下面这篇文章是笔者讲述的关于在页面设计方案中，模型类页面设计思路的相关内容，想要了解的同学可以了解一下哦！
1）什么叫做模型类的方案，就是能够根据大量数据的不同维度的特点，定义规则生成模型，模型会针对性地分析这些特点，从而产生对不同数据的不同结果。也就是模型结果能够跟随这些数据特点的变化而变化，能够满足数据多维度的处理需求。
例如，现有有一个分拣水果的业务，水果就是大批量的数据，在这一业务中，可以从水果颜色、水果形状、水果大小这些特点来针对性地分析这些数据，定义具体的模型从而实现水果的不同处理需求。
2）模型类的方案作用的数据要求是结构化的，必须有能够加以具体定量分析的数据特点。定义一个模型的过程就是定义数据特点筛选数据的过程，使模型能够按照一定的规则去分析数据。
在刚才分拣水果的业务中，我们将能够加以分析的数据特点定义为：水果的颜色、水果的形状、水果的大小，用来分拣西瓜的模型定义其规则为：颜色为绿色，形状为球形，球体半径大小为8-13cm。
3）好的模型是可以不断迭代的，每一条模型都维护有迭代记录，保存历史处理结果、准确率等信息，可以根据准确率来修改、重新定义模型规则和处理结果，来不断迭代模型，优化模型的准确性。
下面以一个消息推送模型为例说明设计思路。
1）推送模型列表页面：列表页展示模型的具体信息，操作栏查看迭代记录可以下钻查看具体模型的迭代记录。
推送模型列表页面
2）模型迭代记录页面：点击列表页面的新增定义一个模型 ，通过数据的特点来定义模型的作用规则和处理结果。
推送模型新增弹窗
3）模型迭代记录页面：点击列表页面操作栏的“迭代记录”进入二级页面，展示的是当前模型的迭代记录。模型每修改一次就产生一次迭代，在迭代记录里面保存所有定义过的历史模型，并支持模型版本的回退。
模型迭代记录页面（下钻页面）
1）列表页面维护有模型名称、定义模型所需的作用规则（发生区域、消息来源、发生时间段、紧急程度），定向处理结果（处理单位），模型作用下的产生的模型实例数量和有效（或者说正确的）模型实例数量、计算得到的推送准确率（有效实例数比模型实例数），和其他备注信息。
字段的具体意义下文会逐一说明。
推送模型列表页面
2）推送模型新增弹窗：通过定义推送规则和定向处理结果，实现将发生区域、消息来源、发生时间段、紧急程度都不同的消息，自动推送给不同的处理单位。
例如定义发生在A海域近海并且属于情报产品类型，并且情报发生时间段在8：00-12：00、属于紧急程度的情报，需要推送给**情报部门来处理。
推送模型新增弹窗
3）通过定义好的模型能够匹配到符合该模型规则的实例，并记录下模型实例数，这个实例数是模型作用下的总的实例数。
收到消息推送的处理部门就会对收到的情报负责并处理，同时会标记收到的情报的有效性，用来生成推送给该部门的有效实例数。
每一个模型都会自动计算出模型推送的准确率（即有效实例数比模型实例数），当准确率达不到业务要求时，系统用户就可以重新修改细化模型规则，或者在设计中增加模型分析的维度。
模型迭代记录页面（下钻页面）
我们以一个自动补货提醒模型来说明一下模型类页面的方案的设计过程，读者朋友们可以一起来思考：
系统录入有一系列的采购商品的清单数据，现需要自动做一个补货的管理页面和补货提醒的功能。
1）确认模型结果：在此补货模型要做的是自动提醒补货，除此之外我们还可以扩展结果有自动推送低库存提醒，推送货物库存高提醒等等。
2）确认产生不同结果的数据的多个维度特点：例如在此我们可以从货物类型、库存数量、销售量、市场热度的维度来监控数据。
3）设计模型迭代页面，维护自动补货的历史模型记录和准确率。
以上所举例子的模型实际上也不能完全脱离人工来定义，如果想要实现完全自动的模型，还需要结合算法和大数据的处理。
本文由 @犹豫就会败北 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。