通过隐式行为信号推断潜在需求，CTR +200%、广告 CVR +7.4 倍
用户在高德地图上搜索导航、查路线，但没有明确的消费意图（比如没想订酒店）。如何通过用户的隐式行为信号——导航目的地、搜索词、使用时间段——推断其潜在需求，并在对的时机实时触达？这是从"流量"到"订单"转化的关键一跃。
用户没有明确告诉你"我要订酒店"，但他的行为里藏着线索：导航去了机场附近→可能有差旅需求；晚上搜了海边城市→可能有度假需求。如何把这些碎片化的隐式信号拼成完整的意图画像，并实时触达？这是从"人找服务"到"服务找人"的核心挑战。
高级增长运营，AI 场景推荐与精准触达负责人
出行意图识别模型：NLP + 行为序列建模
基于用户导航行为与搜索意图训练"出行意图识别模型"，将导航目的地、搜索关键词、时间段作为特征输入，用 NLP 解析搜索语义 + 行为序列建模捕捉时间维度规律 → 从隐式行为中推断用户潜在出行需求
Contextual Bandit 实时推荐链路
构建"实时意图匹配→酒旅服务推荐→智能商品呈现"的推荐链路，用 Contextual Bandit 算法在用户当前场景下实时选择最优推荐策略，平衡探索与利用 → 让推荐随场景动态变化，而非静态规则匹配
转化率预测 + 精益触达策略
基于用户行为和下单概率预测模型做千人千面分发，仅对高转化倾向用户 Push → 避免对低意向用户的无效打扰，把推送资源集中在最可能转化的用户身上，提升整体触达效率
CTR 0.5%→1.5%（+200%），场景转化率 10%→15%，广告 CVR 0.05%→0.37%（+7.4 倍），日均订单 5W+
"猜你喜欢"通用推荐，CTR 仅 0.3%
开场用"猜你喜欢"通用推荐，CTR 仅 0.3%。花了两个月复盘才意识到：AI 推荐系统没有场景理解，等于盲猜。改为"场景识别+意图匹配"后效果翻 3 倍。通用推荐之所以无效，是因为它只看了"用户是谁"，没看"用户现在在什么场景下、想干什么"——场景理解才是推荐系统的灵魂。