一种基于大数据标签的精准客户运营方法和计算机设备与流程

1.本发明涉及客户数据信息处理技术领域，特别是一种基于大数据标签的精准客户运营方法和计算机设备。


背景技术：

2.传统的基于数据库的数据分析技术，能够满足非海量数据下的数据分析需求，但是这种技术所能承载的数据容量有限，无法通过长期收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。
3.目前格力客户数据存在渠道多、冗余多、无法有效利用的情况，难以建立消费者资产的沉淀和持续运营，获取新客难，老客被竞争对手冲击严重。本发明为有效的管理客户资产，通过标签化对客户画像，为企业和客户建立更精准的通道，为客户提供更好更优质的服务。


技术实现要素：

4.针对上述客户数据存在渠道多、冗余多、无法有效利用的情况，难以建立消费者资产的沉淀和持续运营问题，本发明提供一种基于大数据标签的精准客户运营方法和计算机设备，整理各渠道数据并统一客户数据，通过大数据标签进行精准客户运营，达到新客引流，老客激活的目的。
5.为实现上述目的，本发明选用如下技术方案：一种基于大数据标签的精准客户运营方法，包括：
6.获取用户录入的客户信息，所述客户信息至少包括客户索引标识；
7.判断录入的客户索引标识与已录入的客户信息是否重复；
8.将录入的客户信息与用户建立映射关系；
9.对所述客户信息进行标签化处理，生成用户画像；
10.对带有待营销具体标签的客户信息执行营销策略。
11.优选地，所述运营方法还包括：
12.用户登录验证后，向用户展示已录入客户信息的最近活动情况和/或客户信息统计，
13.用户录入的客户信息包括单个录入和/或批量录入，所述客户信息包括客户基本面信息、动态面信息和客户索引标识，所述的客户索引标识为联系电话号码信息。
14.优选地，所述运营方法还包括：
15.接收录入的客户信息，并获取客户索引标识；
16.将客户索引标识与已录入的客户信息的客户索引标识进行比对：
17.当存在重复的客户索引标识时，向用户发送是否覆盖询求；
18.当不存在重复的客户索引标识时，在客户数据库中创建新的客户信息，并将新的
客户信息与用户建立映射关系。
19.优选地，所述运营方法还包括：
20.用户响应是否覆盖询求：
21.当用户选择覆盖处理时，将新录入的客户信息在原有的客户信息基础上进行添加，其中相同部分信息再不做处理；
22.当用户选择不覆盖处理时，则在客户数据库中创建新的客户信息，并将新的客户信息与用户建立映射关系。
23.优选地，所述运营方法还包括：
24.对用户进行标签化管理，在各个用户的用户信息中加入第一标签信息；
25.将具有相同的第一标签信息的用户进行分组管理。
26.优选地，所述运营方法还包括：
27.对所述客户信息进行标签化处理，在各个客户的客户信息加入第二标签信息，并根据客户信息生成用户画像；
28.对第二标签信息进行筛选，根据用户的需求对各客户信息进行分群处理，各群组的标识以第二标签信息作为有效识别标识；
29.将个群组的客户信息进行汇总及统计以构建精准的客户群体信息。
30.优选地，所述运营方法还包括：
31.将客户信息进行展示，其中包括：
32.将客户信息以第二标签信息进行汇总统计并通过echart展示；
33.将客户信息以第二标签信息进行汇总统计并通过表格展示。
34.优选地，所述运营方法还包括：
35.所述客户信息经过标签化处理后携带第二标签信息，针对具有第二标签信息中构建待营销具体标签；
36.根据待营销具体标签对客户信息进行筛选并汇总，得到待营销客户群体；
37.对待营销客户群体执行精准客户的营销策略，所述营销策略至少包括电话营销策略、短信营销策略之一。
38.另一方面，本发明选用如下技术方案：一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于大数据标签的精准客户运营方法。
39.另一方面，本发明选用如下技术方案：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述的一种基于大数据标签的精准客户运营方法。
40.相较于现有技术，本发明具有以下有益效果：
41.本发明整理各渠道数据并统一客户数据，构建基于大数据标签的精准客户运营业务系统，达到新客引流，老客激活的目的。分散数据的统一管理，并使用了大数据静态动态标签技术对用户进行分群，产生用户画像。解决客户数据分散不便于统一管理分析、无法通过数据挖掘出更多潜在的价值信息。本发明使用了大数据标签技术对用户进行分群，方便运营者具体地、标签化地、有针对性地描述用户特征,并以此作为市场分析、商业决策、精准营销的依据。
附图说明
42.为了更清楚地说明技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明的实施案例的流程示意图。
44.图2为本发明的另一实施案例的流程示意图。
具体实施方式
45.为了能够清楚、完整地理解技术方案，现结合实施例和附图对本发明进一步说明，显然，所记载的实施例仅仅是本发明部分实施例，所属领域的技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.如图1所示，本实施案例公开了一种基于大数据标签的精准客户运营方法，包括：
47.获取用户录入的客户信息，用户录入的客户信息包括单个录入和/或批量录入，所述客户信息包括客户基本面信息、动态面信息和客户索引标识，所述的客户索引标识为联系电话号码信息，用户登录验证后，向用户展示已录入客户信息的最近活动情况和/或客户信息统计。
48.判断录入的客户索引标识与已录入的客户信息是否重复，将录入的客户信息与用户建立映射关系，其中包括：
49.接收录入的客户信息，并获取客户索引标识，将客户索引标识与已录入的客户信息的客户索引标识进行比对：
50.当存在重复的客户索引标识时，向用户发送是否覆盖询求，当用户选择覆盖处理时，将新录入的客户信息在原有的客户信息基础上进行添加，其中相同部分信息再不做处理；当用户选择不覆盖处理时，则在客户数据库中创建新的客户信息，并将新的客户信息与用户建立映射关系；当不存在重复的客户索引标识时，在客户数据库中创建新的客户信息，并将新的客户信息与用户建立映射关系。
51.对用户进行标签化管理，在各个用户的用户信息中加入第一标签信息，将具有相同的第一标签信息的用户进行分组管理。
52.对所述客户信息进行标签化处理，在各个客户的客户信息加入第二标签信息，并根据客户信息生成用户画像，对第二标签信息进行筛选，根据用户的需求对各客户信息进行分群处理，各群组的标识以第二标签信息作为有效识别标识，将个群组的客户信息进行汇总及统计以构建精准的客户群体信息，对带有待营销具体标签的客户信息执行营销策略。
53.将客户信息进行分析后展示，其中包括：将客户信息以第二标签信息进行汇总统计并通过echart展示；将客户信息以第二标签信息进行汇总统计并通过表格展示。
54.对带有待营销具体标签的客户信息执行营销策略，所述客户信息经过标签化处理后携带第二标签信息，针对具有第二标签信息中构建待营销具体标签，根据待营销具体标签对客户信息进行筛选并汇总，得到待营销客户群体，对待营销客户群体执行精准客户的营销策略，所述营销策略至少包括电话营销策略、短信营销策略之一。
55.另一方面，本发明还公开了另一实施案例：实施一种基于大数据标签的精准客户
运营方法的系统数据处理方法，为了便于理解本技术实施例，下面对本技术涉及到的部分术语进行解释说明。
56.flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。支持在日志系统中定制各类数据发送方，用于收集数据，同时flume提供对数据进行简单处理，并写到各种数据接受方(比如文本、hdfs、hbase等)的能力。flume的数据流由事件(event)贯穿始终。事件是flume的基本数据单位，它携带日志数据(字节数组形式)并且携带有头信息，这些event由agent外部的source生成，当source捕获事件后会进行特定的格式化，然后source会把事件推入(单个或多个)channel中。
57.clickhouse是一个面向联机分析处理(olap)的开源的面向列式存储的dbms，简称ck,与hadoop,spark相比，clickhouse很轻量级。clickhouse的特点：开源的列存储数据库管理系统，支持线性扩展，简单方便，高可靠性，容错跑分快，功能多，用于结构良好清晰且不可变的事件或日志流分析。
58.kafka是最初由linkedin公司开发，是一个分布式、分区的、多副本的、多订阅者，基于zookeeper协调的分布式日志系统(也可以当做mq系统)，常见可以用于web/nginx日志、访问日志，消息服务等等，主要应用场景是：日志收集系统和消息系统。
59.apache flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。flink设计为在所有常见的集群环境中运行，以内存速度和任何规模执行计算。
60.如图2所示，所述处理方法包括通过数据前端埋点获取运行产生的用户数据文件，所述用户数据文件至少包括登录信息文件、订单信息文件、用户行为信息文件之一。用户数据文件通过flume和kafka后经由flink数据处理，数据处理后写入下游kafka后由flink实时分析，实时分析得到结果可视化。经由flink数据处理的用户数据文件也可以由历史数据更新调度定时运行写入mysql进行原始数据备份以及通过clickhouse进行原始数据同步和历史数据分析，分析得到结果可视化。本实施案例完成了分散数据的统一管理，在此基础上使用了本发明基于大数据标签的精准用户运营，减少了无效营销信息投递，实现了对用户营销消息的精准触达。
61.另一方面，本发明还公开另一实施案例：一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于大数据标签的精准客户运营方法。结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd-rom、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在asic中。asic可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
62.另一方面，本发明选用如下技术方案：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述的一种基于大数据标签的精准客户运营方法。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括ram、rom、
eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。
63.上述披露的仅为本发明优选实施例的一种或多种，用于帮助理解技术方案的发明构思，并非对本发明作其他形式的限制，所属领域的技术人员依据本发明所限定特征作出其他等同或惯用手段的置换方案，仍属于本发明所涵盖的范围。