中文字幕日韩哦哦哦_教育培訓行業(yè)精準化營(yíng)銷(xiāo)智能解決方案（連載二） - 國內

　　三、解決方案詳述

　　3.1用戶(hù)畫(huà)像

　　建立用戶(hù)信息的統一視圖數據庫，按照教育培訓行業(yè)特征建立行業(yè)用戶(hù)重點(diǎn)關(guān)注維度和各維度內的深度數據，同時(shí)從實(shí)際應用場(chǎng)景出發(fā)對用戶(hù)數據進(jìn)行分析，建立針對不同應用場(chǎng)景的三類(lèi)標簽：事實(shí)、模型、預測。從而使得一個(gè)用戶(hù)在不同應用場(chǎng)景下能夠以所標簽的信息被形象展示。

　　3.2用戶(hù)統一畫(huà)像模型建設及步驟

　　3.2.1基于企業(yè)現有數據整合和完善，通過(guò)6個(gè)維度的事實(shí)信息來(lái)描述用戶(hù)，建立用戶(hù)的基礎維度和各維度的不同層級的信息：

用戶(hù)基本屬性
用戶(hù)關(guān)聯(lián)關(guān)系
用戶(hù)興趣偏好
用戶(hù)價(jià)值信息
用戶(hù)風(fēng)險信息
用戶(hù)營(yíng)銷(xiāo)信息

　　如下圖所示：

（圖3-2）

　　3.2.2 基于用戶(hù)信息建立6個(gè)維度的服務(wù)目標和基于事實(shí)用戶(hù)信息的目標維度標簽，更準確描述客戶(hù)在各個(gè)目標維度的定位和狀態(tài)。

營(yíng)銷(xiāo)增強
客戶(hù)洞察
渠道優(yōu)化
產(chǎn)品創(chuàng )新
風(fēng)險防范
運營(yíng)提升

　　通過(guò)大數據處理分析工具來(lái)分類(lèi)客戶(hù)的事實(shí)標簽，實(shí)現客戶(hù)畫(huà)像的第一步分析，初步實(shí)現用戶(hù)畫(huà)像。

基于用戶(hù)的基本事實(shí)，結合企業(yè)業(yè)務(wù)及教育行業(yè)的獨有的特征，對于用戶(hù)做合并分類(lèi)，形成客戶(hù)畫(huà)像與客戶(hù)群體屬性，如下圖所示：

（圖3-3）

　　3.2.3基于客戶(hù)的瀏覽興趣與購買(mǎi)數據，結合模型如LTV、RFM等通過(guò)分析工具計算客戶(hù)的模型標簽，實(shí)現客戶(hù)畫(huà)像的第二步分析，實(shí)現用戶(hù)商業(yè)價(jià)值畫(huà)像。

新客戶(hù)的獲得成本
存量客戶(hù)生命周期價(jià)值
存量客戶(hù)的交叉銷(xiāo)售價(jià)值
存量客戶(hù)的再激活價(jià)值
……

（圖3-4）

　　3.2.4 基于用戶(hù)基本畫(huà)像與模型畫(huà)像，通過(guò)大數據機器學(xué)習算法(如貝爾斯、邏輯回歸等)來(lái)進(jìn)行用戶(hù)預測與完善反饋，實(shí)現更精準的推廣分配，提高運營(yíng)效率，如下圖所示：

推廣的到校試課概率評估
新客戶(hù)的生命周期價(jià)值評估
……

（圖3-5）

　　3.3統一畫(huà)像標簽完整過(guò)程

　　基于企業(yè)現有數據，定期通過(guò)工具從數據庫與Web日志采集原始數據，然后生成標簽模型并持續優(yōu)化。

（圖3-6）

基本畫(huà)像標簽：從數據庫一次性導入。同時(shí)制定定期采集規則，當客戶(hù)信息通過(guò)CRM更新時(shí)，將更新記錄直接復制到基本畫(huà)像標簽的更新，以便預測優(yōu)化。
營(yíng)銷(xiāo)畫(huà)像標簽：

需求標簽：從數據庫一次性導入。同時(shí)制定定期采集規則，當座席采集客戶(hù)需求并通過(guò)CRM更新時(shí)，將更新記錄直接復制到需求畫(huà)像標簽的更新，以便預測優(yōu)化。
營(yíng)銷(xiāo)活動(dòng)標簽：從數據庫一次性導入。同時(shí)制定定期采集規則，當推廣采集客戶(hù)名單并通過(guò)CRM更新時(shí)，將更新記錄直接復制到營(yíng)銷(xiāo)畫(huà)像標簽的更新，以便預測優(yōu)化。

價(jià)值畫(huà)像標簽：從數據庫一次性導入。同時(shí)制定定期采集規則，當成單信息通過(guò)CRM更新時(shí)，將更新記錄每晚進(jìn)行計算新商業(yè)價(jià)值統計，將新變量更新到價(jià)值標簽以便預測優(yōu)化。
興趣畫(huà)像標簽：興趣畫(huà)像原數據的瀏覽日志解析處理比較復雜，需要進(jìn)行URL的識別、IP的識別、User Agent的識別、Referrer搜索關(guān)鍵詞的識別等。處理流程的設計采用了流水化的串行和并行設計，內部解析采用組件化流水化處理，不同組件之間的數據采用共享大內存的方式，避免在不同的處理組件之間進(jìn)行數據落地，重復的進(jìn)行數據寫(xiě)出和讀入，提高數據處理的效率。同時(shí)使用統一的數據模型，統一的數據存儲。如下圖所示，使用ExceedData平臺模塊化的集成、處理、分析、以及應用機器智能算法可以大大節省存儲資源，提供解析的效率。

（圖3-7）

　　3.4用戶(hù)數據在業(yè)務(wù)環(huán)節中的共享

　　通過(guò)一套開(kāi)放的應用之間采用開(kāi)放的應用接口（API）實(shí)現用戶(hù)信息在市場(chǎng)、客服、門(mén)店營(yíng)銷(xiāo)、培訓中心等各系統中的共享互通。API為統一標準，為各個(gè)應用數據系統，設置未來(lái)外部數據接入，提供統一的數據接收（get）與采集（post）接口，如下圖所示。

支持主流的接口協(xié)議，如REST；
支持直接采集主流數據庫數據，支持的數據庫包括：oracle、mysql、sqlserver等，直接使用jdbc客戶(hù)端命令方式從數據庫獲取數據。
支持分布式數據源調度，支持多數據源間的訪(fǎng)問(wèn)連接。
采用參數驅動(dòng)的設計思想，在A(yíng)PI中，凡是不能確定的因素做到參數化，以達到通過(guò)對參數的設置就可適應不同的情況及不同時(shí)期的應用要求。