其實做精準推送，本身的設想和架構並不複雜，就是要做一個非常精準的使用者畫像，並且對相關的諮詢打上標籤。
什麼意思呢？
比如說使用者本身具有很多特徵標籤，男性女性、科幻、、遊戲、明星……
這些都能成為使用者本身的喜好標籤。
如果說一個使用者經常瀏覽關於柳亦菲的網頁，或者搜尋柳亦菲的詞條數超過一定的數量，那麼就可以表明這個使用者對柳亦菲是比較感興趣的，那麼未來在新聞諮詢當中就會將相關的內容推送給他。
“哦哦，這麼一說我就懂了。”劉光然深以為然地點點頭。
“使用者想看什麼就給他看什麼，精準推送原來是這個意思。”
曹陽在心裡默默翻了翻白眼。
提到柳亦菲的時候，這人比誰的反應都快。
您這大腦是不是該去清洗一下了？
大資料這玩意其實比網際網路還要早，上世紀80年代，沃爾瑪就提出了大資料系統，透過研究使用者的購買習慣，然後控制超市內貨品的擺放位置，結果資料發現，透過合理資料的推算拜訪各種物品，很多產品的成交額上漲了超過50%。
不過超市的資料畢竟太小，而且統計起來成本高，到了網際網路時代，無數的網民的網上衝浪，購物，搜尋都被記錄了下來，背後的網際網路巨頭們就可以利用這些資料，來分析使用者的消費能力，短期內的商品需求等等，從而達到精準投放廣告的目的。
精準推送，在曹陽現階段的規劃當中就是讓新媒體根據對大資料的資訊化處理從而將人們想看的新聞、影片、段子、商品等置於優先位置。
在傳統媒體媒介中也存在精準推送如報紙不同版面，電視不同主題的臺，廣播不同波段不同主題等也屬於精準推送範圍。
在新媒體的加入後，精準推送更加全面，資料更準確，範圍更廣，受眾更多。
隨著資訊科技的迅勐發展、大資料應用的興起，演算法推薦帶來的資訊定製化、資訊分眾化已經得到較廣泛應用。
“這其實就是透過演算法精準推送滿足了人們多元化、個性化的資訊需求。”曹陽說。
資訊本身既可以是商品，也可以是帶有標籤的資訊，它們匯聚起來，會形成一個非常清晰的個人形象。
比如之前說的特別喜歡看娛樂明星八卦的追星族。
也有可能是對車比較感興趣的愛車達人。
或者是軍事迷……
也有很大機率是一群宅男。
原來博米的新聞，不同的人開啟博米新聞的APP，看到的標題和內容基本上都是一樣的，這種就是缺乏定製化和個性化。
但是一旦使用了精準推送之後，不同的使用者開啟的新聞介面，看到的諮詢內容就會體現出差異。
這就是個性化，多元化。
未來的發展肯定就是往這個方向走的。
哪怕是博米的勁舞團這個遊戲，在很早以前就已經驗證過了這一點：