晨，一朋友和我抱怨：
“能不能跟网易云音乐的人说… 不要只根据我在睡前听的音乐来推荐… 我的推荐歌单整个被淹没”
接过手机一看，笑喷：
从海浪声声、雨声阵阵的白噪音 到 深邃悠扬的钢琴曲，再到绵长温婉的催眠曲，各路助眠音乐无所不包，分明是不想让人清醒的节奏。
我道：“春困秋乏夏打盹，睡不醒的冬三九。这不是网易云音乐体量你辛苦，想让你多睡一会儿。。”
被翻白眼。。。
不过，玩笑归玩笑
网易云音乐出现这个问题，其实是推荐过程当中经常碰到的问题：“场景化”
一、场景化是什么？
请分别在早晨、中午、下午、傍晚 和 深夜打开美团外卖。
你能够看到在不同时段，首屏的商品推荐信息是不一样的：从豆浆肉包 到 减肥餐 到 下午茶 再到小龙虾，不一而足。不同时间段的推荐内容，结合了不同时段的消费特点，对早餐、午餐、下午茶、夜宵进行分别的推介。
同样，你也可以试着开启滴滴 或 高德 的推送。
他会在不同的时间点里提醒你：该上班了，该下班了，你是不是下班前还要去锻炼呢？
如果你出门在外的话，别忘了在旅游地打开大众点评
你会发现软件自动切换进入了“旅游模式”，推荐的内容都是以“必须打卡的美食、必须打开的美景”做题，活脱脱一副Lonely Planet的模样。
结合用户的时空特点，对产品服务进行定制化的推荐。
这，就是场景化。
为什么产品要做场景化的推荐策略?
因为，人不能脱离环境而存在，人的需求会随环境的变化而发生异化与变迁。这种异化就带来了产品功能的迭代空间。
我们通常做推荐，往往首先关心全局的统计数据，而在大颗粒度之下，那些相对小众特殊的需求，就往往被忽略和漠视。
当产品的基础盘稳定之后，增量的收益往往来自于那些细颗粒下的差异化需求，让不同的族群都能够借助推荐的力量，解锁同一款产品不同的使用模式。
以最简单的手机闹钟功能为例，抛一个问题：闹钟常见的设置模式是按照周几来设定，比如工作闹钟都设定为周一到周五，但是这样的“工作日”闹钟设置，真的合适么？
二、如何做到场景化？
场景化的细分有套路可循：用户正交时空，共情并行评估。
用户正交时空
用户不是一个具体的实体，而是一个个抽象概念的集合。当我们将用户和时间空间正交，就能够得到不同细分场景下用户需求的异化：比如，一个在早高峰堵在四环上的用户可能需要快节奏的DJ，而当他在夜深人静的时候可能同样需要催眠乐曲的慰藉。只有当我们将全局的统计数据细分到不同的时空子集之后，才能够看到那些被全局数据掩盖住的小众场景特征。
BTW，做时间推荐的时候，请务必务必考虑时区。。
曾经有某个出海产品收到大量用户投诉，每天上班时间推荐奇奇怪怪的东西，经查，推荐算法默认选取了中国时区。。。于是，让无数海外的用户，在大白天进入了“午夜电台模式”。
共情并行评估
用户总是对的，但用户的需求不总是需要做的。
在通过数据的发现和共情的体会，让产品经理 理解用户在特定场景下的需求后，确定这个需求是真实存在的。接下来，我们同样需要辅以抽离客观的评估，才能够确定这个需求对于当前业务是否够痛、是否亟需解决，从而让它在我们的需求列表中，找到自己合适的位置。
具体之于网易云音乐这个例子，通过拆分时空，我们或许定义出一个“助眠”的细分场景，以白噪音、催眠曲为种子，去发现出一批适合助眠的乐曲。将这样一类乐曲的推荐场景和时间绑定，在深夜加权、在清晨降权。对应的，我们也可以拆分出如驾车歌单、清晨歌单等等和早晨更正相关的歌单，在清晨唤醒和通勤路上的时间段进行加权。
作为需求规模佐证：”据世界卫生组织调查,全球27%的人存在不同程度的睡眠问题“，这样的需求规模，似乎足以立项开启一个”助眠“场景了。
音乐，伴我们度过了一个个辗转难眠的夜晚
音乐，助我们开启了一个个斗志昂扬的清晨
推荐 + 场景
产品更懂你~
