劉建權(quán)

〔中國(guó)石化北京石油分公司 北京 100022〕

石化銷售企業(yè)會(huì)員大數(shù)據(jù)分析及應(yīng)用的探討

劉建權(quán)

〔中國(guó)石化北京石油分公司 北京 100022〕

石化銷售企業(yè)與移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)融合的發(fā)展趨勢(shì)給石化銷售企業(yè)數(shù)據(jù)分析和應(yīng)用提出了為銷售向數(shù)字化和智能化轉(zhuǎn)型發(fā)展服務(wù)的新要求，根據(jù)目前石化銷售企業(yè)數(shù)據(jù)處理存在的標(biāo)準(zhǔn)不統(tǒng)一、不規(guī)范和傳統(tǒng)結(jié)構(gòu)存在缺陷、自有數(shù)據(jù)相對(duì)有限等問(wèn)題，提出了深化大數(shù)據(jù)分析及應(yīng)用的實(shí)施策略和步驟，建立會(huì)員大數(shù)據(jù)基礎(chǔ)平臺(tái)和技術(shù)架構(gòu)、拓展分析的基本思路，并在會(huì)員標(biāo)簽、客流分析、新產(chǎn)品營(yíng)銷、營(yíng)銷效果分析和數(shù)據(jù)安全等方面，將為石化銷售企業(yè)創(chuàng)新營(yíng)銷模式提供支持。

石化銷售企業(yè) 會(huì)員 大數(shù)據(jù) 分析 應(yīng)用 探討

1 企業(yè)創(chuàng)新發(fā)展對(duì)大數(shù)據(jù)分析提出的新要求

近年來(lái)傳統(tǒng)企業(yè)業(yè)務(wù)模式面臨互聯(lián)網(wǎng)升級(jí)的巨大挑戰(zhàn)，中國(guó)石化銷售有限公司提出了強(qiáng)化互聯(lián)網(wǎng)思維、大數(shù)據(jù)分析和信息技術(shù)保障管理，突出信息技術(shù)服務(wù)經(jīng)營(yíng)職能，推進(jìn)企業(yè)加快經(jīng)營(yíng)發(fā)展模式創(chuàng)新，努力向現(xiàn)代化綜合服務(wù)商轉(zhuǎn)型的要求。以創(chuàng)新產(chǎn)品、創(chuàng)新站外發(fā)展、創(chuàng)新業(yè)務(wù)和創(chuàng)新營(yíng)銷模式，實(shí)現(xiàn)創(chuàng)新發(fā)展，推進(jìn)“互聯(lián)網(wǎng)+”轉(zhuǎn)型的發(fā)展目標(biāo)，從業(yè)務(wù)和技術(shù)上對(duì)大數(shù)據(jù)分析也提出了更高的要求。

1.1 轉(zhuǎn)型數(shù)字化、智能化銷售的要求

銷售企業(yè)從傳統(tǒng)油品銷售向數(shù)字化、智能化綜合服務(wù)商轉(zhuǎn)型，迫切需要利用大數(shù)據(jù)感知會(huì)員，形成對(duì)會(huì)員消費(fèi)偏好的精準(zhǔn)把握，對(duì)銷售最佳機(jī)會(huì)的精準(zhǔn)把握，獲取更大的收益。

1.2 精準(zhǔn)化會(huì)員營(yíng)銷的要求

銷售企業(yè)目前普適化的會(huì)員營(yíng)銷方式轉(zhuǎn)化率較低，效果不明顯，迫切需要基于大數(shù)據(jù)分析進(jìn)行會(huì)員畫像，制定精準(zhǔn)化、差異化的會(huì)員營(yíng)銷方案。

1.3 海量數(shù)據(jù)處理對(duì)架構(gòu)及性能的要求

不斷新增的互聯(lián)網(wǎng)、物聯(lián)網(wǎng)數(shù)據(jù)，對(duì)數(shù)據(jù)架構(gòu)及性能的要求比傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)要高出很多，需要利用新的適合海量數(shù)據(jù)分析的大數(shù)據(jù)架構(gòu)，為大數(shù)據(jù)價(jià)值的發(fā)揮提供堅(jiān)實(shí)的基礎(chǔ)保障。

2 企業(yè)中各類數(shù)據(jù)的現(xiàn)狀及存在的問(wèn)題

2.1 數(shù)據(jù)缺少治理，標(biāo)準(zhǔn)不一致、不規(guī)范

由于各系統(tǒng)分期、分批建設(shè)，參考的規(guī)范和標(biāo)準(zhǔn)不同，建成的數(shù)據(jù)模型不一致、數(shù)據(jù)鏈條不統(tǒng)一，車牌、手機(jī)MAC等與會(huì)員綁定的信息缺失，數(shù)據(jù)鏈條不完整，影響了實(shí)際生產(chǎn)應(yīng)用。

2.2 傳統(tǒng)技術(shù)架構(gòu)存在缺陷，很多數(shù)據(jù)基本上用完即處理掉

隨著數(shù)據(jù)類型的增多，需要檢索和處理的數(shù)據(jù)呈現(xiàn)幾何級(jí)數(shù)的增長(zhǎng)，尤其是物聯(lián)網(wǎng)平臺(tái)，傳統(tǒng)的分析系統(tǒng)面對(duì)海量數(shù)據(jù)顯出頹勢(shì)，原有的以SAP BW為數(shù)據(jù)倉(cāng)庫(kù)的架構(gòu)擴(kuò)展性差、成本太高，無(wú)法滿足移動(dòng)互聯(lián)網(wǎng)發(fā)展的要求，因此導(dǎo)致很多數(shù)據(jù)基本上用完即將原始數(shù)據(jù)處理掉，只保留結(jié)果。

2.3 自有數(shù)據(jù)相對(duì)有限，如何整合外部數(shù)據(jù)，更大程度地發(fā)揮會(huì)員數(shù)據(jù)的價(jià)值

銷售企業(yè)采集會(huì)員數(shù)據(jù)的手段和方法相對(duì)有限，目前阿里、騰訊、百度及一些第三方的數(shù)據(jù)公司，擁有大量的會(huì)員偏好、行為、軌跡等數(shù)據(jù)，如果可以有效地整合，便可以更好地發(fā)揮會(huì)員的數(shù)據(jù)價(jià)值，但缺乏相應(yīng)的方法和工具。

3 實(shí)施的策略及步驟

3.1 會(huì)員大數(shù)據(jù)分析的基礎(chǔ)平臺(tái)

首先通過(guò)基礎(chǔ)平臺(tái)的建設(shè)，積累大數(shù)據(jù)分析的基礎(chǔ)數(shù)據(jù)，為基于會(huì)員的大數(shù)據(jù)分析提供支撐。主要分為如下兩類：

3.1.1 互聯(lián)網(wǎng)營(yíng)銷類

(1)會(huì)員自助服務(wù)網(wǎng)站。面向?qū)嵜麜?huì)員的官方網(wǎng)站，提供會(huì)員注冊(cè)、會(huì)員積分查詢、加油卡查詢、充值服務(wù)、便利店服務(wù)、禮品商城、問(wèn)卷調(diào)查等功能。

(2)會(huì)員APP。會(huì)員APP是順應(yīng)移動(dòng)互聯(lián)網(wǎng)的發(fā)展、為了滿足會(huì)員日益增長(zhǎng)的移動(dòng)互聯(lián)需求而建立的，相當(dāng)于移動(dòng)版本的會(huì)員服務(wù)平臺(tái)，延伸了LBS服務(wù)、洗車服務(wù)、在線支付、營(yíng)銷活動(dòng)等增值服務(wù)。

(3)會(huì)員微信公眾號(hào)。面向會(huì)員營(yíng)銷及服務(wù)的移動(dòng)互聯(lián)網(wǎng)主渠道，除微信基礎(chǔ)功能外，還二次開發(fā)了綁卡、電子券、會(huì)員電子卡、充值返現(xiàn)、會(huì)員抽獎(jiǎng)、大轉(zhuǎn)盤等個(gè)性化營(yíng)銷功能。

(4)微商城。面向會(huì)員的非油品O2O電子商務(wù)平臺(tái)，主要實(shí)現(xiàn)了會(huì)員的線上購(gòu)物線下提貨，提升了會(huì)員的購(gòu)物體驗(yàn)。

3.1.2 物聯(lián)網(wǎng)平臺(tái)類

(1)視頻監(jiān)控及車牌識(shí)別。提供加油站視頻監(jiān)控、進(jìn)站車輛及車牌識(shí)別、人臉識(shí)別等功能，除了安全監(jiān)控功能外，還實(shí)現(xiàn)了更細(xì)化的加油站客流管理。

(2)加油站W(wǎng)IFI。在加油站為客戶提供免費(fèi)上網(wǎng)功能，通過(guò)微信連接WIFI等功能進(jìn)行微信吸粉及進(jìn)行活動(dòng)宣傳，并通過(guò)WIFI設(shè)備附加探針功能，輔助實(shí)現(xiàn)實(shí)時(shí)客流分析、營(yíng)銷活動(dòng)分析等功能。

(3)車聯(lián)網(wǎng)。通過(guò)向會(huì)員免費(fèi)發(fā)放車載OBD設(shè)備，實(shí)現(xiàn)與會(huì)員車輛相連接，實(shí)時(shí)采集車輛數(shù)據(jù)，并形成對(duì)用戶的智能用車指引，促進(jìn)油品及非油品業(yè)務(wù)。

通過(guò)以上系統(tǒng)的建設(shè)，積累相關(guān)數(shù)據(jù)，包括：

(1)會(huì)員數(shù)據(jù)，包括：

1)基本數(shù)據(jù)：姓名、手機(jī)號(hào)、年齡、身份證、加油卡號(hào)、性別、所在區(qū)域、住址、教育程度、職業(yè)、月收入等。數(shù)據(jù)量小，已結(jié)構(gòu)化。

2)車輛數(shù)據(jù)：車牌號(hào)、車輛品牌、車輛型號(hào)、排氣量、用油型號(hào)、車架號(hào)、發(fā)動(dòng)機(jī)號(hào)等。數(shù)據(jù)量小，已結(jié)構(gòu)化。

3)積分?jǐn)?shù)據(jù)：積分時(shí)間、積分、積分類型等。數(shù)據(jù)量小，已結(jié)構(gòu)化。

(2)會(huì)員消費(fèi)數(shù)據(jù)，包括：

1)油品消費(fèi)數(shù)據(jù)：時(shí)間、加油站、油機(jī)、油品型號(hào)、單位(L)、單價(jià)、折扣及折讓、折后金額、支付方式等。數(shù)據(jù)量中，已結(jié)構(gòu)化。

2)非油品消費(fèi)數(shù)據(jù)：時(shí)間、電子會(huì)員卡、非油品消費(fèi)明細(xì)(商品編號(hào)、單位、單價(jià)、折扣及折讓、折后金額)、總金額、折扣及折讓、折后金額、支付方式等。數(shù)據(jù)量中，已結(jié)構(gòu)化。

(3)會(huì)員行為數(shù)據(jù)，包括：

1)人的行為數(shù)據(jù)：網(wǎng)站、APP、微信、微商城訪問(wèn)瀏覽數(shù)據(jù)、關(guān)注的商品數(shù)據(jù)、關(guān)注的營(yíng)銷活動(dòng)數(shù)據(jù)等。數(shù)據(jù)量中，已結(jié)構(gòu)化。

2)車的行為數(shù)據(jù)：車輛油耗、車輛行駛數(shù)據(jù)、車輛四急數(shù)據(jù)(急加速、急轉(zhuǎn)彎、急減速、急剎車)、車輛故障數(shù)據(jù)、車輛安防數(shù)據(jù)等。數(shù)據(jù)量大，已結(jié)構(gòu)化或半結(jié)構(gòu)化/非結(jié)構(gòu)化。

(4)會(huì)員位置數(shù)據(jù)，包括：

1)人的位置數(shù)據(jù)：①加油站W(wǎng)IFI采集的經(jīng)常出現(xiàn)的加油站及駐留情況；②APP采集的LBS信息。數(shù)據(jù)量大，已結(jié)構(gòu)化或半結(jié)構(gòu)化/非結(jié)構(gòu)化。

2)車的位置數(shù)據(jù)：①視頻監(jiān)控及車牌識(shí)別采集的出現(xiàn)的加油站；②車聯(lián)網(wǎng)采集的GPS及車輛分段數(shù)據(jù)。數(shù)據(jù)量大，已結(jié)構(gòu)化或半結(jié)構(gòu)化/非結(jié)構(gòu)化。

(5)會(huì)員上網(wǎng)數(shù)據(jù)，包括：

上網(wǎng)行為數(shù)據(jù)。加油站W(wǎng)IFI會(huì)員上網(wǎng)行為數(shù)據(jù)。數(shù)據(jù)量大，非結(jié)構(gòu)化。

3.2 會(huì)員大數(shù)據(jù)分析的基本思路

(1)利用阿里巴巴大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)海量數(shù)據(jù)的高效存儲(chǔ)及計(jì)算。阿里巴巴2014年與中國(guó)石化開展云計(jì)算及大數(shù)據(jù)的合作，并在中國(guó)石化內(nèi)部部署了整套私有的阿里云計(jì)算及大數(shù)據(jù)產(chǎn)品，其中包括阿里巴巴自主研發(fā)的海量數(shù)據(jù)處理平臺(tái)ODPS，ODPS主要實(shí)現(xiàn)結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)和計(jì)算服務(wù)，并提供了完整的數(shù)據(jù)采集、加工、處理分析、運(yùn)營(yíng)和維護(hù)工具。

(2)將會(huì)員數(shù)據(jù)與物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)、外部數(shù)據(jù)整合構(gòu)建會(huì)員標(biāo)簽，助力精準(zhǔn)化營(yíng)銷。標(biāo)簽是對(duì)會(huì)員特征進(jìn)行觀察分析提煉出的標(biāo)記性語(yǔ)言，會(huì)員標(biāo)簽以會(huì)員的資料、行為、偏好分析結(jié)果為基礎(chǔ)，直觀描述會(huì)員的基本特征和偏好情況，為客戶分群、油品經(jīng)營(yíng)、非油品經(jīng)營(yíng)等重點(diǎn)應(yīng)用提供客戶層面的信息支撐。通過(guò)會(huì)員標(biāo)簽，不僅能夠全面掌握客戶的特征、感知客戶的行為變化、進(jìn)行差異化營(yíng)銷，還能支撐新業(yè)務(wù)、新產(chǎn)品、新模式的創(chuàng)新拓展，為銷售企業(yè)面向未來(lái)的探索和開辟新市場(chǎng)服務(wù)。

(3)建立數(shù)據(jù)安全防護(hù)體系，確保會(huì)員數(shù)據(jù)的安全不外泄。會(huì)員數(shù)據(jù)作為銷售企業(yè)的核心資產(chǎn)，必須要確保數(shù)據(jù)的安全、不外泄，尤其是結(jié)合外部數(shù)據(jù)時(shí)尤為重要。另外，隨著國(guó)家關(guān)于客戶隱私信息保護(hù)相關(guān)法律法規(guī)的出臺(tái)，對(duì)數(shù)據(jù)安全也提出了更高的要求。

為了能夠在保障業(yè)務(wù)發(fā)展的同時(shí)，全方位、立體化保障會(huì)員數(shù)據(jù)分析的安全，確?？蛻粜畔⒉槐恍孤叮舜翁貏e考慮了整套客戶隱私的保護(hù)方案，明確了隱私保護(hù)算法，提出了剩余信息保護(hù)要求，優(yōu)化了系統(tǒng)安全管理辦法，全面構(gòu)建會(huì)員數(shù)據(jù)安全防護(hù)體系。

3.3 會(huì)員大數(shù)據(jù)分析的技術(shù)架構(gòu)

會(huì)員數(shù)據(jù)分析的技術(shù)架構(gòu)完全基于阿里巴巴大數(shù)據(jù)處理平臺(tái)ODPS，具體分為數(shù)據(jù)獲取層、數(shù)據(jù)整合層、數(shù)據(jù)訪問(wèn)層及數(shù)據(jù)可視化四層(圖1)。

圖1 大數(shù)據(jù)分析的技術(shù)架構(gòu)

(1)數(shù)據(jù)獲取層。數(shù)據(jù)獲取層涵蓋從互聯(lián)網(wǎng)營(yíng)銷系統(tǒng)、物聯(lián)網(wǎng)平臺(tái)及外部數(shù)據(jù)源中對(duì)相關(guān)會(huì)員的業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、清洗、加工、整理并加載到ODPS的全過(guò)程，并利用ODPS的Tunnel、DataHub組件從文件處理、流處理的方式獲取的源數(shù)據(jù)，經(jīng)隱私數(shù)據(jù)進(jìn)行保護(hù)處理后傳入數(shù)據(jù)倉(cāng)庫(kù)。

(2)數(shù)據(jù)整合層。數(shù)據(jù)整合層既是數(shù)據(jù)和信息集中管理的存儲(chǔ)中心，也是會(huì)員數(shù)據(jù)分析的數(shù)據(jù)加工中心，經(jīng)過(guò)數(shù)據(jù)匯總、數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)挖掘等技術(shù)手段對(duì)會(huì)員數(shù)據(jù)進(jìn)行提煉和精加工，形成指標(biāo)、多維數(shù)據(jù)、報(bào)表數(shù)據(jù)、挖掘結(jié)果等各類信息。數(shù)據(jù)整合層還利用ODPS的存儲(chǔ)服務(wù)(Volume，二維表存儲(chǔ)等)、分析服務(wù)(SQL、Mapreduce、流計(jì)算等)、機(jī)器學(xué)習(xí)服務(wù)(Graph、Xlib等)進(jìn)行數(shù)據(jù)存儲(chǔ)及加工處理，可以應(yīng)對(duì)TB/PB級(jí)別數(shù)據(jù)處理。

(3)數(shù)據(jù)訪問(wèn)層。數(shù)據(jù)訪問(wèn)層采用HTTP RESTful服務(wù)形式對(duì)外提供會(huì)員分析數(shù)據(jù)，包括邏輯數(shù)據(jù)(視圖)及物理數(shù)據(jù)，供數(shù)據(jù)可視化及其他系統(tǒng)進(jìn)行數(shù)據(jù)利用。除此之外，ODPS還提供Java SDK、命令行工具(Command Line Tool，CLT)和上傳下載工具dship等輔助的數(shù)據(jù)訪問(wèn)工具。

(4)數(shù)據(jù)可視化。數(shù)據(jù)可視化主要是將會(huì)員分析數(shù)據(jù)中每一個(gè)數(shù)據(jù)項(xiàng)作為單個(gè)圖元素表示，大量的數(shù)據(jù)集構(gòu)成數(shù)據(jù)圖像，同時(shí)將數(shù)據(jù)的各個(gè)屬性值以多維數(shù)據(jù)的形式表示，可以從不同的維度觀察數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行更深入的觀察和分析，采用EChart、D3.js等開源圖表技術(shù)進(jìn)行定制化開發(fā)。

3.4 會(huì)員大數(shù)據(jù)分析的具體應(yīng)用

會(huì)員數(shù)據(jù)分析應(yīng)用通過(guò)整合銷售企業(yè)以客戶為中心的相關(guān)應(yīng)用及分析模型，通過(guò)會(huì)員營(yíng)銷系統(tǒng)與客戶接觸，輔助銷售企業(yè)構(gòu)建智能化、流程化的會(huì)員體系。會(huì)員數(shù)據(jù)分析應(yīng)用的建設(shè)是一個(gè)長(zhǎng)期持續(xù)的過(guò)程，主要應(yīng)用包括：

(1)會(huì)員標(biāo)簽。會(huì)員標(biāo)簽是會(huì)員數(shù)據(jù)分析的基礎(chǔ)，通過(guò)整合會(huì)員相關(guān)數(shù)據(jù)，采用標(biāo)簽化方法描繪并細(xì)分客戶需求特征，建立客戶畫像，提升客戶細(xì)分能力。

圖2 會(huì)員標(biāo)簽數(shù)據(jù)的整體架構(gòu)

會(huì)員標(biāo)簽整體架構(gòu)分為數(shù)據(jù)層、模型層及功能層(圖2)，其中：①數(shù)據(jù)層是對(duì)采集數(shù)據(jù)的預(yù)處理，實(shí)現(xiàn)會(huì)員數(shù)據(jù)、物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)、外部平臺(tái)數(shù)據(jù)的整合及解析，是為客戶標(biāo)簽提供初步加工的基礎(chǔ)數(shù)據(jù)；②模型層主要構(gòu)建對(duì)會(huì)員偏好特征分析的挖掘能力，包括消費(fèi)偏好模型、內(nèi)容偏好模型、消費(fèi)推薦模型、位置及行為模型等；③功能層主要包括標(biāo)簽管理，包括標(biāo)簽調(diào)用、標(biāo)簽后臺(tái)調(diào)度管理等功能，以滿足客戶標(biāo)簽管理及應(yīng)用的要求。

客戶標(biāo)簽庫(kù)數(shù)據(jù)的分類見圖3。

圖3 客戶標(biāo)簽庫(kù)數(shù)據(jù)分類

(2)客流分析。主要基于視頻監(jiān)控及車牌識(shí)別、加油站W(wǎng)IFI等多種物聯(lián)網(wǎng)平臺(tái)數(shù)據(jù)源進(jìn)行加油站的客流分析，并結(jié)合加油站的非油品銷售數(shù)據(jù)進(jìn)行非油品經(jīng)營(yíng)情況的綜合分析，以輔助加油站運(yùn)營(yíng)實(shí)現(xiàn)迭代式提高，實(shí)現(xiàn)從粗放式運(yùn)營(yíng)向精細(xì)化運(yùn)營(yíng)邁進(jìn)。客戶分析數(shù)據(jù)架構(gòu)見圖4。其中①流量分析主要通過(guò)實(shí)時(shí)采集的加油站數(shù)據(jù)，分析加油站客流熱力情況、客流的趨勢(shì)和客流的時(shí)間分布等；②進(jìn)店及駐留分析主要分析各個(gè)加油站的客戶進(jìn)店率、駐留時(shí)長(zhǎng)分布，并以此為基礎(chǔ)進(jìn)行進(jìn)店引導(dǎo)培訓(xùn)及考核(圖5)；③加油站分析主要整合加油站非油品銷售數(shù)據(jù)進(jìn)行加油站經(jīng)營(yíng)情況的綜合分析，并給出各個(gè)加油站的非油品經(jīng)營(yíng)指導(dǎo)意見。

圖4 客戶分析數(shù)據(jù)架構(gòu)

圖5 加油站客流分析

(3)會(huì)員流失預(yù)警。會(huì)員流失預(yù)警模型采用Logistic回歸模型，跟蹤銷售企業(yè)高價(jià)值客戶消費(fèi)和行為情況，通過(guò)監(jiān)控分析，及時(shí)預(yù)警消費(fèi)下降的高價(jià)值客戶，從客戶保有、電子券、積分回饋等開展高價(jià)值客戶挽留(圖6)。

圖6 會(huì)員流失預(yù)警模型

Logistic回歸是一種描述多種獨(dú)立變量與因變量(只有兩種結(jié)果)之間關(guān)系的模型逼近法，主要目的是為了進(jìn)行分類，同時(shí)預(yù)估事件發(fā)生的概率。它可以考察多個(gè)屬性變量在識(shí)別將要流失客戶方面的集成貢獻(xiàn)。應(yīng)用Logistic回歸模型可以深入理解客戶流失的原因，分析哪些因素對(duì)于客戶流失有影響，從而得到如何處理客戶流失的線索 。

(4)新產(chǎn)品營(yíng)銷模型。近年銷售企業(yè)不斷推出“枸杞”、“海龍”燃油寶等非油產(chǎn)品自有品牌。該模型主要是針對(duì)這些新產(chǎn)品如何對(duì)現(xiàn)有會(huì)員開展?fàn)I銷而建立的，目的是依據(jù)會(huì)員系統(tǒng)現(xiàn)有的用戶偏好分析、規(guī)則觸發(fā)、渠道接觸等能力，為非油品業(yè)務(wù)營(yíng)銷人員提供一套營(yíng)銷策劃的方法、步驟和思路。

根據(jù)銷售企業(yè)目前接觸會(huì)員的兩種主要方式，可將營(yíng)銷方式分為主動(dòng)接觸及被動(dòng)接觸。主動(dòng)接觸是指由會(huì)員營(yíng)銷系統(tǒng)主動(dòng)發(fā)起與會(huì)員的接觸，相應(yīng)的渠道以短信、微信、APP、員工主動(dòng)推廣營(yíng)銷為主。被動(dòng)接觸是指用戶在訪問(wèn)會(huì)員營(yíng)銷系統(tǒng)時(shí)，所看到的系統(tǒng)提供的營(yíng)銷推薦內(nèi)容。

新產(chǎn)品營(yíng)銷模型的建立主要包含三個(gè)步驟，分別是基礎(chǔ)模型、時(shí)機(jī)選擇和渠道規(guī)則?；A(chǔ)模型主要確定目標(biāo)客戶對(duì)具體新業(yè)務(wù)的需求，通過(guò)產(chǎn)品關(guān)聯(lián)推薦模型、會(huì)員消費(fèi)偏好模型以及一些自定義的篩選規(guī)則向用戶推薦其它關(guān)聯(lián)產(chǎn)品；時(shí)機(jī)選擇加強(qiáng)了新業(yè)務(wù)營(yíng)銷模型的精準(zhǔn)性，包括業(yè)務(wù)的分類、位置信息的梳理和時(shí)機(jī)的梳理；渠道規(guī)則主要對(duì)營(yíng)銷活動(dòng)推送的各個(gè)渠道進(jìn)行了定義，包括短信、微信、APP等。

(5)營(yíng)銷效果分析。通過(guò)整合營(yíng)銷活動(dòng)數(shù)據(jù)及物聯(lián)網(wǎng)平臺(tái)的客流數(shù)據(jù)，進(jìn)行營(yíng)銷活動(dòng)的跟蹤及效果、效率和效益評(píng)估，以便于及時(shí)優(yōu)化與提升營(yíng)銷活動(dòng)的日常管理以及營(yíng)銷方案，達(dá)到最大投入產(chǎn)出比的營(yíng)銷目標(biāo)(圖7)。

圖7 營(yíng)銷效果評(píng)價(jià)模型

營(yíng)銷效果評(píng)估指標(biāo)體系：①效果評(píng)估。 效果指通過(guò)提供一定優(yōu)惠和交叉營(yíng)銷活動(dòng)，以達(dá)到獲取新用戶、提高客戶價(jià)值、維系客戶和客戶挽留的目標(biāo)，從不同指標(biāo)對(duì)營(yíng)銷效果進(jìn)行評(píng)估。②效率評(píng)估。 從時(shí)間維度對(duì)營(yíng)銷活動(dòng)產(chǎn)生的效果進(jìn)行評(píng)估。以某一個(gè)營(yíng)銷活動(dòng)為例，考察用戶在營(yíng)銷活動(dòng)后一段時(shí)間內(nèi)的響應(yīng)情況。③效益評(píng)估。根據(jù)用戶在營(yíng)銷周期內(nèi)產(chǎn)生的油品及非油品的消費(fèi)數(shù)據(jù)，與本次營(yíng)銷的投入進(jìn)行對(duì)比，來(lái)評(píng)估該營(yíng)銷活動(dòng)的投入產(chǎn)出效益。

3.5 會(huì)員大數(shù)據(jù)分析的數(shù)據(jù)安全

數(shù)據(jù)安全方案旨在建立一套體系化的安全策略，通過(guò)多種手段保障會(huì)員數(shù)據(jù)的安全，做到事前可管、事中可控、事后可查，具體的安全方案(參見圖8)可分為：

圖8 隱私保護(hù)系統(tǒng)

(1)隱私信息保護(hù)。通過(guò)去隱私引擎和隱私還原引擎對(duì)前臺(tái)功能和后臺(tái)數(shù)據(jù)涉及的隱私信息進(jìn)行保護(hù)，確保隱私的無(wú)法泄露，ODPS本身也提供了部分隱私數(shù)據(jù)的管理功能。

(2)數(shù)據(jù)導(dǎo)出保護(hù)。應(yīng)用數(shù)字水印技術(shù)和離線文件加密對(duì)導(dǎo)出的會(huì)員數(shù)據(jù)進(jìn)行保護(hù)，避免數(shù)據(jù)的導(dǎo)出外泄，同時(shí)ODPS也支持項(xiàng)目保護(hù)模式，防止數(shù)據(jù)外泄。

(3)應(yīng)用權(quán)限管控。ODPS支持ACL授權(quán)、Policy授權(quán)、角色授權(quán)等多種權(quán)限管理方式，滿足多種場(chǎng)景的需求。

(4)數(shù)據(jù)權(quán)限控制。ODPS提供DAC和MAC的安全管理方案，可根據(jù)數(shù)據(jù)敏感程度、分級(jí)情況和隱私信息分類控制用戶訪問(wèn)數(shù)據(jù)范圍，管理后臺(tái)應(yīng)用和運(yùn)維人員賬號(hào)數(shù)據(jù)訪問(wèn)權(quán)限，避免敏感數(shù)據(jù)和隱私信息從后臺(tái)泄露的風(fēng)險(xiǎn)。

(5)訪問(wèn)軌跡追蹤。通過(guò)ODPS日志管理功能對(duì)會(huì)員分析系統(tǒng)應(yīng)用層和數(shù)據(jù)層的日志進(jìn)行記錄，配合4A系統(tǒng)的審計(jì)管理功能實(shí)現(xiàn)對(duì)訪問(wèn)軌跡的追蹤管理，重點(diǎn)對(duì)客戶隱私信息進(jìn)行監(jiān)控。

(6)基于4A的權(quán)限認(rèn)證。ODPS支持4A，實(shí)現(xiàn)服務(wù)完成賬號(hào)的登錄認(rèn)證和權(quán)限識(shí)別。

4 結(jié)束語(yǔ)

大數(shù)據(jù)是現(xiàn)代信息技術(shù)和移動(dòng)互聯(lián)網(wǎng)海量數(shù)據(jù)結(jié)合的產(chǎn)物，會(huì)員大數(shù)據(jù)分析是當(dāng)前環(huán)境下油品銷售企業(yè)的創(chuàng)新驅(qū)動(dòng)力，會(huì)員分析應(yīng)用平臺(tái)的建設(shè)將為石化銷售企業(yè)創(chuàng)新銷售模式提供支持，并對(duì)于銷售企業(yè)未來(lái)的創(chuàng)新發(fā)展帶來(lái)深刻的影響。隨著油品銷售企業(yè)的轉(zhuǎn)型和發(fā)展，今后如何實(shí)現(xiàn)會(huì)員數(shù)據(jù)分析的更大商業(yè)價(jià)值將是油品銷售企業(yè)長(zhǎng)期關(guān)注的核心議題。

[1] 李軍.實(shí)戰(zhàn)大數(shù)據(jù)：客戶定位和精準(zhǔn)營(yíng)銷[M].北京：清華大學(xué)出版社, 2015.

[2] 阿里研究院. 互聯(lián)網(wǎng) ：從IT到DT [M].北京：機(jī)械工業(yè)出版社, 2015.

[3] 車覺民. 決戰(zhàn)大數(shù)據(jù)[M].杭州： 浙江人民出版社,2016.

2016-12-14。

劉建權(quán)(1980-)，本科，畢業(yè)于北京石油化工學(xué)院，高工，現(xiàn)從事石油銷售企業(yè)信息管理工作，2016年獲得銷售公司互聯(lián)網(wǎng)技術(shù)比武金牌。