拒绝访问 |
| 百度云加速
请打开cookies.
此网站 () 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(a436a-ua98).
重新安装浏览器，或使用别的浏览器用数字驱动销售，开启“新零售”模式，打造全渠道一体化数字化营销智能管理平台
科传智能零售通以智能管理平台为核心，采用平台式融合融通的中台架构，可无缝对接商业POS、ERP、CRM、移动支付、社交媒体、APPs、
电商平台、多媒体导购、客流量分析系统、第三方系统等，结合大数据分析与应用，帮助购物中心、品牌连锁、百货商场、批发加盟等多个零售领域企业彻底贯通所有渠道，形成前端与后台，线上线下服务完整连接的零售全渠道营销体系，实现数字化运营，迈入“新零售时代”。
新增实时盘点功能，边盘点边营业，提高仓储管理效率
可无缝对接各种ERP或仓库进销存管理软件，实时与后台数据库进行数据交互，可将店铺、分仓、总仓分开进
行盘点、实现入库、出库、仓库盘点、库存查询、价格查询、调拨等操作，自动生成可查询的各种单据！不用
停业后再盘点，实时数据，快速便捷，提高仓储管理效率，提高出入库数据准确性。
优化升级原系统的数据处理和算法，结合Hadoop+HBase大数据销售预测分析模型和移动加权RFM分析模型进行营运分析，全面提升购物中心对二级商户的管控
能力，全面打通线上线下零售大数据，通过对线上消费大数据进行分析，配对线下消费者信息，进行实时精准营销。
完善的管理功能，精准掌控每一个运营环节，提高对二级商户的管控能力
核心业务管理
商业智能分析
消费行为分析
消费预测分析
业态经营分析
商业信息分析
客户关系管理
会员信息管理
会员等级管理
会员积分管理
会员折扣管理
储值充值管理
会员消费分析
供应商管理
价格促销管理
停车场系统
多媒体导购系统
社交媒体（微信）
OA办公系统
完善的管理功能，精准掌控每一个运营环节，提高对二级商户的管控能力
支持多国语言、多货币、多税制业务拓展管理平台功能
支持英文、日文、韩文、中文简体、中文繁体等多种语言；
通过货币编码设置，支持多国货币解决了跨国管理多货币、多语言、多税制问题；
支持集团连锁管理，满足公司跨国、跨区域发展，支持零售企业的全球扩充计划。
集团式品牌库管理，快速招商上线
品牌库、商户资料归集中央集团管理，为项目建设初期的业态规划和品类规划提供丰富的品牌和商品资源，有利于实现快速旺场。
招商租务管理，全面监控招商全过程
招商计划、招商谈判、招商流程、招商分析的全过程的全面监控管理，详细记录招商进度及租户信息；
业态分析态显示商铺出租、招商进度，通过租赁商户异动情况，了解购物中心招商状况，做到精细化管理；管理多货币、多语言、多税制问题；
提供自营、联营、租赁等合同管理，根据企业的合同规范业务流程和结算流程，可做个性化设置管理，支持零售企业的全球扩充计划。
全渠道会员管理，精准定向营销
采取全面的会员等级管理、折扣等级设置、积分获取与使用、礼品管理；
线上线下无缝对接，全面获得顾客消费大数据，将数据信息传递给CRM系统，通过移动加权RFM分析模型进行消费行为分析，深度掌握顾客的喜好、消费水平，并进行精准定向营销。
财务管理，全智能结算
系统界面按业务流程组织，清晰直观、操作简单，清晰知道每个商户每月费用结算账单、应收款项；
自动结算费用和滞缴金，方便各项费用收款及审核管理；
财务管理包括有不规则收费管理、结算管理、结算付款管理、保证金管理、预付款管理、免租管理。
货品管理，商品管理精细化
协助租户管理货品信息，使得租户与购物中心的货品信息进行匹配，包括货号、商品名称、颜色、尺码、图片、关联货品；
使得购物中心的商品数据得到完善，进行商品精细化管理，更有利于购物中心品牌形象的建立。
多元化促销与价格管理
系统支持多价格管理，如吊牌价、现零售价、实际卖价、结算价；
支持单品促销、整单促销，促销优先顺序可自定义管理；
强大的促销池（购物券、现金券、折扣券、购物卡、储值卡、印花、满减、满送、买一送一、第二件打折等）。上百种促销类型，满足日常运营所需，并可根据企业需要进行个性化修改设置；
租户可以直接通过后台进行货品价格的管理，可以统一参与商场的促销活动，并可借助商场的多渠道资源提高店铺及货品的曝光率。
采购管理：根据设置好的安全库存或安全天数，智能补货模块可以自动生成补货单，保证订单准确性，加快了订单的传送速度，实现了对市场的快速响应；
库存管理：可根据具体情况选择直接入库或根据PO单进行入库，在加强进货的依据性和严肃性的同时，增加了入库的灵活性，确保合同按时按需实现；并根据盘点情况进行库存与成本调整；
盘点管理：实时动态盘点，盘点速度快，盘点过程不影响正常的出入库操作，为连续运行的仓库提供准确的动态盘点管理；可将店铺盘点和仓库盘点分开；
为租户提供完整的商品采购、收货、调拨、盘点、成本管理过程，使得租户可利用购物中心的线上商城进行销售，提高店铺及商品的曝光率，提高销售额。
将商场的公共设备、能源、资料登记录入，建立详细的运行记录管理过程，如防损记录、投诉跟进、物业报修、装修施工、设备管理等，亦可根据各购物中心管理流程不同而个性化开发物业管理功能；
对于合租商户，如果由商场统一结算，商场提供的能源设备按销售、面积进行费用摊分方式。
客户服务中心
提供物品拾遗、储物柜维护租借、问卷调查、物品租借服务；
提供派车辆送货上门服务、安装、调试、维修等功能支持顾客和租户的投诉管理及跟踪。
可视化BI报表，协助智能决策
与第三方财务软件进行无缝连接，实时毛利估算，快速进行利润分析；
提供丰富的图形报表，简明直观地体现商场的经营状况；
无缝对接总部管理后台的可视化BI系统，提供销售报表、财务报表、租务报表等数十种自定义BI报表，数据实时查询获取，实现全面KPI分析，帮助管理层决策；
多级权限划分设计，针对不同的阅读对象可不同层级的数据划分，提供不同报表展示。
储值卡管理，激活会员
具有完整的储值卡制卡到退卡、冲正流程，实现实体会员卡+预付卡+积分卡三卡合一，有效帮助经营者牢牢扣紧与消费者之间的关系，资金的沉淀，为经营提供持续快捷的经营方式；
可依托银行，发行联名会员储值卡，通过多种渠道及产品，扩大购物中心资金收益，拓展收益来源打造预付卡+会员+权益（积分、卡券） +支付结合的一体化忠诚度解决方案；
无缝对接微信公众号和CRM系统，同步会员信息，发行虚拟储值卡，精准记录消费行为，将消费者行业数据化，丰富会员大数据。
WIFI、LBS导航定位
通过Wi-Fi、LBS定位，最大限度地完成消费者手机号和mac的手机匹配，掌握顾客的消费动线，并实时精准推送信息；
Wifi室内定位，能实时记录并统计消费者位置，为顾客提供室内定位及导航服务。当顾客到达相关的品牌店铺时，可及时为用户推送相关的优惠活动信息，优惠券等；
消费者可通过LBS定位获取室外的位置，以及位置周边的商场、品牌店铺、交通路线，和相关的优惠信息等。
广告媒体管理
根据每个区域的功能特点，合理控制广告位设置的数量，并保持整合性与一体性；
对购物中心外部电子大屏幕与内部商铺广告位进行统一规划、招租和管理；
通过对媒体推广渠道分析，结合购物中心自身定位，寻找最适合的推广渠道；。
进行对外广告媒体推广效果监测，及时调整广告媒体推广策略。
结合两大数据分析模型，全面掌控消费者行为，精准定向营销
消费预测分析模型
利用数据挖掘的技术，从消费者过往消费记录与消费行为中，挖掘新的消费需求，加强销售业务关联，从而提高收益。
在海量数据中发现数据内在的规律性联系，进而提供具有洞察力的分析建议。
移动加权RFM分析模型
移动加权RFM模型数据分析，可分析客户的近期购买行为（如品牌偏好，商品品类喜好等）、购买频率以及购买力三项消费指标，对会员进行等级划分、顾客结构及消费习惯分析，进而衡量客户的价值和客户创利能力，掌控活动过程的会员销售趋势变化，进行精准营销，提高老客户复购率，并对会员流失做出预警，为更多的营销决策提供支持。从而提高收益。
科传提供客户单维、多维的消费者分类及分析。科传可为商家进行定制化并多维呈现的内容：平均每单消费金额，轻应用使用、电子促销券使用、积分、停留时间；环状、带状、点状到访；性别、地区、年龄、igital/Physical consumer、新客户/旧客户、影响力；品牌、品类、楼层等。
运用标签法与物联法：每个商品和会员都要有数个自定义标签(tag)，当商品与会员标签重叠时，便推荐会员相关卷标的产品；累积所有顾客的消费行为，以量化数字建立商品之间的关联，还可用促销、浏览等各种方法来加权应用，资料愈多、运行愈久，智慧愈完善。
||网站地图
Copyright (C)
广州市科传计算机科技股份有限公司 版权所有
热线400-048-1658
项目在线咨询
扫码关注 ，尽享科传干货商业企业如何用好卷烟“大数据”？日来自：中国烟草市场 作者：贾炜、张霖　　烟草在线摘自中国烟草市场　　[摘要]：大数据正在以前所未有的速度，颠覆人们探索世界的方法、驱动产业间的融合与分立。在烟草行业上下谋划和实践“三大课题”，大力提升烟草行业“五个形象”，努力推进卷烟营销市场化取向改革的过程中，本文立足于烟草商业企业，从卷烟营销实际需求和发展趋势出发，以大数据在行业的应用为出发点，分别从现状、基础、内容和实践四个方面描述烟草商业企业卷烟大数据营销的内容，创新卷烟大数据营销的领域，探索卷烟大数据营销的模式。
　　一、烟草商业企业卷烟大数据营销的现状
　　（一）大数据营销的背景
　　随着新一代信息技术的发展和应用，尤其是互联网、物联网、移动互联网、社交网络等技术的发展，我们正在进入一个大数据时代。数据的影响已经渗入到了产业、科研、教育、家庭和社会等各个层面。对于烟草行业的改革和发展而言，在行业上下谋划和实践“三大课题”，大力提升烟草行业“五个形象”，努力实现烟草行业税利总额超万亿元年度目标的背景下，在千方百计推进市场化取向改革过程中，我们需要积极探索在专卖体制内市场配置烟草要素资源的新途径、新举措。其中，大数据在行业的广泛应用，特别是对于烟草商业企业卷烟营销提供了一个全新的视角，扮演了举足轻重的角色。大数据营销将引领以满足消费者需求为核心，以卷烟订单采集方式改革为抓手，通过保障零售客户自主经营权，层层传导市场力量，实现品牌优胜劣汰，进而激发企业活力，释放改革红利，提高营销资源配置效率的卷烟营销市场化取向改革，烟草行业也将迎来新一轮的机遇与挑战。
　　（二）大数据营销的概念
　　大数据，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理，并整理成为人类所能解读的信息。大数据的四个主要特征，可以概括如下，表1所示：
表1　大数据的主要特征
　　通常，大数据应用是与大数据的容量和种类密切相关的。数据容量越大，种类越多，信息量越大，获得的知识越多，能够发挥的潜在价值也越大。烟草商业企业卷烟大数据营销作为当前行业大数据应用的领域之一，更加关心大数据的功用，它能帮助烟草商业企业实现什么；更加强调在多样的或者大量数据中，迅速获取信息的能力。笔者理解，烟草商业企业卷烟大数据营销的核心目标，是最大限度地满足消费者需求；大数据营销的核心内容，是准确掌握卷烟消费市场；大数据营销的核心能力，是发现市场规律和预测未来趋势。
　　（三）大数据营销的机遇
　　当今世界正处于从工业化向信息化过渡的时代。工业化主导的特征是大生产、大物流、大品牌、大零售，其中通用汽车、UPS、宝洁、沃尔玛是大工业时代的代表。而未来是消费者主导的信息社会，其以“消费者驱动、个性化生产、网络化协”为特征，消费者将成为企业价值链重要的一份子。
　　烟草作为具有双重属性的产品，一方面是专卖专营的特殊商品，必须严格按国家计划组织生产并由国家垄断经营。另一方面，作为一种商品同样必须遵循市场经济的一般规律，必须洞察消费者的爱好，甚至是每一个消费者的喜好，才有可能提供真正满足消费者需求的产品。
　　烟草商业企业卷烟大数据营销的机遇主要体现在以下三个方面：一是烟草商业企业黄金十年卷烟营销网络建设的历程为开展卷烟大数据营销提供了海量的数据基础；二是大数据处理和分析技术的成熟为烟草商业企业开展卷烟大数据营销提供了先进的技术支撑；三是卷烟营销市场化取向改革的号角为烟草商业企业开展大数据营销提供了难得的历史机遇。如图3，所示：
　　产生数据　烟草商业企业内部业务系统数据库中生成的结构化数据，例如卷烟营销数据库、135工作法数据库、人力资源数据库等；烟草商业企业内部信息化应用中产生的其他非结构化数据，例如工商交易日志、视频监控文件、物流配送各种传感器数据等，这是在大数据应用中可以被发现潜在价值的企业内部数据；烟草商业企业建立的外部网上订货系统、网上结算平台、客户投诉服务平台等生成大量的外部结构化数据；烟草商业企业外部门户网站、移动应用、社交网络等产生的非结构化数据，这是在大数据应用中可以被发现潜在价值的企业外部数据。
　　聚集数据　烟草商业企业内外部产生的大量结构化、非结构化数据，需要将这些数据组织和聚集起来，建立企业级的数据架构，有组织地对数据进行采集、存储和管理。首先实现的是不同应用数据库之间的整合，这需要建立企业级的统一数据模型，实现企业主数据管理。在统一模型的基础上，利用提取、转换和加载技术，将不同应用数据库中的数据聚集到企业级的数据仓库，实现企业内部结构化数据的集成。面对烟草商业企业内外部的非结构化数据聚集，需要引入新的大数据的平台和技术，如分布式文件系统、分布式计算框架、非SQL数据等。
　　分析数据　集成起来的各种数据是大容量、多种类的数据，分析数据是提取信息、发现知识、预测未来的关键步骤。烟草商业企业内外部数据分析的目的是为了发现数据所反映的零售业市场规律，最大限度地满足消费者真实需求。例如，烟草商业企业可以基于这些数据进行零售客户订货分析、品牌（规格）需求分析、市场营销效果分析、零售客户满意度分析等，甚至延伸至广大卷烟消费者的消费行为分析。
　　利用数据　数据分析的结果，应当以不同专业角度、不同角色人员对数据表现的不同需求提供给他们，或许是上报的报表，提交的报告、可视化的图表、详细的可视化分析或者简单的信息等。例如，利用大数据技术可以在零售客户订货时精确推荐优选品牌（规格），也可以向客户经理在现场服务客户时，实时提供零售客户的订单状态和货款结算情况，或者是工商协同分析客户商圈卷烟消费趋势，乃至对整个中国零售业市场发展的判断和分析。
　　二、大数据营销的主要领域
　　大数据营销的内容丰富、范围广泛，烟草商业企业卷烟大数据营销按照行业价值链管理的内容可以分为五个领域：卷烟销售、现代终端、供应链管理、队伍建设，新商业模式。
　　卷烟销售　卷烟销售是烟草商业企业开展卷烟大数据营销的重要领域之一，卷烟销售不仅仅是实现卷烟实物所有权转移工作的业务单元，更重要地是通过开展卷烟大数据营销进一步延伸与深化卷烟精准营销（基于大数据的精准营销），真正做到帮助零售客户经营，提高零售客户的盈利水平，如表2所示。
表2　大数据营销在卷烟销售领域的应用
　　现代终端　现代卷烟零售终端建设需要着力拓展终端营销资源，大力推进“四网合一”，全面开展“四项服务”，有效发挥现代终端功能。卷烟大数据营销为烟草商业企业现代卷烟零售终端建设提供了创新的途径和方法，如表3所示。
表3　大数据营销在现代终端领域的应用
　　供应链管理　烟草商业企业所拥有的大数据可以驱动行业供应链的升级，提高行业供应链的整体效能。向上与烟草工业企业共享数据，提高卷烟品牌的市场活力；向下帮助零售客户开展面向消费者的营销活动，提高单店卷烟销售和结构，如表4所示。
表4　大数据营销在供应链管理领域的应用
　　队伍建设　队伍建设是烟草商业企业开展各项工作的基础和保障，烟草商业企业开展大数据营销给队伍建设提供了充足的管理支撑，同时队伍建设也丰富了烟草商业企业大数据营销的内容，如表5所示。
表5　大数据营销在现代终端领域的应用
　　新商业模式　新商业模式是站在烟草商业企业外部观察企业盈利来源的变化而得出来的，是烟草商业企业基于大数据资产衍生出来的商业模式，是未来烟草商业企业创新卷烟大数据营销的发展方向，如表6所示。
表6　大数据营销在新商业模式领域的应用
　　三、烟草商业企业卷烟大数据营销的实践
　　（一）山西烟草零售终端信息资源管理体系
　　山西烟草零售终端信息资源管理体系项目于2012年10月正式启动，是山西烟草以行业卷烟市场信息采集网络建设工作要求为基本设计依据，充分结合信息技术在行业的广泛应用，以智能手机为采集工具的人工信息采集项目作为突破口，以现代卷烟零售终端的自动信息采集为主要采集方式，逐步建设完成的零售终端信息资源管理体系。如图4，所示：
　　2013年10月基本实现了以样本客户为主的智能手机人工信息采集的数据整合，2014年将努力逐步完善零售终端的自动信息采集并且形成人工采集和自动采集的数据集成。省级集中的零售终端信息资源管理集成整合平台的建成，不仅可以反映出山西卷烟消费市场的基本变化，更可以展示出山西零售业变化的基本趋势，成为山西烟草重要的数据资产。
　　（二）山西烟草新商盟网上订货系统建设
　　山西烟草新商盟网上订货系统项目作为山西烟草的省级集中订货平台正在规划设计中，建设完成的省级集中订货平台将实现“全渠道、全货源、全订单”集中管理。同时，作为电子商务的核心组成部分，网上订货系统将会充分利用大数据技术开展卷烟营销。其中，零售客户的个性化推荐将是烟草商业企业卷烟大数据营销的主要应用。如图5，所示：
　　开展网上订货零售客户的个性化推荐，对于零售客户将会提升零售客户的体验，提高选购决策质量与效率，实现客户的差异化服务，主要是快速高效订货，并能够提高盈利水平；对于商业企业将提升推荐商品的曝光率和转化率，提升烟草的营销效果和经济效益，主要是推新品、提高结构；对于工业企业将提高部分商品的有效曝光机会与转化率，建立利益均衡机制，提升商品的覆盖率，主要是增加品牌的认知。
您可能感兴趣的文章
选择你关注的省份！精准化营销一直以来都是互联网营销业务在细分市场下快速获取用户和提高转化的利器。在移动互联网爆发的今天，数据量呈指数增长，如何在移动和大数据场景下用数据驱动进行精准营销，从而提高营销效能，成为营销业务部门的主要挑战之一，同时也是大数据应用的一个重要研究方向。本文通过数据体系架构和技术实现案例，分享美团大众点评数据应用团队在这个方向上的一些尝试和实践经验。
在介绍数据体系和框架前，为了方便大家理解，先简单阐述一下O2O营销的基本组成：O2O营销是由营销发生的渠道（站内，站外）与营销的主题业务（流量，交易）两个维度组成的，其中产生了多种营销的形态，如精准化用户营销活动、DSP的精准投放、渠道价值排名和反作弊等，数据分析和挖掘在这些环节都能发挥很大的价值。本文主要阐述站内的精准化用户营销活动。
一个站内用户运营活动的生命周期大概可以归纳为：确定目标、选取活动对象、设计活动方案、活动配置与上线、线上精准营销与动态优化以及效果监控与评估六个环节。如下图所示。
在这个周期中，数据都有巨大的发挥空间与价值。我们在项目启动后与业务充分沟通，了解其业务痛点，确定一期主要尝试从数据上帮助运营和财务同事解决以下几个问题：
① 营销活动前：确定目标和选取活动对象
② 营销活动中：效果监控和跟踪；用户和商户端策略的输出
③ 营销活动后：效果评估和优化建议
对于①的目标确定，以前更多是拍脑袋决定，缺乏一套稳定的分析框架和模型。而活动对象，包括用户和商户/团单选取，需要业务和BI同学每次人工跑数据得出，效率低下。
而对②和③，更是缺乏一套公司的营销监控平台，时常出现预算花超不可控的情况。活动结束后，效果数据也是各个业务方自己给出，口径不一致导致难以整体评估效果。
基于上述的业务场景和需求，我们用分层的金字塔架构设计了一套营销数据系统和服务，有效满足了业务的诉求并具有很好的平台扩展性。
最底层是我们的数据仓库和模型层，这里又大致可以分为三个主题：画像，运营和营销，流量。这三个都是运营活动必不可少的数据组成部分。
对于画像，我们的做法是部分自主建设，同时集成业务方如搜索、广告和风控团队开发的画像标签，形成统一的画像宽表。目前我们的用户标签体系覆盖了包括：基本信息、设备信息、消费浏览以及特征人群等5个大类的180多个标签。在标签的实现上，我们也秉承从需求出发的原则逐步迭代，从最初的以统计和基本的营销模型如RFM为主，到现在在潜在用户挖掘和用户偏好上开始探索使用机器学习的挖掘方法。
在营销运营集市上，我们与财务和支付系统协作，开发了一套公司预算流水号系统。运营人员在配置活动时，从财务申请预算流水号，并在优惠后台配置与对应活动关联，用户享受优惠的每一笔订单都会在业务表中进行打点，做到在最细粒度上的预算监控。同时在用户、商品等维度建模后，形成了营销交易评估的指标体系：新用户成本，新老用户分布，7天、30天购买留存等。
活动评估的另一个维度就是流量：活动页的点击、转化漏斗、不同渠道来源等指标是运营人员无时无刻不关心的，这部分模型作为数据中心数据仓库中核心的一环。我们参考了其他公司的做法，建立了自己的PV、UV、Session以及路径树转化等模型，可以很好地满足运营需求。
在数据仓库之上，我们建立了数据服务层。在统一使用公司高性能的RPC框架之上，针对不同的应用选择了差异化的数据存储和查询引擎。比如在画像服务中，需求是满足线上业务系统的实时访问需求，要求毫秒级的并发和延迟，因此我们选用了Redis作为存储。而相较之下，分析类产品对并发和延迟要求相对较低，但对数据在不同维度上的聚合操作要求较高，在对比了Kylin、ElasticSearch（以下简称ES）、Druid后，我们决定使用ES作为存储和查询引擎，主要有2个理由：一是我们有留存等指标，需要重刷数据，而对于Kylin来说，无法使用其提供的自动增量cube机制，重建数据代价较大，同时ES在同样的维度上，空间膨胀度上比Kylin少近一半；二是ES整个系统设计和架构非常简洁，运维方案简单，也有专门的工具支持，对于当时没有专职运维的开发团队来说是一个捷径。
最上层是数据产品和应用，针对前面提到的运营活动的不同阶段提供数据平台和工具：
人群分析平台（Hoek）：用户可以通过选择画像服务提供的不同的标签组合快速创建人群包，创建的人群包可以提供给其他不同业务和形态的营销工具，如push，促销工具等。智能发券引擎（Cord）：通过配置后台和Hoek平台，运营人员就可以完成定向活动受众和策略的配置，而无需开发接入。具体细节在后面的案例分享中再详细介绍。云图/星图：完成活动效果数据查询和分析的工具平台，构建基于ES的查询引擎，提供多维度的实时指标查询。
除了系统化的建设外，在运营活动的迭代中，我们与业务合作，进行了大大小小20多个专题分析，产出了包括闪惠预算动态分配、闪惠立减梯度优化、用户价值分以及免费吃喝玩乐选单等主题模型。帮助业务提高预算使用率30%，同时更好地评估拉新带来的用户价值。
整体的架构最终是为精准化营销服务，下面就结合两个案例具体介绍。
外卖潜在用户挖掘
精准营销一个主要的方向就是潜在客户挖掘，特别是在点评这个平台上，目前已有包括美食、外卖、丽人、教育等近20个业务，如何在平台近一亿的活跃用户中挖掘垂直频道的潜在用户就成了精准化营销的一个很现实的问题。Facebook和腾讯的广告系统都提供类似的Lookalike功能，帮助客户找出和投放人群相似的用户群，其广告的点击率和转化率都高于一般针对广泛受众的广告。
目前常用的潜在用户挖掘方案主要就是基于画像或者关系链的挖掘，我们团队从需求出发，结合点评的画像体系从关联规则、聚类和分类模型三个算法上进行了探索。对比效果如下：
未来我们除了在分类和聚类上进一步优化外，还计划利用点评好友关系，使用Spark的GraphX建立标签传播的算法进一步深挖高质量的相似用户。
微信红包精准优惠券引擎
另外一个精准营销的案例是智能发券引擎Cord，背景是点评会在微信群/朋友圈中用红包发各种优惠券，当好友来领券时，如何决定发哪个业务什么面值的券更容易转化。本质上是一个简化的推荐问题，我们也参照广告系统的架构设计了Cord引擎。主要包含分流模块（用于灰度发布和AB测试）、召回模块（负责从画像服务和优惠配置系统获取人和券的物料信息）、过滤模块（负责进行两者的匹配）、推荐模块（可以根据业务规则或者我们挖掘的策略对结果进行排序，返回給活动系统最合适的优惠券进行发放）。整个系统实现完全服务化和可配置化，外部的活动系统可以根据配置的开关启用或者在特殊场景下禁用Cord服务；而Cord内部，也可以根据配置中心的设置，动态调整推荐策略。在数据挖掘上，目前除了业务配置规则外，我们针对公司主流的运营方式，基于画像中的用户偏好和优惠敏感等标签进行综合打分，抽象了以GMV为目的和以拉新用户为目的的推荐策略。
精准营销是目前大数据落地的一个公认的场景，但随着移动互联网和O2O的发展，这一领域也会有新的问题和挑战出现。结合我们这一年多的实践经验，团队也归纳了一套数据系统架构的设计原则：
在数据架构和建设上，从需求出发，建立准确和易用的数据底层模型，统一指标体系和口径。在数据服务上，通过分层和SOA的思想，解耦与业务系统的逻辑。同时针对不同需求和场景选择适合的技术组件。
展望未来，在数据上如何快速地进行挖掘模型的开发，在架构和产品上满足更多场景，让数据在营销上发挥更大的价值，是下一步的重点方向。
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：95611次
排名：千里之外
转载：39篇
(1)(3)(4)(1)(1)(4)(5)(1)(1)(1)(4)(2)(2)(4)(6)(4)}