大数据使精准营销成为可能

     随着计算机技术和网络的不断发展，业务数据持续快速增长。IDC公司的研究结果表明，2011年全球产生的数据量高达1.82ZB，相当于全球每人产生200GB以上的数据；而未来几年全球数据量将以40+%的速度增长，2020年全球数据量将达到35ZB。大数据时代已经到来。数据正日益凸显其价值，成为企业的重要资产。

    Gartner公司认为：大数据是大量、高速、多变的信息，它需要新型的处理方式去促成更强的决策能力、洞察力与最佳化处理。大数据为企业获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。

大数据加深对客户行为的洞察

    在精准营销理论中，客户洞察是精准营销的第一步。企业从大规模制造过渡到大规模定制，必须掌握用户的需求特点。基于通信行为、上网数据等，可以对客户行为特征进行洞察。这些特征往往是在用户不经意的行为中透露出来的，通过对信息进行关联、参照、聚类、分类等方法分析，得到有价值的用户行为洞察。

    可通过兴趣点机制，作为客户洞察的基础。兴趣点的初始化建立，可以通过收集和整理开放式分类目录、各大行业主流网站、热门门户网站以及参考互联网分类行业标准来制定。同时需建立兴趣点调整的动态机制。
对于给用户打上兴趣点标签，其难点一是要保证能正确理解用户的上网行为，恰当地描述用户上网行为，其难点二是要在用户的即兴上网行为与上网嗜好之间取得平衡。

    基于用户上网次数、流量、时间段等属性，可以给用户打上合理的兴趣点标签；针对较少上网的用户，可以通过已经标记标签用户的基础数据特征（如年龄、性别、流量、终端等基础资料），使用数据挖掘工具和方法，利用历史数据生成用户基础数据特征与偏好的对应关系的模型，来近似预测其偏好标签。针对用户上网的不同风格，可把用户的偏好分为即时偏好、天、周、月、年，以应对即时营销等不同的营销需要。

大数据需要新技术支撑

    大数据也带来了严峻的挑战。信息化技术的普及使得企业更多的办公流程通过网络实现，由此产生的数据以结构化数据为主。当前数据创造的主体由企业逐渐转向个体，而个体所产生的绝大部分数据为图片、文档、视频等非结构化数据。同时，在线个性化推荐、实时信息推送等数据处理时间要求在分钟甚至秒级，传统的数据仓库系统、数据挖掘等应用无法处理非结构化数据，也不能满足数据处理的实时性。

    大数据与传统数据两者数据量的差别如此之大，决定了数据的存储、计算从架构上很不一样。常规的数据仓库技术仍然有用武之地，但更适合大数据的，有大规模并行处理（MPP）、分布式处理等技术。结合当前技术发展状态，从性能、并行计算能力、可扩展性、软件的成本、硬件的投资等方面综合分析之后，为满足结构化与非结构化数据存储与处理，建议采用RDBMS+ Hadoop混搭方式，并引入流计算技术。

    Hadoop平台的分布式存储的特点，可以把数据存储在多个节点上，能够处理PB级数据。Hadoop能够在节点之间动态地移动数据，并保证各节点的动态平衡，利用其MapReduce的并行处理能力，处理速度非常快。非结构化数据在Hadoop平台上存储与处理；大数据量计算在Hadoop平台上处理；结构化，不需要关联分析、查询较少的数据，保存在Hadoop平台；结构化、需要关联分析或经常查询的生产、汇总数据保存在关系型数据库中。
流计算不同于文件批处理的方式，是一个事件触发的数据处理机制，能够保证其数据的实时性。经测试，中兴软创所掌握的流计算技术在一台普通PC Server上，可以达到20MB/s的处理效率；并且支持线性扩展，能够满足电信行业处理需要。

应用场景分析

    目前大部分企业面临的挑战不是缺少数据，而是数据太多。通过新型技术，大数据价值可能被充分地挖掘和利用。大数据要发挥价值，必须与业务融合，能够带来实际业务收益。大数据的应用模式仍处于探索阶段。

应用场景一：实时热点内容偏好推荐

    图1中描述了如何将互联网热点内容推荐给潜在访问者，以提升流量提升的整个业务处理流程。

    ● 系统自动检测主流网站和搜索引擎，通过网络爬虫获取热点内容；

    ● 根据热点内容与客户偏好的对应关系，自动获取待推送的目标用户，目标用户要求为未访问过该热点的用户；

    ● 人工审核后，实现热点内容推送。

应用场景二：位置触发的营销

    基于位置触发的营销方式，当客户进入商圈范围时，如果属于目标客户，将实时接收到营销信息。

    ● 商圈定义：对基站覆盖范围进行维护，并对商圈位置范围进行定义，建立多维度商圈类型，包括购物、餐饮等，同时建立位置信息库；

    ● 业务定义：对触发区域、触发规则、营销内容进行配置，并规定推送信息的时效性；

    ● 当客户位置处于商圈内，满足触发条件时实时触发；

    ● 信息推送，将相关活动信息推送给目标客户，如：亲，XX商场的XX专柜现正在进行酬宾活动，您凭此二维码即可享受7折优惠。

其他应用场景

    在电信行业还可探索以下应用场景。

    ● 业务投放：根据订购或使用产品、业务的用户特点，筛选目标用户，对自有产品、业务做针对性营销推荐；

    ● 终端营销：分析用户换终端的特点，进行终端的精确化营销；

    ● 即时营销：基于用户的上网时机、上网位置做精确化的营销；

    ● 关联产品推荐：基于产品关联销售的特点和用户订购产品的历史信息，做关联产品的推荐。

    重庆电信大数据试点项目移动互联网客户行为分析工程已正式商用，正在积极探索大数据场景应用。

结语

    借助大数据及相关技术，我们可针对不同行为特征的客户进行针对性营销，甚至能从“将一个产品推荐给一些合适的客户”到“将一些合适的产品推荐给一个客户”，得以更聚焦客户，进行个性化精准营销。

    虽然大数据应用尚在探索，还存在客户隐私保护权衡等问题，但正如哈佛大学教授加里 金所说：这是伟大社会变革的一部分，无论学术界、工商界还是政府，所有领域都将开始这种量化进程。