鸿蒙学习统一上架与多端分发-服务分发（3）

1、服务分发

鸿蒙系统作为万物互联时代泛终端服务的载体，面向跨设备多终端环境， 实现“服务随身”的跨设备无缝体验， 元服务与 AI 算法深度配合，实现多入口、场景化分发。多入口分发包括设备入口、系统入口、应用入口，场景化分发是系统在理解用户的基础上，结合用户旅程的一种多服务组合分发，从用户场景出发，围绕用户旅程的场景化闭环。

例如用户想去旅游，出行前要查看天气、预订机票酒店、购买门票，旅途中要去机场、打车、结束后要照片分享，发表感受等，在整个用户旅程中，都需要用户自己规划，自己寻找服务完成对应的操作。多服务的场景化分发是在理解用户意图后，将用户旅程中需要用到的服务组合起来，

在用户需要的时候分发给用户，比如查看天气、预订机票酒店、购买门票、打车、航班提醒、分享感受等服务，让用户在旅程中感受到智慧便捷，实现场景的闭环。

1.1入口丰富

1. 协同配合
鸿蒙系统的多入口不仅体现在数量多，层次多，并且体现在用户场景上的协同配合。如用户自驾去某景点，先使用手机导航选定路线，进入车后，导航从手机流转到车机上，并基于用户意图途中语音介绍景点，接近景点时，启动购票服务。
2. 流量矩阵
流量矩阵是入口流量的有机组合，能实现服务的触达、留存、召回全生命周期管理。
 触达： 系统根据用户偏好和所处的时间、地点等场景，识别用户意图，匹配用户所需内容主动推荐服务，使用户能发现所需服务。
 留存：系统提供优质元服务和内容，吸引用户将服务留存在桌面，并为用户提供统一的元服务查看、搜索、收藏和管理功能。
 召回： 通过系统能力再次推荐优先匹配服务，唤醒用户再次使用，召回用户。

1.2智能分发

元服务数量的持续增加给用户带来查找服务不方便、选择困难等问题，若无法提供精准快捷的服务触发，用户将面临信息过载和获取服务时间成本过大的困扰。AI 的“感知”、“理解”、“推理&决策”等能力，能有效解决用户查找服务不方便及选择困难问题。

智慧分发核心能力分为感知、知识与理解、推理三层：

1、 感知层

精确感知用户场景，是服务智能分发的基础。根据多个终端的硬件传感信号和软件感知能力，感知层可以感知时间、空间、动作等信息进一步支撑对场景的理解。结合用户偏好，辅以知识图谱提供的结构化数据，系统实现了场景的精准融合感知。随着用户使用时长和次数的增加，场景的感知能力也将更加精准，推荐的服务将更加贴心，更好地满足用户的需求。
场景感知分为如下几类：
** 基于时间的场景感知：**工作日、节假日、首次亮屏、午休、睡前时光等。
 基于地点的场景感知： 家、公司、公共交通、商城、旅游景点等。
 基于设备的场景感知： 音频播放状态、网络连接能力、运动状态等。
 基于人物的场景感知： 性别，年龄，应用使用偏好等。
 基于事件的场景感知： 快递物流，异常天气，订单状态、未接来电等。
** 特别说明，**以上场景感知信息均在用户知情同意的前提下收集。

2、知识与理解层

知识与理解层是智能分发决策的重要依据，围绕核心场景，持续构
建、学习、丰富知识，并基于全面感知与知识增强，精准理解用户意图。感知数据结合用户的行为习惯，辅以知识图谱提供的结构化数据作为输入，通过对用户、场景建模以及 NLU 等技术，实现了用户此刻的意图理解。同时在元服务上架的过程中，开发者可以选择服务分类和标签，通过服务分类、标签和智能理解，系统可以将元服务与统一全局意图进行关联。

3、 推理&决策层

依托丰富的服务生态，完备的知识储备，学习型 AI 模型实现精准推理。通过基于规则的召回、热度召回、协同召回、深度学习模型召回等多路召回方式，为每个用户召回与其意图、兴趣相关的元服务，同时通过端云融合排序模型将召回的服务进行排序，并将 top 服务展示给用户。

开发者可以按照服务分发接口规范接入数据，使用户意图和服务数据更精准匹配，从而显著提升元服务的使用。

数据接入接口按照垂域进行细分，例如附近优惠券，附近服务，热词排行，音乐内容等。开发者可以根据自己的服务具体使用场景，有选择的通过这些接口接入数据。