三、解决方案详述
3.1用户画像
建立用户信息的统一视图数据库，按照教育培训行业特征建立行业用户重点关注维度和各维度内的深度数据，同时从实际应用场景出发对用户数据进行分析，建立针对不同应用场景的三类标签：事实、模型、预测。从而使得一个用户在不同应用场景下能够以所标签的信息被形象展示。
3.2用户统一画像模型建设及步骤
3.2.1基于企业现有数据整合和完善，通过6个维度的事实信息来描述用户，建立用户的基础维度和各维度的不同层级的信息：
- 用户基本属性
- 用户关联关系
- 用户兴趣偏好
- 用户价值信息
- 用户风险信息
- 用户营销信息
如下图所示：
（图3-2）
3.2.2 基于用户信息建立6个维度的服务目标和基于事实用户信息的目标维度标签，更准确描述客户在各个目标维度的定位和状态。
- 营销增强
- 客户洞察
- 渠道优化
- 产品创新
- 风险防范
- 运营提升
通过大数据处理分析工具来分类客户的事实标签，实现客户画像的第一步分析，初步实现用户画像。
- 基于用户的基本事实，结合企业业务及教育行业的独有的特征，对于用户做合并分类，形成客户画像与客户群体属性，如下图所示：
（图3-3）
3.2.3基于客户的浏览兴趣与购买数据，结合模型如LTV、RFM等通过分析工具计算客户的模型标签，实现客户画像的第二步分析，实现用户商业价值画像。
- 新客户的获得成本
- 存量客户生命周期价值
- 存量客户的交叉销售价值
- 存量客户的再激活价值
- ……
（图3-4）
3.2.4 基于用户基本画像与模型画像，通过大数据机器学习算法(如贝尔斯、逻辑回归等)来进行用户预测与完善反馈，实现更精准的推广分配，提高运营效率，如下图所示：
- 推广的到校试课概率评估
- 新客户的生命周期价值评估
- ……
（图3-5）
3.3统一画像标签完整过程
基于企业现有数据，定期通过工具从数据库与Web日志采集原始数据，然后生成标签模型并持续优化。
（图3-6）
- 基本画像标签：从数据库一次性导入。同时制定定期采集规则，当客户信息通过CRM更新时，将更新记录直接复制到基本画像标签的更新，以便预测优化。
- 营销画像标签：
- 需求标签：从数据库一次性导入。同时制定定期采集规则，当座席采集客户需求并通过CRM更新时，将更新记录直接复制到需求画像标签的更新，以便预测优化。
- 营销活动标签：从数据库一次性导入。同时制定定期采集规则，当推广采集客户名单并通过CRM更新时，将更新记录直接复制到营销画像标签的更新，以便预测优化。
- 价值画像标签：从数据库一次性导入。同时制定定期采集规则，当成单信息通过CRM更新时，将更新记录每晚进行计算新商业价值统计，将新变量更新到价值标签以便预测优化。
- 兴趣画像标签：兴趣画像原数据的浏览日志解析处理比较复杂，需要进行URL的识别、IP的识别、User Agent的识别、Referrer搜索关键词的识别等。处理流程的设计采用了流水化的串行和并行设计，内部解析采用组件化流水化处理，不同组件之间的数据采用共享大内存的方式，避免在不同的处理组件之间进行数据落地，重复的进行数据写出和读入，提高数据处理的效率。同时使用统一的数据模型，统一的数据存储。如下图所示，使用ExceedData平台模块化的集成、处理、分析、以及应用机器智能算法可以大大节省存储资源，提供解析的效率。
（图3-7）
3.4用户数据在业务环节中的共享
通过一套开放的应用之间采用开放的应用接口（API）实现用户信息在市场、客服、门店营销、培训中心等各系统中的共享互通。API为统一标准，为各个应用数据系统，设置未来外部数据接入，提供统一的数据接收（get）与采集（post）接口，如下图所示。
- 支持主流的接口协议，如REST；
- 支持直接采集主流数据库数据，支持的数据库包括：oracle、mysql、sqlserver等，直接使用jdbc客户端命令方式从数据库获取数据。
- 支持分布式数据源调度，支持多数据源间的访问连接。
- 采用参数驱动的设计思想，在API中，凡是不能确定的因素做到参数化，以达到通过对参数的设置就可适应不同的情况及不同时期的应用要求。
（图3-8）
通过API对数据流通的支持与一致化视角，提供全面、整合的分析能力帮助企业英语提升复杂流程下的高性能分析，快速建立专注于客户的凝聚力，借助大数据分析改善运营效益。
（未完，请待下期连载，意向者可搜索匡衡软件咨询）
