晚上忽然想到的一个问题.
每天在地铁里进出的人基本上都是人手一个移动设备.
那么,在对于地铁的网络环境来说,每天都有这些设备的进出记录.
即使没有接入地铁内的网络,也会在搜索SSID之类的时候透露出mac地址.
换句话说,在现实世界里,这部设备就能够被记录"浏览"历史了.
而现在的Android/iOS基本上是一部设备对应着至少一个人.
这个关联是通过账号取得的联系.
也就是说,通过设备到人,从人得到账号,则可以从账号连通到网络里的身份.
这样两个世界的"行为空间"就产生了联系.
如果把每一个网站,甚至每一个不同页面看成一个graph的node.
现实世界的每一个地方看作另一个graph的node.
那么,mac和account的connection/edge就可以看作是把两个独立graph连接成为一个类似bipartite graph的结构.
对于单独的一个人来说,就存在多个network location和physical location的pair.
这个简单count一下也是有点意思的数据.
考虑是多个人或者是一个群体的话,就可以结合network和physical的各自现有的能infer出来的联系,在组合infer一些其他的东西.
最简单的比如某个社区的人群分布,或者某个住宅区的网络社区使用偏好等信息.
这种考虑还是基于"人"这个connection的维度的单一的.
考虑到"人"可以有其他附属属性,对应不同维度的话.
比如职业的维度,比如年龄的维度.
这样的话,也就是有两个graph本身的multi dimension feature,再加上connection本身的multi dimension feature,总共三组feature了.
也就是说,可以同时描述一个"人"或者一个群体的自身特征,网络特征,和物理特征.
所谓描述的feature越多,结果就可能越细分.
尤其是对于物理环境里,没有像网络环境下一样的多样成熟的信息采集方式.
能用来描述的变量少得多.
现在通过这种connection把现有的成熟的描述模型搬迁过来的话,传统的灯箱或者平面广告可能就会迎来新的发展方式.
至少,能有更多的信息提供,以帮助提高展示效用的,最大化收益.
对于商家来说,在线的可以知道用户在离线状态下,表达过那些购买意愿.
离线的可以知道某个地段来往的用户,主要关注哪些类型类别的商品,消费层次和意愿如何等.
尤其是对于离线部分的,也就是传统的各种服务业来说,固定的实体店的位置等成本,可能通过对事实人流的进一步细分产生出更有效的经营策略.
这点倒是很有可能产生新的经济形式的.
而像搜索等,就有更多的现实环境的context.
一个例子就可能是,你在图书馆搜索一个地名,和在公交站搜索一个地名,结果的权重可能就不一样.
甚至于想娱乐方面的社交网络等,也可以因为地点或者位置的不同.
比如在同一个游戏展会上,不同类别的游戏爱好者在SNS上的推荐交流可能就有所区别.
本质上来说,从网络成为生活的一种方式开始,人就分成网络上的不同身份,和现实里的不同身份.
各自的不同身份可以相对容易地粘合在一起,但是"屏幕后面的到底是不是一只狗"这个问题,在相当一段时期内,还是不可确定的.
而现在,似乎是feasible的.
所谓unify identity.
