或为某些维度上最接近的个体；第三步，及时发现个体最接近的行为诉求，并以合适的方式让用户实现诉求。

第一步所有的网站和App都能做到，也有各种数据库和标签云在做这个事情；第二步，社交网络有着各种成熟的好友推荐算法；第三步，基于位置的LBS服务和基于时间触发的通知系统都在尝试如何更为接近用户诉求，但仍存在信息过载和信息干扰问题。

牛和松鼠都是小马的朋友圈人物，但是从某一维度比如身高来讲，松鼠的意见不具备参考价值。就从最关乎用户切身利益的衣食住行来举例：衣，淘宝爆款可能销售过万评价五星，但是各种奇葩“买家秀”暴露了不同用户的巨大审美差；食，一个堪称完美的自助餐，却不乏土豪给出很低的分值附带评价说缺蟹脚缺名酒；住，一个糟糕的小民宅会得到很高的分值，而到了现场才发现理想是天堂现实是魔鬼；行，推荐路线经常是3路转2路再转11路，而用户却往往发现约个司机或顺风车更为方便。不同的人群承受阈值和心理预期都是不一样的，“甲之蜜糖,乙之砒霜”。

这里涉及用户聚类问题，算法已经发展得很成熟，划分法、层次法、基于密度、基于网格、基于模型等不一而足，其应用也已经在电商领域广泛开展。目前这些算法的数据主要包括三类：商业数据、评价数据、社交数据。数据的来源主要是网页浏览行为和App使用行为。这里我们其实一直忽略了用户的通信行为，或者广义上说，运营商可把握的用户行为。

在运营商的移动核心网络上，传输着很多有用的动态信息，比如用户位置信息、开关机状态信息、忙闲状态信息以及分组网上用户上网访问地址信息、网页停留时间信息等。在运营商的支撑系统中还有许多静态数据，包括用户的姓名、住址、性别、年龄、消费层次、交费习惯、套餐订购情况、增值业务订购情况、咨询、投诉记录等，这些信息可以真实地反映用户的业务使用状况、消费行为、消费习惯、消费层次。同时，运营商还可以获取用户的一些社会特征信息，比如同属一个集团用户、通话对象频次、通话时段、每次通话时长、处于相同的行程轨迹、同时进行省间漫游/国际漫游等。这些数据整合起来可以构建成一个高起点的统一平台，集数据采集、数据处理和数据开放功能于一体，为电信运营商和业务系统开发商基于以上数据构建多种增值业务。

基于类似的数据库可以构建一种云评价体系，数据来源融合用户网络行为特征和实际通信行为特征，来实现去伪存真。它可以打破平行搜索引擎竞价排名的尴尬，它的信息追踪可以涵盖用户7×24小时的行为，避免了垂直网站各自为政带来的用户分析偏颇。

云评价体系旨在使用户聚类更加具体和客观，其用户标的和用户分级可侧重增加三个维度。

价值维度

“大热天的正午，一个农妇做事做得正苦，忽而叹道：‘皇后娘娘真不知道多么快活，这时还不是在床上睡午觉，醒过来的时候，就叫道：太监，拿个柿饼来！’”——鲁迅《人话》。柿饼于农妇，不恰当的比一下，也许就像卫生堪忧的私人客栈于穷游一党。住惯了四季悦榕庄的住客如果看到订房网站的高分就去订，显然不会满意。期望值不一样，消费观不一样，价格承受度也不一样。云评价体系基于用户的话单数据、集团信息、漫游记录、位置记录、酒店上网记录，可以大致得出用户的消费层级和喜好地点。

但是，同一用户在衣食住行的不同方面肯倾注的价值也是有差异的，如果把用户的“身价”信息简单笼统地加在垂直网站之上，会造成一种误区，即每个垂直领域的“穷人”和“富人”并不是同一拨人。举运营商获得的集团数据为例，A和B同属某金领集团，如果认为A和B在订房方面的消费层次是一样的也许会出错，实际上，A订房是为了享受酒店，B订房是为了落脚。这种时候更需要云评价体系的存在，因为只有它可以打通垂直领域背后的关联，可以分析出A的“资”集中在“住”，B的“资”集中在“行”。

地域维度

“无论脚步走多远，在人的脑海中，只有故乡的味道熟悉而顽固，它就像一个味觉定位系统，一头锁定了千里之外的异地，另一头则永远牵绊着，记忆深处的故乡。”出身不同地域的用户，对美食的评价有着最直接的差异。点评网不知道用户的身份证开头，但是运营商知道。云评价体系的存在，能让用户将来在打开点评的时候，默认看到的或者首选看到的是家乡籍用户的评价，对于一个美食推荐应用来说，这种评价对用户来讲至少口味上更加精准。地域标签可以探寻人们“种在骨子里的东西”、口味以及其他各方面的审美和认同度。

除了用户的固有地域特征，比如籍贯、居住地等，运营商还可以准确地知道用户的移动轨迹，比如用户上班的两点一线、比如用户扇区切换的频繁度、比如用户国际漫游的目的地以及频次，等等。依据这些可以大致分析出这是个考勤严格的上班族，还是个忙着拜访用户的销售或外勤，还是个空中飞人或旅游达人，甚至可以分析出用户“宅”的程度。地域移动性这个特征能够把聚类的空间和时间轴关联起来，也就是下一个要阐述的时间维度。

时间维度

“世易时移 变法宜矣。”互联网时代的时间轴坐标密度非常精密，快速化生存法则使得人们上一秒的需求可能就和下一秒的需求不一样。因此，各类应用的时效性特别凸显。比如知道用户正在高速上持续时速100公里，也知道用户上次加油时间已经过去了6小时，那么现在用户的痛点就是寻找加油站；又比如用户用叫车软件叫了车，到地方却没见到车，应用可以即时发现车、用户、约定位置的坐标差，应用其实也已经知道了用户现在的痛点是马上和车主实时通话再次澄清，可以有眼力价儿地帮用户开启通话。

痛点是产品的切入点与重心，而用户黏度来自痒点的运营。基于时间维度的细分，还能锦上添花地帮助应用更好地抓住用户的痒点。比如某大型游戏麾下的一群用户，都是晚上11点开始玩，但是A每天短玩一会儿且时间不一，B每次都持续到后半夜或天亮。那么对于此游戏商，A的痒点是“过关”，可推送的是装备，B的痒点是领袖感和认同感，那么他需要的也许只是一枚勋章，还是虚拟的，就足以黏住他继续沉迷。当然还引申到其他，比如运营商可以对B推荐后半夜的错峰流量；电商可以打搅A来段广告，广告内容可以是游戏装备也可以是夜宵，B却不会太希望有弹屏广告。

亚马逊以及国内各电商都在积极地实现着用户分级策略和更为精准的产品推荐，但是融合了用户网络行为以及用户通信行为的云评价体系可以做得更好。

小马过河，深浅自知。互联网时代的云评价体系轻松帮小马认知。

牛的意见，松鼠的警告，对岸的风景各花入各眼。

茫茫人海，朋友圈太泛，有某人在某微处契合你。