基于大數據的集中運營支撐系統的研究與實踐

符傳健

摘? 要：隨著市場競爭逐漸白熱化、移動互聯網高速發展，如何實現客戶超細分、自動智慧化集中運營、多觸點協同運營是運營商的迫切需求。文章圍繞運營商運營工作存在的困境，探索基于大數據核心技術為突破口，通過構建集中運營支撐系統實現“超細分、微營銷、精服務”的目標，探索運營商智慧化高效集中運營的實踐應用。

關鍵詞：大數據;集中運營;一站式

中圖分類號：TP311.13? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）03-0061-02

Abstract： With the increasingly fierce market competition and the rapid development of mobile Internet， how to achieve customer super-segmentation， automatic intelligent centralized operation， multi-contact collaborative operation is the urgent need of operators. Centering on the difficulties existing in the operation of operators， this paper explores how to realize the goal of "super subdivision， micro-marketing and fine service" through the construction of centralized operation support system based on big data core technology， so as to explore the practical application of intelligent and efficient centralized operation of operators.

Keywords： big data; centralized operation; one-stop

1 運營工作開展存在的困境

當前運營商日常運營工作存在三大困境難以解決：（1）如何短平快實現客戶超細分。營銷多數依賴于人工經驗，缺乏對客戶需求特征深入洞察，難以把握用戶動態的、復雜的、碎片化的需求，難以及時提供合適的運營服務。（2）如何達到實時智能運營。運營對外服務提供能量主要為非實時的模式，實時事件驅動的營銷能力不足，缺乏對關鍵事件的實時捕捉和智能運營推薦。（3）如何實現跨觸點渠道協同運營。渠道觸點接入有效，未充分利用渠道接觸時機進行客戶有效運營。渠道間協同與整合能力不足，無法有效支撐多波次、常態化運營活動開展。

2 集中運營支撐系統研究

2.1 技術方法及特點

該系統的核心技術是從海量的數據中發現、分析客戶特征和營銷商機，能夠“快速”把握客戶動態、“準確”獲知客戶需求、“切實”解決客戶痛點并實現客戶滿意和業務效果提升的雙贏。主要技術特點包括：（1）海量數據實時計算：面對日均百億級的各類數據，通過流式計算、消息隊列和緩存技術的應用，實現數據獲取、時機匹配到策略優選、觸點執行，以及反饋交互的全流程實時計算。（2）分布式信息處理：通過分布式架構和技術應用，增大了系統的處理容量，并能夠進行資源動態調配和擴展，在可用性、健壯性和復用性方面有了顯著提高。（3）數據閉環迭代優化：通過將分析成果、執行過程和效果評估按照對象進行組合和閉環串接，達到了基于專家人工經驗和機器學習成果結合應用并持續迭代優化的效果。

2.2 主要的技術手段

該系統基于大數據技術實現面向海量數據實現“超細分、微營銷、精服務”的目標，主要的技術手段包括：（1）實時數據采集工具Flume：Flume是一個分布式、高可靠和高可用的海量日志采集、聚合和傳輸的系統，它可以用來采集文件、socket等各種形式的數據，又可以快速將采集到的數據輸出至hdfs、hbase、hive、kafka等存儲介質中。（2）分布式計算框架Jstorm：按照規定的編程規范實現一個任務，然后將這個任務遞交給Jstorm系統，Jstorm將這個任務跑起來，并且按7*24小時運行起來，一旦中間一個worker 發生意外故障，調度器立即分配一個新的worker替換這個失效的worker。（3）消息隊列Kafka：Kafka是一種高吞吐量的分布式發布訂閱消息系統，它可以處理消費者規模的網站中的所有動作流數據。（4）數據緩存Redis：Redis是同Memcached類似的基于鍵值對的高速內存存儲系統，支持包括string、list、set、zset、hash等在內各種常用Value類型，它還內建了GEO對象存儲，可以方便對地理經緯度提供直接計算查詢。

該系統基于開源的大數據技術形成了標準化可擴展的技術支撐體系架構：通過Flume采集工具進行各類事件的分布式采集和標準化處理;基于Jstorm流處理框架進行規則匹配計算服務處理;所有中間數據采用Kafka進行緩沖與交換，程序間只進行消息通信;使用Redis進行數據實時更新和獲取;面向業務系統提供實時服務進行時機輸出;將執行過程明細進行統一排序、去重和串接，提供實時查詢服務。

2.3 主要的系統功能設計

該系統不僅提供了“眼-腦-手合一”的運營支撐體系，幫助業務運營人員更加專業有效地開展工作，并且實現了基于具體客戶的個性化營銷服務和全局統一的協同感知。其價值在于提高運營工作效率和執行速度、準確性，還幫助最終客戶在需求的時候獲取恰當的服務。主要的系統功能如下：（1）多角度多層級業務分析：提供分時間、地區、場景、觸點多角度的業務指標分析，并提供從匯總到細分、明細對象的多級數據鉆取，為多類運營角色提供分析決策抓手。（2）貼合實際的活動運營：打造基于實際工作流程和要求的個人工作臺，進行多波次、多觸點營銷活動的快速創建和個人素材的共享、收藏，并提供活動級、波次級、觸點級和執行明細的監控分析數據。（3）專業的素材統一運營：將營銷運營所需各類素材（標簽、客戶群、產品、觸點、場景事件、物料等）按對象進行組織，為專業運營角色提供便捷的操作支撐和信息關聯。（4）自動串接多級交互：通過自動化數據接口和流程串接，打通一級IOP-省級IOP-地市及各運營中心的交互通道，實現數據快速互通和業務流程的多級聯動。（5）策略智能適配與迭代優化：基于歷史經驗沉淀和不斷的學習優化，形成適配標簽、匹配策略成果，在運營過程中基于場景進行自動適配，并形成數據閉環進行迭代優化。

2.4 系統功能模塊架構

該系統按照業務運營要求進行組合、封裝，整合數據、業務和觸點能力，形成統一入口、全業務、全流程的運營支撐平臺，“一站式”提供客戶細分、產品選擇、策略選擇、觸點選擇以及效果評估等功能，支撐運營工作全流程的高效協同，支撐業務營銷運營。

三大核心執行引擎：（1）事件感知引擎：對接各個生產系統和網絡數據，獲取通信行為、業務行為和時間、社會行為，集中事件采集并進行標準化處理，建立統一的客戶行為事件體系。通過流式規則實時計算，匹配場景事件，形成統一的“事件觸發式”時機捕獲、計算和分發引擎。（2）協同控制引擎：接收營銷時機觸發，進行多個營銷策略的實時排序優選，進行全局的頻次控制、多波次接續判斷、動態內容解析、實時產品沖突校驗、多渠道協同，匹配最適合的營銷策略執行。（3）傳播交互引擎：按照營銷策略規則，通過標準化的交互通道，進行營銷廣告內容投放和反饋獲取，結合產品辦理和目標地址訪問捕獲，輸出完整的營銷執行軌跡數據。

兩個關鍵運營中心：（1）策劃管理中心：通過業務指標分析和客戶洞察分析，制定營銷策略內容，對接管理平臺進行任務的審批及調整。并在執行過程中提供即時生效的活動狀態控制，結合匯總和明細的監控數據，實現全流程管控運營。（2）評估運營中心：獲取執行過程和結果數據，結合產品訂購、內容使用和業務提升信息，進行準實時和固定周期的數據計算與信息呈現。建立各類活動的橫向比對和縱向前后比對和業務效果綜合分析體系，并串接運營目標形成完整的評估運營支撐。

3 系統實用性

3.1 一站式運營支撐

當前運營商業運營中所需的數據分析、策略制定、執行監控和評估優化需要結合各類數據進行綜合分析，在以往的系統中需要使用多個系統、并通過線下手段才能完成。本成果通過數據匯集、在線支撐和自動化數據處理，幫助運營人員在統一的平臺上完成一站式的運營工作。

3.2 自動化智能適配

（1）基于事件觸發式的營銷執行，能夠根據當前場景自動識別客戶行為，并結合場景事件因素進行最優策略匹配執行。（2）通過多波次控制、全渠道協同、產品沖突校驗功能，實現營銷執行流程的自動化控制，解決了傳統需要配置多個活動并進行手工干預的難題。（3）根據產品適配、渠道適配并結合歷史營銷反饋結果，系統能夠進行客戶自動分群的策略推薦，實現千人千面的個性化營銷目標。

3.3 多方協同運營

（1）系統支持信息開放設置，對非敏感或隱私的數據（活動、素材）進行多條件檢索，有效解決了信息孤島的問題。（2）通過共享、收藏操作和多級知識互動（模塊、案例、策略），使得優秀的經驗成果得以快速推廣、應用。（3）建立素材專業運營和成果使用效果的關聯，為業務運營提供更多、更好的素材內容，形成良性的互動和可持續迭代優化能力。

3.4 移動式全天候辦公

建立統一門戶， 包含WEB和終端應用，支撐決策分析、活動策劃、審批控制和監控評估能夠隨時、隨地移動辦公，輔以短信、消息等信息提醒方式，對突發性和緊急性任務做到即時響應和處理。

3.5 支撐能力動態擴展

基于大數據分布式的技術，實現系統資源的動態分配調整和快速擴展。建立標準化的交互通道和信息注冊機制，通過配置化的方式進行運營位、場景事件、控制機制的快速變更，解決了傳統的代碼開發方式的支撐滯后的問題。

3.6 運營工作專業化

通過大數據的海量數據計算、客戶特征實時洞察、流式規則匹配計算等技術手段，解決以往的線下、長周期的支撐不足問題，實現線上快速的運營水平提升。

3.7 業務對象串接互通

將營銷運營工作要素進行抽象，按照標簽、客戶群、規則、事件、觸點、產品、物料內容、策略進行信息組織，并建立相互關聯關系，不僅能夠使用素材進行策略的快速組合、有效復用優秀成果，并且可以進行對象間的關聯分析，有效提升成果應用效率和降低資源浪費。

3.8 資源使用自動控制

以往的營銷資源控制需要事先獲知目標客戶的數量并不斷調整后才能執行，本成果使用預計營銷客戶數和營銷資源的總額控制，能夠對營銷總量和資源使用進行自動化控制管理。

4 結束語

綜上論述，本文構建了一個統一入口、全業務、全流程的集中運營支撐系統，具有營銷資源及時管控、場景化事件智能運營、營銷軌跡實時查詢及營銷策略優先級動態調整等先進性，實現了智能化、自動化的千人千面運營，有效提升了運營室運營效率，助力運營商“增收、節支”。

參考文獻：

[1]孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013，50（1）：146-169.

[2]涂子沛.大數據：正在到來的數據革命[M].桂林：廣西師范大學出版社，2012.

[3]何軍.大數據對企業決策的影響分析[J].科技進步與對策，2013（9）：1-5.