汽车营销项目解决方案说明书.docx

《汽车营销项目解决方案说明书.docx》由会员分享，可在线阅读，更多相关《汽车营销项目解决方案说明书.docx（11页珍藏版）》请在优知文库上搜索。

1、汽车营销项目解决方案说明书XX科技股份有限公司编制目录一、项目存在问遨及辐解决问区31 .存在问题32 .需解决问睡4二解决方案41 .解决方案总体架构52 .核心技术6三、开发范困91 .数据生产92 .数据采集/消费93 .数据分析104,数据展示10一、项目存在问题及需解决问题1.存在问题千人千面世界上不存在完全两个相同的人，同理，也不存在完全相同的两个消费者。汽车消费决策因素多，信息渠道广，决策周期长，消费差异性就更大。传统营销模式下，因为技术的限制和认知的限制，厂家往往把消费者作一个整体或几个细分群体，试图用一套或有限的几套营销方案满足所有需求。这在移动互联网时代，面对消费者越来越年

2、轻、“90后”用户越来越个性化的营销环境，就显得力不从心了。知识型消费移动互联网时代，消费者信息获取成本极大降低，信息丰富程度极大化，与品牌之间的互动也越来越多。往往一款车型上市之前，就培养了大量的粉丝、专家、Ko1.（KeyOpinion1.eader,关键意见领袖）用户“，他们对车型的热爱和信息了解超过了大多数的销售顾问。4S店常规的话术，车辆介绍技巧等在他们面前都失去了作用，因此他们往往感觉店内服务体舱不好，销售顾问不专业，对品牌热情度不够，进而动摇建立起来的品牌认知和好感，甚至对自己在线上得到的决策结果是否正确产生怀疑。决策“黑箱”对消费者决策过程的了解一直以来是企业孜孜不倦追求的目标

3、，从宝洁开启MOT（MomentofTruth,关键时刻）的概念，到谷歌的ZMOKZeroMomentofTrUth,零类接触意思为将关键时刻从货架陈列提前到主动搜索），再到集大成者麦肯锡的CDJ（ConsumerDecisionJourney,消费者决策流程）环（外环为传统的购买环，内环为忠诚环。品牌可以在数字营销工具帮助下，主动重塑消费者的决策流程），无论是技术派还是模型派，最大限度地了解用户决策的”黑匣子“是他们共同的目标。而在移动互联网的今天，利用大数据的分析工具，我们又可以朝这个目标更迈进一步。2.需解决问题随着互联网技术的高速发展，大数据巳经开始进入到各个行业之中,其中衍生出来的大

4、数据汽车营销也方兴未艾，并逐渐受到各个汽车厂家的重视.大数据汽车营销以多平台大量数据为基础，依托于数据技术进行分析和预测，可以使企业在现有营销模式的基础上，实现营销渠道的重构，同时结合线上线下全渠道实现精准营销.当代汽车企业在经营发展的过程中，必须要对大数据给予更充分的重视，使用大数据技术对环境变量实施监控，分析各环境变量,以提前进行市场预测,指定有效的营销策略二、解决方案1.解决方案总体架构实时数撤处元Kafka依靠存M出%rBtxmair1.y41HMSK分布式文件不8HWSHBaSe是一个分布式的、面向列的开源数据库，该技术来源于FayChang所撰写的Goog1.e论文Bigtab1.

5、e:一个结构化数据的分布式存储系统。就像Big1.abIe利用了Goog1.e文件系统(FiIeSyS1.em)所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtab1.e的能力。HBase是Apache的Hadoop项目的子项目HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBaSe基于列的而不是基于行的模式。系统采用面向对象的软件设计方法，把整个系统看作是多个离散对象的组合。系统设计时，首先把业务流程分解成功能模块及其业务实体对象，然后根据业务流程分析对于这些业务实体对象的操作方法，形成业务处理对象，最后把各个功能模块关联

6、起来，形成系统。软件设计是一个将需求转变为软件的过程，系统通过逐步求精使得设计陈述逐渐接近于源代码。系统程序采用MVC的设计思想，将展现逻辑、控制逻辑、业务处理逻辑分离。系统采用参数化的设计思想，定义和管理系统的实体及配置，调整实体以适应外部变化。系统采用J2EE技术保证程序逻辑实现的平台无关性，并便于安装部署。系统采用AJAX技术，提高客户操作的交互性，保证实际使用的易用性。系统采用echarts可视化框架实现数据展示。2.核心技术(1) HadoopHadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进

7、行高速运算和存储。(2) SpringMVCSPringMVC:属于SpringFrameWork的后续产品，已经融合在SpringWebFIoW里面。Spring框架提供了构建Wcb应用程序的全功能MVC模块。(3) MyBatisMYBatis:是支持普通SQ1.查询，存储过程和高级映射的优秀持久层框架。MyBatiS消除了几乎所有的JDBC代码和参数的手工设置以及结果集的检索。MyBaIiS使用简单的XM1.或注解用于配置和原始映射，将接口和JaVa的POJOS(P1.ainO1.dJavaObjects,普通的JaVa对象)映射成数据库中的记录。(4) EchartsECharts是一

8、款基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。(5) MySQ1.MySQ1.是一个关系型数据库管理系统，由瑞典MySQ1.AB公司开发，属于OraCIe旗下产品。MySQ1.是最流行的关系型数据库管理系统之一，在WEB应用方面，MySQ1.是最好的KDBMS(Re1.ationa1.DatabaseManagementSystem,关系数据库管理系统)应用软件之一。MySQ1.是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQ1.所使用的SQ1.语言是用

9、于访问数据库的最常用标准化语言。MySQ1.软件采用了双授权政策，分为社区版和商业版，由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQ1.作为网站数据库。(6) HiveHive是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQ1.查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQ1.查询功能；可以将SQ1.语句转换为MapReduce任务运行，通过自己的SQI.查询分析需要的内容，这套SQ1.简称HiveSQ1.,使不熟悉mapreduce的用户可以很方便地利用SQ1

10、.,语言查询、汇息和分析数据。而mapreduce开发人员可以把自己写的mapper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQ1.略有不同，但支持了绝大多数的语句如DD1.、DM1.以及常见的聚合函数、连接查询、条件查询。它还提供了一系列的：具进行数据提取转化加载，用来存储、查询和分析存储在HadoOP中的大规模数据集，并支持UDF(User-DefinedFunction)UDAF(User-DefnesAggregateFunction)和UDTF(User-DefinedTab1.e-GeneratingFunction),也可以实现对map和red

11、uce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。(7) HBASEHBase-HadoopDatabase,是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价I3CServer上搭建起大规模结构化存储集群。(8) ZookeeperZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是GOOgIe的ChUbby一个开源的实现，是HadOOP和HbaSe的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组服务等。(9) E1.umeF1.Ume是C1.oUdera提供的一个高可用的，高可

12、靠的，分布式的海量日志采集、聚合和传输的系统，F1.Ume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，F1.ume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。三、开发范围1 .数据生产对于该模块的业务，即数据生产过程，一般并不会让你来进行操作，数据生产是一套完整且严密的体系，这样可以保证数据的安全性。但是如果涉及到项目的一体化方案的设计（数据的产生、存储、分析、展示），则必须清楚每一个环节是如何处理的，包括其中每个环境可能隐藏的问题；数据结构，数据内容可能出现的问题。2 .数据采集/消费数据采集模块（消费），在企业中你要清楚流式数据采集框架f1.ume和kafka

13、的定位是什么。我们在此需要将实时数据通过f1.ume采集到kafka然后供给给hbase消费。f1.ume：C1.OUdera公司研发适合下游数据消费者不多的情况；适合数据安全性要求不高的操作：适合与Hadoop生态圈对接的操作。kafka：Iinkedin公司研发适合数据下游消费众多的情况；适合数据安全性要求较高的操作（支持rep1.ication）；因此我们常用的一种模型是：线上数据一f1.umekafkaf1.ume（根据情景增恻该流程）HDFS线上数据一f1.umekafka-sparkstreaming实时流式处理消费存储模块流程图:AumoKafka3 .数据分析我们的数据已经完整的采集到了HBaSe集群中，这次我们需要对采集到的数据进行分析，统计出我们想要的结果。注意，在分析的过程中，我们不一定会采取一个业务指标对应一个mapreduce-job的方式，如果情景允许，我们会采取一个mapreduce分析多个业务指标的方式来进行任务。4 .数据展示数据展示模块流程图：