梁山清 李博

摘要：通過八爪魚數(shù)據(jù)采集軟件，爬取部分加油站位置信息，并將Spark2大數(shù)據(jù)平臺連接到貨運車輛的北斗/GPS導(dǎo)航定位數(shù)據(jù)庫。利用大數(shù)據(jù)平臺的組件搭建大數(shù)據(jù)分析流程，對貨車途經(jīng)各加油站的時空規(guī)律進(jìn)行多維分析。根據(jù)大數(shù)據(jù)分析結(jié)果，提出加油站競爭對手研判、加油站位置調(diào)整輔助決策、貨車加油規(guī)律挖掘、客戶黏性分析、客源地分析等具體應(yīng)用場景，對大數(shù)據(jù)技術(shù)在加油站業(yè)務(wù)推廣方面的應(yīng)用進(jìn)行了探索。

關(guān)鍵詞：Spark2大數(shù)據(jù)平臺；多維分析；精準(zhǔn)營銷；大數(shù)據(jù)技術(shù)

中圖分類號：TP311.5； U495文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2021）06-64-4

0引言

大數(shù)據(jù)發(fā)展至今，已經(jīng)大量應(yīng)用于金融、電商及零售等行業(yè)的精準(zhǔn)營銷場景[1-2]，成為了企業(yè)營銷創(chuàng)新的利器。大數(shù)據(jù)營銷通過大數(shù)據(jù)技術(shù)來處理多源的企業(yè)數(shù)據(jù)，將分析和挖掘結(jié)果應(yīng)用于企業(yè)線上、線下的營銷活動。這種營銷模式幫助企業(yè)真正了解用戶、洞察用戶，對用戶進(jìn)行差異化、定制化的各類營銷活動，解決企業(yè)營銷觸達(dá)和活動閉環(huán)分析，從而找到合適的用戶和時間，實現(xiàn)“千人千策”的精準(zhǔn)營銷模式。

對于石油行業(yè)，利用大數(shù)據(jù)為銷售板塊營銷創(chuàng)新是必然趨勢。項目車輛位置服務(wù)平臺利用北斗/GPS衛(wèi)星定位技術(shù)對各類交通車輛提供綜合位置監(jiān)控[3-5]管理服務(wù)。本文依托大數(shù)據(jù)平臺，將車輛位置服務(wù)平臺的貨運車輛數(shù)據(jù)遷移到Hadoop分布式文件系統(tǒng)，運用大數(shù)據(jù)分析與挖掘算法對貨運車輛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析和挖掘，實現(xiàn)針對加油站業(yè)務(wù)的大數(shù)據(jù)精準(zhǔn)營銷。

1大數(shù)據(jù)平臺

大數(shù)據(jù)平臺采用Hadoop2.x的技術(shù)體系[6]進(jìn)行架構(gòu)設(shè)計[7-9]，架構(gòu)圖如圖1所示。

大數(shù)據(jù)平臺包括數(shù)據(jù)源層、數(shù)據(jù)采集與存儲層、數(shù)據(jù)分析與挖掘?qū)印?shù)據(jù)展示層和數(shù)據(jù)管理層共五部分。其中，數(shù)據(jù)源層是存在于關(guān)系數(shù)據(jù)庫PostgresSQL中的貨運車輛業(yè)務(wù)數(shù)據(jù)和八爪魚采集器爬取的加油站的位置數(shù)據(jù)；數(shù)據(jù)采集與存儲層將數(shù)據(jù)源的數(shù)據(jù)遷移并存儲于分布式文件系統(tǒng)HDFS中；數(shù)據(jù)分析與挖掘?qū)踊赮ARN計算架構(gòu)，協(xié)同Spark2，Mahout，Avro，Ooize，Solr等組件，對貨運車輛數(shù)據(jù)進(jìn)行分析和挖掘；數(shù)據(jù)展示層對大數(shù)據(jù)分析結(jié)果進(jìn)行圖形化展現(xiàn)；數(shù)據(jù)管理層負(fù)責(zé)整個系統(tǒng)的應(yīng)用程序協(xié)調(diào)、數(shù)據(jù)安全管理、系統(tǒng)運行動態(tài)監(jiān)控等任務(wù)。

1.1數(shù)據(jù)采集與存儲

本文運用數(shù)據(jù)源組件將貨運車輛數(shù)據(jù)從PostgreSQL數(shù)據(jù)庫抽取到大數(shù)據(jù)庫平臺Hive庫，并存儲于HDFS分布式文件系統(tǒng)[10]。貨運車輛數(shù)據(jù)主要包括行業(yè)信息、企業(yè)信息、分組信息、車輛信息、司機(jī)信息、SIM信息、入網(wǎng)信息、指令信息、日志信息、元數(shù)據(jù)信息、軌跡信息及狀態(tài)信息。其中，軌跡信息包括經(jīng)緯度、地址、時間、速度、方向、高程及油量等，狀態(tài)信息包括車輛狀態(tài)信息、報警狀態(tài)信息、車機(jī)狀態(tài)信息等。

運用八爪魚數(shù)據(jù)采集軟件抽取百度地圖上若干個城市的加油站名稱、地址、經(jīng)緯度坐標(biāo)等數(shù)據(jù)，并進(jìn)行了數(shù)據(jù)合并和初步處理，共1 200個加油站。從網(wǎng)上數(shù)據(jù)分析，大概有10 000個加油站，抽取量大概是實際情況的10%。

1.2數(shù)據(jù)預(yù)處理

受衛(wèi)星定位終端設(shè)備故障、信號不良、冷啟動等各種客觀因素的影響，采集的北斗/GPS數(shù)據(jù)存在一定的誤差。本文通過均值濾波、速度濾波、航向角檢測等方法來對數(shù)據(jù)進(jìn)行簡單的預(yù)處理操作，剔除無效數(shù)據(jù)。

1.3數(shù)據(jù)分析與挖掘

數(shù)據(jù)分析與挖掘?qū)硬捎闷脚_算法庫自帶的算法模塊進(jìn)行數(shù)據(jù)的并行化計算和分析，主要包含數(shù)據(jù)預(yù)處理與數(shù)據(jù)分析挖掘。

1.4數(shù)據(jù)可視化展示

數(shù)據(jù)展示層[11]將平臺分析的部分結(jié)果以直觀的形式進(jìn)行展示。平臺可以根據(jù)UE的柱狀圖、餅狀圖、折線、雷達(dá)圖、地理分布圖、氣泡圖等多種圖表化元素對上述分析結(jié)果進(jìn)行可視化展示。

2大數(shù)據(jù)分析

2.1熱門加油站分析

通過計算一段時間內(nèi)平臺大數(shù)據(jù)車輛在各加油站附近的軌跡點數(shù)量[12]，結(jié)合自身加油站業(yè)務(wù)量，分析各加油站潛在的業(yè)務(wù)增長空間，輔助加油站經(jīng)營管理團(tuán)隊及時調(diào)整自身經(jīng)營策略。

2.2加油站位置分析

通過分析一段時間內(nèi)的貨車軌跡中心的地理坐標(biāo)動態(tài)變化規(guī)律，與加油站分布空間特征進(jìn)行對比，為加油站經(jīng)營管理團(tuán)隊動態(tài)調(diào)整加油站的位置和數(shù)量提供數(shù)據(jù)支撐。

2.3加油高峰時段分析

分析各加油站在全天各個小時的加油頻次，一方面輔助加油站調(diào)節(jié)員工工作時段，另一方面輔助加油站制定不同時段的優(yōu)惠策略，為業(yè)務(wù)不飽滿時段吸引更多客戶。

2.4貨車軌跡聚類分析

通過對平臺上貨車經(jīng)緯度坐標(biāo)信息進(jìn)行聚類分析[13-16]，確定軌跡中心坐標(biāo)，計算平臺貨車在一定時間段（天、周、月）內(nèi)的軌跡活動中心，動態(tài)挖掘熱門地理位置，從而輔助加油站經(jīng)營管理團(tuán)隊精確掌握商業(yè)發(fā)展規(guī)律，及時調(diào)整經(jīng)營方案和策略。

根據(jù)每天的分析結(jié)果，可以分析聚類中心[17-18]的動態(tài)變化。加油站經(jīng)營管理團(tuán)隊可以根據(jù)軌跡中心變化規(guī)律，動態(tài)調(diào)整加油站的促銷策略。

2.5貨車加油規(guī)律分析

貨車加油規(guī)律分析如下：

（1）貨車停靠加油站頻次分析

計算平臺大數(shù)據(jù)車輛在各加油站的加油頻次，分析各加油站受貨車客戶歡迎程度。

（2）貨車途經(jīng)聚類中心分析

分析每輛貨車所途經(jīng)的聚類中心，實現(xiàn)車過留痕。具體來說，通過計算每輛車在各聚類中心的軌跡數(shù)量，分析貨車活動的空間規(guī)律，輔助加油站經(jīng)營管理團(tuán)隊實現(xiàn)對客戶的精準(zhǔn)營銷。

（3）貨車途經(jīng)加油站分析

分析每輛貨車所途經(jīng)的加油站，輔助加油站精準(zhǔn)定位潛在客戶。

2.6客戶粘性分析

通過分析平臺貨車軌跡停留歷史，根據(jù)用戶軌跡點的分布，可以為各加油站的用戶分別建立老客戶、新客戶、中間客戶及流失客戶等用戶標(biāo)簽。

對不同類型的用戶采取不同的營銷策略，可以輔助加油站經(jīng)營管理團(tuán)隊建立精準(zhǔn)的成長型會員體系，最大優(yōu)惠匹配最高價值用戶，分層營銷，從而將新客戶過渡為中間客戶，中間客戶過渡為老客戶，老客戶被鞏固，并減少流失客戶?？蛻粽承苑治鼋⒌木珳?zhǔn)客戶成長體系，可以有效提高營銷效率。

2.7客源地分析

分析每個加油站的客戶歸屬地結(jié)構(gòu)，為加油站勾勒清晰的客戶地域畫像，分析不同地區(qū)司機(jī)的社會活動趨勢[19]。

3分析結(jié)果與應(yīng)用賦能

3.1加油站競爭對手研判

運營人員可以根據(jù)數(shù)據(jù)分析結(jié)果研判出不同城市的熱門加油站點，實時鎖定近距離競爭對手，再結(jié)合競爭對手的營銷策略，及時調(diào)整自身營銷戰(zhàn)術(shù)，精準(zhǔn)拉回流失客戶。

3.2加油站位置調(diào)整輔助決策

加油站位置動態(tài)分析結(jié)果如表1所示。

通過分析不同季度、年度的加油站數(shù)目變化趨勢，運營人員可以根據(jù)表中數(shù)據(jù)分析不同地理范圍內(nèi)的加油站密級程度，從而為現(xiàn)有加油站位置調(diào)整和新建加油站的選址提供精準(zhǔn)的數(shù)據(jù)支撐。

3.3加油高峰時段鎖定

運營人員可以通過表1精準(zhǔn)了解各加油站的高頻工作時段，可以采取相應(yīng)措施，加大低頻工作時段的加油優(yōu)惠力度，并動態(tài)調(diào)整加油站員工工作時段，從而在增加加油站營業(yè)額的同時，減少人力投入。

3.4貨車整體分布態(tài)勢挖掘

通過分析貨車軌跡中心，運營人員可以研判出平臺貨車的活躍范圍，根據(jù)此部分?jǐn)?shù)據(jù)及時掌握加油站周邊車輛的總體態(tài)勢，及時調(diào)整營銷策略。

3.5貨車加油規(guī)律挖掘

運營人員可以根據(jù)貨車途徑聚類中心和加油站的分析結(jié)果精準(zhǔn)掌握某一時間段內(nèi)途徑某一地理范圍內(nèi)的具體情況，從而結(jié)合自己團(tuán)隊的加油站集群的地理分布，做出最優(yōu)的營銷方案。

3.6基于客戶粘性分析的精準(zhǔn)客戶成長體系建設(shè)

各加油站老客戶分析結(jié)果如表2所示，新客戶分析結(jié)果如表3所示，中間客戶分析結(jié)果如表4所示。

通過分析以上表格，各加油站運營人員可以精準(zhǔn)區(qū)分出不同粘性的客戶群體，從而采取精確的營銷策略，在減少老客戶流失的同時，推動新客戶過渡為回頭客，中間客戶成長為老客戶。

3.7基于客源地分析的社會化營銷輔助決策

運營人員可以根據(jù)客源地分析結(jié)果掌握自身加油站網(wǎng)絡(luò)的貨車客戶來源地，并以此來推斷不同客戶的社會行為習(xí)慣，為采取不同營銷手段提供輔助參考。比如，四川人愛吃辣，在營銷過程中可以對四川牌照的貨車采取加油積分兌換辣椒醬的策略。

4結(jié)束語

本文基于大數(shù)據(jù)平臺，將存儲于車輛位置服務(wù)平臺傳統(tǒng)數(shù)據(jù)庫的貨運車輛數(shù)據(jù)遷移到分布式文件系統(tǒng)，并結(jié)合爬取的加油站數(shù)據(jù)，進(jìn)行了加油站大數(shù)據(jù)的分析和挖掘；設(shè)計并實現(xiàn)了一系列算法，對貨運車輛和加油站數(shù)據(jù)進(jìn)行了多維分析，挖掘貨車加油的行為規(guī)律和特征。本文所做工作對于加油站運營人員實施精準(zhǔn)多樣的營銷策略具有一定的實用價值和借鑒意義。

參考文獻(xiàn)

[1]林慶鵬.基于大數(shù)據(jù)挖掘的精準(zhǔn)營銷策略研究[D].蘭州：蘭州理工大學(xué)，2016.

[2]卓慧.大數(shù)據(jù)背景下成品油零售市場的精準(zhǔn)營銷研究[D].南寧：廣西大學(xué)，2017.

[3]陳敏偉.大數(shù)據(jù)技術(shù)在鐵路貨運電子商務(wù)系統(tǒng)中的基本應(yīng)用研究[D].成都：西南交通大學(xué)，2015.

[4]陳嬌娜.大數(shù)據(jù)驅(qū)動下的高速公路交通運行狀態(tài)評價與分析[D].西安：長安大學(xué)，2016：31-118.

[5]李洪烈，王倩，宋斌.衛(wèi)星通信導(dǎo)航在海上搜救的應(yīng)用[J].無線電工程，2017，47（6）：15-19，37.

[6]曾憲宇.基于大數(shù)據(jù)技術(shù)的車輛監(jiān)控系統(tǒng)的優(yōu)化與實現(xiàn)[D].長春：吉林大學(xué)，2016：1-2.

[7] YAN X， ZHANG H， WU C. Research and Development of Intelligent Transportation Systems[C]//International Symposium on Distributed Computing and Applications To Business，Engineering & Science. Guilin：IEEE，2012： 321-327.

[8]朱進(jìn)云，陳堅，王德政.大數(shù)據(jù)架構(gòu)師指南[M].北京：清華大學(xué)出版社，2016：122-144.

[9] TURKINGTON G.Hadoop基礎(chǔ)教程[M].北京：人民郵電出版社，2014.

[10] WHITE T.Hadoop權(quán)威指南：大數(shù)據(jù)的存儲與分析[M].王海，華東，劉喻，等，譯.北京：清華大學(xué)出版社，2017.

[11]張新陽，孫夢覺，牛斌.大屏可視化技術(shù)在電力系統(tǒng)中的應(yīng)用研究[J].電力大數(shù)據(jù)，2017，20（10）：61-64.

[12] CAPRIOLO E，WAMPLER D，RUTHERGLEN J.Hive編程指南[M].曹坤，譯.北京：人民郵電出版社，2013.

[13] SEAN Owen，ROBIN Anil，TED Dunning，et al. Mahout實戰(zhàn)[M].王斌，韓冀中，萬吉，譯.北京：：人民郵電出版社， 2014：10-296.

[14]樊哲.Mahout算法解析與案例實戰(zhàn)[M].北京：機(jī)械工業(yè)出版社，2014.

[15]張亞茹.基于車聯(lián)網(wǎng)大數(shù)據(jù)分析的實時路況信息系統(tǒng)關(guān)鍵技術(shù)研究[D].南京：南京郵電大學(xué)，2017：17-22.

[16] HAN Jiawei，KAMBER M，PEI Jian.數(shù)據(jù)挖掘：概念與技術(shù)[M].范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社，2012.

[17]趙衛(wèi)中，馬慧芳，傅燕翔，等.基于云計算平臺Hadoop的并行k-means聚類算法設(shè)計研究[J].計算機(jī)科學(xué)，2011，38（10）：166-168，176.

[18]甘波.基于海量物流軌跡數(shù)據(jù)的分析挖掘系統(tǒng)[D].武漢：武漢理工大學(xué)，2014.

[19]劉速，楊文軍.基于互聯(lián)網(wǎng)及大數(shù)據(jù)的加油站智能營銷[J].信息技術(shù)與標(biāo)準(zhǔn)化，2019（5）：53-57.