基于 MaxCompute+PAI 的用户增长方案实践

在过去一年阿里云PAI机器学习团队做了很多偏业务的实践，其中有一条就是基于 MaxCompute+PAI的产品方案实践，解决客户遇到用户增长相关的问题。本文主要分享，阿里云团队在用户增长领域的一些探索和实践。希望可以通过本次分享给大家在用户增长方面带来一些帮助。

一、用户增长模型

AARRR

用户增长更多的是针对互联网类型的公司，互联网客户的业务本质上都是在解决用户增长的问题。用户增长从业务角度讲有很多的模型。今天主要针对AARRR用户增长模型进行讲解。

互联网APP运营同学应该是非常熟悉AARRR模型，这个模型是把整个互联网产品的用户增长做为一个环状结构，首先最上方是对业务比较重要的拉新，拉新对应到业务指标是访问、下载、注册、关注。之前几年拉新是非常火，是因为互联网用户红利还在。但现在中国互联网用户已经到了一个天花板，那我们的产品该如何增长，就对下面几部分尤为重要。比如现在小说类的APP是比较火的，因为当我们用户量不能增长的时候，做用户时长的增加尤为重要，所以小说业务有助于拉长用户在APP里面的停留时长。促活的指标是登录、点击浏览、停留时长。接下来就是留存，当我们没有办法获取新用户的时候，我们要尝试把我们的不活跃用户和流失用户召回。MaxCompute+PAI在留存方面有很多经典案例存在。互联网APP怎样基于流量和用户行为进行创收，这部分在AI领域也可以做很多工作。裂变型的APP会更加关注分享指标。

那在整个AARRR用户增长模型里面，MaxCompute+PAI能在哪个模块里面能做哪些工作？能给客户带来哪些价值？

MaxCompute+PAI业务支撑架构

MaxCompute+PAI做为底座支撑用户增长，产品架构如下图。

从计算引擎层是 MaxCompute，计算引擎之上就是AI的场景，我们重点介绍的是基于PAI机器学习的AI能力来赋能用户增长的业务场景。首先我们提供了开放框架，可以基于TensorFlow\PYTorch，SQL\PYSpark\Spark开发自己的算法模型。再上面的产品层就是PAI机器学习的产品体系，整个产品体系也做为我们一个业务的支撑，包括PAI-DLC(云原生深度学习运行环境）可以把自己的code训练脚本打包成一个镜像包在DLC内运行、PAI-Studio（可视化建模）会将用户增长领域相关的算子做成模块化经过简单的拖拽，就可以来做整个用户增长的模型训练、PAI-DSW（交互式建模）对于技术能力比较强的开发者，可以自己开发相应的脚本，而不是使用我们封装好的脚本、PAI-EAS(模型在线服务）可以把studio和DSW生成的模型生成一个RESTful API，再通过HTTP请求的方式调用该服务。生成的R