大数据在电商场景应用

关注

发布于: 2020 年 09 月 02 日

大数据应用分析应用技术分类大数据技术在电商行业的应用，依照应用技术可以分为：
大数据采集、存储、加工技术
智能管理和运维技术
大数据应用平台
数据可视化技术
大数据分析、挖掘建模技术
深度学习技术
﻿
﻿
数据用途分类精准分析用户
    * 用户画像：深度挖掘用户购买数据，分析用户购买能力和行为特征。
    * 精准营销：基于用户购买习惯和兴趣爱好，智能推荐商品，提供更优质的体验与服务。
精细管理商品
    * 商品画像：对品类价格进行深度分析，进行覆盖商品生命周期的价格诊断，提供动态价格解决方案。
    * 精准选品：提供基于社交舆情、友商对标、渠道、滞销等多维度的选品视角，满足用户一站式购物需求。
挖掘市场趋势
    * 友商监控: 监测营销活动并检测各类目下相同价格层京东商品覆盖和销售情况。
    * 舆情抓取: 探寻行业市场发展趋势，丰富站内商品以保证持续优质的购物体验。
便捷业务追踪
    * 数据管家: 为管理人员提供汇总、细分、对比、趋势、溯源等系列支持。
    * 数据罗盘: 对其交易、商品、渠道、促销等相关业务指标进行分析，与商家和供应商协同提供优质服务。
﻿
大数据应用场景用户画像在步入互联网时代之后，海量的用户的行为数据为企业改变和重塑业务和服务提供了追溯和分析的可能，有效的利用这些数据进行分析和评估可以使企业做到精细化运营和精准营销服务，而做到这些的首要工作就是建立用户画像。
用户画像，即用户信息标签化，通过收集用户的社社会属性、消费习惯、偏好特征等多个维度的数据，进而对用户或者产品特征属属性进 行刻画，并对这特征进行分分析、统计，掘挖掘潜在价值信息，从而抽象出用户信息的全貌。
﻿
精准广告投放、营销推荐利用网站/App访问用户画像标签，针对性的投放广告，推送差异化的App推荐。 
利用用户位置标签，在目标用户密度较高地区投放户外广告，破除广告投放的盲目性。
﻿
智能卖场根据实时流量、商品情况结合用户画像、商品画像和推荐预测引擎实现智能卖场功能，首页、单品页、频道页和活动页等个性展示
智能门店将线上大数据导入线下结合强大的人工智能技术实现精准营销、发挥数据和智能的价值提升盈利能力，提升客户体验
﻿
用户生命周期智能决策利用用户画像，判断用户所处价值阶段，针对性的制定营销政策，促销措施;判断用户主要类型，准确认识到公司所处的发展 阶段，指导制定公司整体的运营策略、战略规划。
﻿
反向定制反向定制通过分析目标用户的需求，针对性的开发契合用户于企业需求的产品来降低产品的市场风险，节省营销成本，提升销 量，加速客户转化与变现。
从“消费者”到“厂商”的反向定制生产模式，可以使厂家的产品更符合受众的预期。
﻿
舆情监控网络舆情监控系统是基于自动化采集海量咨资讯、新闻信息，智能舆情分析、汇总、监控、并识别关键敏感信息，通 过系统、短信、邮箱等多渠道及时报警通知给用户，从而第一时间应急响应并采取应对措施。
智能风控通过大数据分析并结合图计算服务在授信、欺诈、社交营销、案件调查等场景进行智能风控。
﻿
智慧供应链大数据结合AI智能驱动，让供应链变得智能起来，通过读懂消费者，缩短消费者和供应商之间的距离，实现多方共赢的零售新商业模式。
﻿
MapReduce分析如下 HiveQL，生成的 MapReduce 执行程序，map 函数输入是什么？输出是什么，reduce 函数输入是什么？输出是什么？﻿
INSERT OVERWRITE TABLE pv_users
SELECT pv.pageid, u.age
FROM page_view pv
JOIN user u
ON (pv.userid = u.userid);
Page_view 表和 user 表结构与数据示例如下：
﻿
解答
﻿
Map函数
输入：page_view表或者user表的一行记录
输出: 嵌套map，格式是<key,<tableCode,data>>,key就是userId,value是一个map，这个map的k-v是这样定义的，k来区分表，1代表page-view表，2代表user表，k是1时v表示pageId，k是2时v表示age。
﻿
Reduce函数
输入：Map函数的输出经过Shuffle Sort之后的数据。
输出:结果是<key, result<pageid,age>>，key为userid
﻿