李永辉
(中国移动通信集团河南有限公司 河南 郑州 450008)
当前社会已经全面进入到“互联网+”时代,信息化技术与科学技术的快速发展,各种新兴技术开始在各行各业进行广泛的推广应用,推动了行业的改革创新。大数据作为当前信息技术的重要代表之一,其能够针对海量、复杂、异构的信息数据进行分析,以此来为决策提供有效地支持,开始源源不断地应用于各个领域。对于企业营销来说,传统营销理念、营销方式显然已经无法适应当前这个信息化时代,大数据所能够提供的精准服务,无疑能够为企业提供更多的数据支持,利用大数据进行精准营销就成为各个企业获取营销竞争优势的重要途径[1]。鉴于此,本研究主要针对大数据应用于精准营销的技术架构进行了全面的探讨,在此基础上提出几点大数据应用于精准营销的措施与建议,仅供参考与借鉴。
Hadoop大数据处理平台作为一种开源的计算系统与分布式储存系统,主要是基于谷歌有关核心技术研发而成。M/R(Map/Reduce)与分布式文件系统(Hadoop Distributed File System)属于该平台的核心技术,M/R(Map/ Reduce)作为计算框架,能够将各种数据集进行合理的划分,使其转变为无数个数据库,且各个数据库之间完全保持独立,通过Map任务实施并行处理。分布式文件系统本身具有高容错性,能够针对Map输出实施排序处理,接着将结果录入Reduce任务,所有的操作均会在分布式文件系统进行储存,其负责整体任务的调度、监控,同时重新执行运行失败的任务。
大规模并行处理系统(Massively Parallel Processing)主要是通过多个对称多处理系统服务器(Symmetric Multi Processing)构成,诸多服务器通过特定节点互联网进行连接,相互之间能够进行高效的协同运行。从运行的特征来看,其主要是各个服务器利用节点互联网进行有效连接,各个节点仅仅负责本地资源,相互之间的信息交互主要利用网络达成。现阶段,大规模并行处理系统主要特征如下:首先,一般储存均为结构化的数据类型,表现为明显的雪花型结构或者星形结构,能够直接引用大数据进行分析;其次,各个服务器均存在完全独立的处理器、内存、硬盘,可以针对节点进行动态管理;最后,数据分区能够分别划分到各个不同的物理节点,利用分布查询,能够针对系统整体性能进行针对性地优化调整。
所谓ETL,主要指的是源端数据历经抽取(Extract)、转换(Transform)、加载(Load)流程,最后进入到目的端的整个进程。ETL系统主要特征如下:首先,ETL技术能够针对错误出具进行清理,同时针对缺失数据进行修正;其次,能够针对信息数据开展可信度评估;第三,针对多方源数据进行有效地整合;最后,针对数据实施结构化处理,为大数据分析、用户使用奠定基础。
所谓语音引擎,指的是能够从各类非结构化数据提取信息的一种工具。非结构化数据主要指的是不便使用数据库二维逻辑表来展现的各类数据类型,如视频信息、音频信息、图像、报表、HTML、XML等类型。
从数据挖掘算法的应用流程来看,其主要指的是不断验证、不断匹配的流程,这个过程中依赖业务人员、分析人员之间进行高效的互动交流,才能够保障挖掘的信息数据满足精准营销需求。一般情况下,数据挖掘技术可以选择单独使用,也可以考虑实际需求联合OLAP(在线联机处理分析)。例如,对于处在不同生命周期的客户来说,要想获取其对应的状态信息,需要选择回归分析方式,对于预流失客户进行挽留,则需要分析其具体的特征,了解其流失的具体意向,主要适用于分类算法。
大数据可视化分析,指的是综合利用图像处理、图形信息,向用户群体推送需要的可视化信息内容。从当前大数据可视化技术的实际应用情况来看,主要包含地图、表格以及图形等模式,通过多元化的图形组合、图像处理,能够实现地图数据高亮、多目标切换、表格下钻、图标联动等可视化功能。
为有效满足大数据精准营销需求,架构的设计需要包含大数据uCloud D“三大体系、四大平台”,涉及架构功能全网手机终端信息、互联网流量日志、企业核心数据信息、宽带信息等[2]。由于大数据平台对于各种数据的支撑能力较为突出,且还在传统B域方面具备高价值密度数据方面的突出优势,可以全面挖掘各种低价值数据,并利用开放式平台进行转化,使其能够最终转变为具有生产力的信息数据[3]。
从当前大数据储存方面的研究来看,当前主要包含两个研究方向、技术阵营。其一,MPP(Massive Parallel Processing,大规模并行处理)数据库;其二,以Hadoop+ MySQL为代表的分布式文件系统。两个平台各有优势,且各自在不同领域的适用性也存在一定的差异性,通过全面推动两者的有效融合,可以全面提供数据加工、访问方面的功能,且整体效果更为突出[4]。
当大数据挖掘技术正式应用于精准营销后,针对大数据平台进行数据采集、整合就成为精准营销的关键所在。利用大数据平台进行精准营销,相应的采集整合数据、采集整合技术(图1)设计下面4点功能:①结构化数据。针对业务平台与生产系统的各种信息数据进行采集,利用DCN进行承载传输。②非结构化数据。针对互联网当中各种行为信息、内容等进行采集,利用IP网进行承载传输。此外,可以利用网络爬虫引擎,针对静态的各种信息资料进行采集,同时可以利用页面标签解析引擎,进一步采集整理有关的行为信息、历史数据。③流数据。对于流类型的各种数据来说,主要是通过互联网、网络信令、设备日志等完成采集工作,以此来进行消息处理引擎、流处理引擎的构建。④临时数据。主要是针对各种一次性数据进行采集,利用文件模式将其录入数据集市,为大数据精准营销提供数据支持。
图1 大数据平台采集整合流程图
企业大数据平台建设,可以根据企业实际情况选择行业联合建设、外包合作等,即将行业联合建设的大数据平台作为一级平台,其他各企业作为二级平台,两级平台之间进行数据的共建共享,各二级平台的企业又能够根据自身实际情况,选择对应的大数据信息、大数据服务。对于企业来说,通过多级平台的建设,能够将企业信息数据与外部信息数据进行高效的对接,进一步掌握更多的数据资源,从而有效提升数据收集、数据分析、数据共享的效率,为精准营销奠定良好的基础。
大数据技术的应用,需要企业更改传统粗放式的营销广告模式,致力于引入大数据技术,致力于提升营销广告传播的精准性。企业可以通过大数据分析,先了解用户的兴趣爱好、消费习惯,以此来制定针对性的营销广告推送策略,在此基础上,综合参考客户所处的情境,选择针对性的营销广告推送内容,使得营销广告内容符合用户所处情境的需求[5]。
从企业大数据精准营销实际来看,差异化营销通常需要选择从客户、渠道两个领域来开展。基于客户层面的差异化营销来说,需要综合利用大数据技术针对客户群体的忠诚度、购买力、产品需求等进行针对性地分析,注重规避当前同质化的营销模式,以此来制定针对性的营销方案、营销内容。比如,对于价格不敏感的客户,差异化营销应当从产品特性、产品品牌、产品服务等方面展开;而对于价格敏感的客户,差异化营销则需要从赠送优惠、折扣优惠、产品活动等方面展开[6]。
综上所述,大数据技术所具有的诸多优势,无疑为企业营销服务提供了有效的支持。对企业来说,应当意识到大数据在营销服务方面的优势,致力于发挥大数据营销优势,利用大数据开展精准营销。具体来说,企业需要充分结合自身实际,通过构建围绕精准营销的大数据平台、全面强化营销广告传播的精准性、基于大数据分析进行差异化营销以及提升精准营销服务的个性化程度,从而有效提升精准营销水平,为企业发展奠定良好的基础。