互联网大数据营销O2O项目可行性分析报告.docx
《互联网大数据营销O2O项目可行性分析报告.docx》由会员分享，可在线阅读，更多相关《互联网大数据营销O2O项目可行性分析报告.docx（26页珍藏版）》请在冰豆网上搜索。
互联网大数据营销O2O项目可行性分析报告
互联网大数据营销O2O项目
可行性分析报告
（此文档为Word格式、下载后您可任意修改编辑！
）
第一章项目概述
一、项目背景
据工信部发布的数据，移动互联网用户2009年为3.77亿户，而到了2013年第一季度，这一数字已经达到8.17亿户，其中，手机上网用户总数达到7.88亿户。
“O2O”（OnlineToOffline，即本地商务与互联网结合）是时下流行的概念，它是移动商务的集中体现。
预计到2015年这一规模将达到2.93亿，市场规模将超2700亿。
O2O模式的核心很简单，就是把线上的消费者带到现实的商店中去——在线支付线下商品、服务，再到线下享受服务。
移动商务虽然前景广阔，但是目前存在很多问题与困扰，如：
1）用户注册的问题：
线上渠道的用户注册率低；
2）用户位置识别问题：
用户处于安全考虑，往往关闭位置通知功能；
3）用户的统一身份问题：
用户在A网站和B网站可能采用不同的登录名称；
4）陌生用户的冷启动问题：
用户第一次到访时，无法知道用户的喜好。
5）用户的需求预测问题：
无法根据用户的历史行为和当前场景预测用户的需求；
6）主动联系用户的问题：
如果用户没有注册，或者注册了没有留下邮件或电话号码，是无法主动通知到用户；
7）线上渠道的能力建设:
每个渠道都要建设自己的客户CRM，但又局限于自己所能拥有的数据，做管中窥豹式的客户洞察；
8）线上渠道的重复推荐：
如果渠道能拿到用户的电子邮件或手机号码，那么用户可能就要面对不同线上渠道的轮番骚扰，不胜其烦。
这是因为，首先是移动互联网的特性，，注定了用户不可能像在互联网那样可以大范围的浏览，长时间的精挑细选。
信息的提供必需要简洁精准。
其次是用户需求识别，移动互联网时代，消费者的购买行为正在从传统的AISAS（注意-兴趣-搜索-行动-分享）模式向TSPS（需求触发-筛选-购买-分享）转变，特别是在需求触发（T）和筛选（S）两个进程。
能不能给消费者提供个性化的服务，能不能第一时间给他想要的商品，首要的一步是知道他们在哪里，喜欢看什么样的内容，爱用哪种聊天方式，最后，才是把他们可能喜欢的东西推荐出去。
这就需要有强大的后台支撑，需要处理大量的数据来进行精准定位。
而大数据无疑将成为近几年电商营销的驱动力，也是我们的机会所在。
二、项目简介
本项目通过借助与运营商的紧密合作，在我司大数据关键技术与智能云分析技术等，为各种线上渠道提供用户洞察服务和个性化推荐服务，目标市场集中在：
1）已有的移动商务线上渠道，比如大众点评、沃商店、淘宝、京东商城；2）传统行业实体店，比如汽车4S店、房地产公司等；3）个体消费者，如对智能手机及手机增值业务有需求的用户市场等。
三、项目承担单位的优势
某科技经过十多年的发展，目前已经成为一家占地近2000平方米，员工两百余人的移动互联网高科技企业。
公司总经理某博士，毕业于南京邮电大学通信与信息科学专业，是首批江苏省高校院所科技人员创新创业先进个人，江苏省高层次创新创业优秀人才计划培育对象。
在其研究生期间，创新能力和开拓能力就已经很明显，作为项目负责人开发的“IP电话网络测试仪”，2002年被评为国家新产品；作为课题副组长承担了国家863项目—“基于业务感知的下一代网络QoS分布式主动监测管理技术”（课题编号：
2003AA12xx）；设计开发了“多媒体IP网络服务质量分析仪”，该产品在全国范围十余家电信运营商得到了广泛应用。
某博士善于思考、市场判断力强、敢想敢干，坚持技术立足、尊重人才、发展自我品牌。
在其领导下，某科技不断发展壮大。
公司拥有业内一流的工作团队和技术专家，其中本科以上学历占总人数的95%，研发人员占总数的65%，秉承自主创新的精神，依靠脚踏实地的实干，融合南京邮电大学的行业优势和人力资源，与各大电信运营商、广电、政府等行业客户结成良好的合作关系，正成为本专业领域的“创新者、领先者”而努力拼搏。
公司经过多年发展，各类软硬件设施已经齐全。
近五年来公司在研发资金上的投入正逐年上升，很好地保证了产品研发的持续性。
在营销能力方面，公司具有专门的市场营销部门，在公司营销部门设置了营销中心和运营中心，分别负责项目的推广销售与运营服务，并在全国多个省市建立办事处，负责公司产品的全国市场营销推广，通过大力发展代理商来推动通信移动市场以外的推广，目前已经在华南、华东和华北市场发展了几十家代理，客户群覆盖了政府、军队、企业等诸多行业。
2005年公司被认定为江苏省软件企业，2006年通过CMMI-3认证，2007年获江苏省科技进步三等奖、南京市科技进步一等奖、中国电子学会电子信息科学技术二等奖；2011年被认定为国家高新技术企业；2013通过ISO27001认证，目前国内市场遍布十多个省份。
面对当前的市场机会，由公司总经理某博士亲自领导的项目团队有足够的能力建立起一整套的平台架构及服务体系，同时具有如下无可比拟的优势：
1）与全国数十个省份的各个运营商有着核心业务合作的紧密关系，我们能够直接面向这些省份的上亿用户进行平台的推广及服务。
2）具备成熟的电商平台打造及大数据挖掘队伍，在当前精细化营销的时代，拥有强大的用户需求洞察的能力。
3）具备成熟高水平的线上线下技术研发及运营队伍，队伍成员均在本领域拥有多年经验。
第二章项目技术开发可行性
一、项目技术发展现状
O2O即OnlineToOffline，也即将线下商务的机会与互联网结合在了一起，让互联网成为线下交易的前台。
这样线下服务就可以用线上来揽客，消费者可以用线上来筛选服务，还有成交可以在线结算，很快达到规模。
该模式最重要的特点是：
推广效果可查，每笔交易可跟踪。
O2O商务模式。
在网上寻找消费者，然后将他们带到现实的商店中。
它是支付模式和为店主创造客流量的一种结合（对消费者来说，也是一种“发现”机制），实现了线下的购买。
它本质上是可计量的，因为每一笔交易（或者是预约）都发生在网上。
很多用户都喜欢打开XX地图，然后搜索周围的商户优惠信息，如餐饮、娱乐、酒店等，这是目前O2O模式的主要表现，XX地图也是移动商务平台的主要表现。
高德、淘宝、58同城、微信等互联网企业也在做。
其中，高德、XX的做法与淘宝类似，通过向用户提供地理位置服务，将线下餐饮、生活服务、休闲娱乐等商家信息展现给用户。
微信的模式则是用户通过扫描二维码，然后再到线下消费就能获得一定优惠。
在整个过程中，实体商家是线下商务的主体，而不是电商企业。
移动商务平台大多只是中介平台，如果只是一个纯粹的商户资源整合介质，未来价值可能会被弱化。
对于XX、高德、58同城这类企业而言可能会中招。
淘宝本身是一家C2C电商，以销售实体商品为主。
它进军本地生活服务后，商户可以在地图上标示自己的实体位置，附近卖家可方便取货，突破了服务性商品的限制。
它会成为移动商务的最终服务平台可能性较大。
但是淘宝所拥有的用户信息仅是用户在淘宝访问所产生的，这就带来了数据的狭隘性。
无法掌控用户在其他平台或媒体网站的行为，比如分析O2O消费分享的感受。
对于传统企业而言，电商是一个导流平台，而到了移动商务时代，这个平台不一定会是它。
存在两种情况，一是电商企业在原有基础上进行改善、升级。
正如纸媒向网媒转型；二是出现全新的颠覆，正如纸媒被网媒取代。
我们的目标就是依托与运营商的紧密合作，为各种线上渠道提供用户洞察服务和个性化推荐服务。
从而颠覆现有的移动商务平台。
二、项目研究开发内容
本项目所要实现的功能如下图所示：
下面依次介绍各主要功能的技术原理：
1、用户身份识别的原理
用户身份识别是在用户没有输入登录用户名和密码的情况下，获取到手机用户的手机号码，作为用户的身份标识。
其核心原理是运营商核心网的GGSN会为每个手机上网用户分配一个私有IP，GGSN同时会把这个信息通过RADIUS消息发出，通过WAP网关转发或直接将自己作为WAP网关的方式，NET取号服务器（图中标示为I-UIM）可获得用户的手机号与私有IP对应关系。
当移动用户要直接访问公网，必须通过移动分组网出公网的Gi口防火墙对移动用户终端IP地址（私有IP地址）进行NAT转换为公网IP地址。
NET取号服务器（图中标示为I-UIM）需要向防火墙发起NAT转换后IP地址及端口的查询。
获取NAT转换IP地址及端口流程如下图所示：
在这两个流程后，NET取号服务器就拥有了用户的身份三元组（用户号码、私网IP、公网IP）的对应关系。
自有线上渠道和第三方现网渠道通过用户访问时的公网IP,移动商务平台即可获得对应的用户号码是什么，从而识别出用户身份。
2、用户兴趣图谱的构建原理
用户兴趣图谱是对一个移动互联网用户的特征客户，通俗称为用户画像。
用户画像是否准确，决定了个性化服务的效果。
用户画像可通过介入运营商的经营分析系统，增值业务订购系统，业务平台等方式获得用户的静态信息，比如性别、年龄等，还需要通过Gn口和Mc口实时采集用户的上网行为和通话行为。
最后还有采集用户在互联网上的访问行为。
通过一系列的数据挖掘方法归纳提炼出用户画像。
用户画像的体系可用下图表示：
例如：
Gn口采集到的用户上网日志进行用户画像的归纳提炼过程，可用下图表示：
3、实时场景识别的原理
实时场景识别的方法如下图所示，通过Gn/Gp口分光镜像的方式，在不影响核心网稳定性的情况下，以最快的速度将用户的访问行为数据上报给后台的并行流式处理集群，在秒级以内的延迟范围内分析出用户当前的位置、当前使用的终端、当前打开的应用、当前访问的网站和当前浏览的内容。
从而分析出用户当前的使用场景。
4、实时导航的原理
实时导航有多种实现渠道，包括短信、彩信、Push和重定向技术。
短信、彩信和Push都是通过对接到运营商的短彩网关，实时下发相关内容的短信和彩信方式来实现。
重定向技术实现原理不同，这里详细描述。
流程描述：
●用户拨号接入GPRS网络，导航控制器通过监听SGSN和GGSN通信得到用户的手机号码和IP地址的对应关系；
●当用户上网时，导航控制器通过监听SGSN和GGSN数据，得到用户的第一次HTTP请求；
●导航控制器模拟并发送用户请求的WEB服务器“导航重定向”响应到用户端浏览器，重定向响应中携带重定向地址（即导航控制器与配置的URL并携带加密后的用户号码作为参数），浏览器自动访问到预先配置的URL上；
●由于导航控制前先于目标WEB服务模仿并回复了响应消息，所以真正WEB服务器的响应会被移动终端的浏览器丢弃；
●根据号码、用户终端浏览器的user-agent参数，结合用户画像数据，给予用户不同的个性化的门户信息。
5、终端识别的原理
我们的终端识别是依托通过长期积累得到终端知识库，通过结合用户的IMEI信息和互联网访问日志中的UserAgent信息，对用户的终端进行识别。
识别率高达98%。
能有效的支持依据不同终端对用户的个性化展示。
6、实时流处理技术的原理
在多年流量经营实践中开发实现了实时智能流计算平台iStream，iStream主要应用于基于海量信息的业务分析和用户行为挖掘。
产品成熟稳定、处理性能强劲，计算能力可弹性扩展。
业界有这样的观念，数据的价值随着时间的流逝而降低，所以事件出现后必须尽快地对它们进行处理，最好数据出现时便立刻对其进行处理，发生一个事件进行一次处理，而不是缓存起来成一批处理。
这样的应用场景，我们称为实时流处理模型。
常见的应用场景如，对于社交网站来说，对于社交网站来说，实时统计和分析用户行为数据，精准地推荐朋友动态，或者是及时地反馈圈子动态，都会极大地提升用户体验，增加用户黏性。
对于广告商来说，为了获得最佳的广告效果，需要通过一些算法来动态估算给定上下文中环境中一个广告被点击的可能性。
这个上下文可能包括用户历史偏好、当前地理位置、当前浏览内容等信息。
这些应用场景都需要低延迟、可扩展、高可靠的并行计算模型。
称为“流计算”模型。
在这个模型中，需要处理的输入数据（全部或部分）并不“存储”在可随机访问的磁盘或内存中，它们以一个或多个“连续数据流”的形式到达。
流计算不同于传统的计算模型，主要有以下几个方面的特点：
●流中的数据元素在线到达，需要实时处理；
●系统无法控制将要处理的新到达的数据元素的顺序，无论这些数据元素是在一个数据流中还是跨多个数据流；也即重放的数据流可能和上次数据流的元素顺序不一致；
●数据流的潜在大小也许是无穷无尽的；
实时智能流计算平台iStream是某科技的流计算解决方案，该平台架构如下图所示：
在上图中，我们可以看到，整个iStream平台是分布式计算系统。
由多个逻辑主机节点构成。
这些逻辑主机分为三类角色。
（不同逻辑主机可部署在一个物理主机上）
角色
功能说明
服务节点ServiceNode）
服务节点（SNs）是实际业务执行的逻辑主机。
在该节点中由一个或多个Job的关联组合完成业务逻辑处理。
它们负责处理输入的数据流（支持多种形式），通过通讯层的协助分发执行结果，该执行结果成为下一个服务节点的输入。
管理节点ManagerNode）
包括服务管理（注册、调度）、资源管理（注册、调度）、认证和鉴权服务、命名服务等功能。
分布式控制节点ZooKeeper）
提供分布式系统控制功能，保证分布式环境中元数据的强一致性。
管理节点一般部署于一台独立的管理主机上，提供如下服务：
Web展示服务：
提供iStream实例基于HTTP通讯协议的访问与管理能力。
服务管理：
接收和处理作业的提交和取消请求，主要通过和与各服务节点的进程管理（PM）进行交互来实现。
通过收集运行时性能度量指标，来确定哪个服务节点被调度以运行特定的job任务。
资源管理：
负责iStream实例的初始化，聚合系统范围内的性能度量指标，并和每个服务节点上的主机管理器（HC）进行交互。
命名服务（NS）：
用于提供管理服务的位置信息。
认证授权服务（AAS）：
用于认证并且授权用户的服务请求和访问。
除了运行一系列管理服务的管理节点之外，还存在一个或多个服务节点，用于执行iStream业务逻辑。
服务节点按功能角度划分，又细分为三层（传输层、管理层、业务层）。
角色
功能说明
业务层SL
实现业务执行的虚拟空间，提供该虚拟空间内部的事件管理、事务管理和任务调度控制。
确保多个独立的任务有序的执行完成业务逻辑。
管理层ML
逻辑节点内部的管理，实现与物理主机的资源调用代理。
为业务层构建一个虚拟统一的运行环境。
和管理节点协助实现服务进程的动态调度和均衡。
并提供日志、监控等支撑管理的辅助功能。
传输层TL
提供分布式消息的透明处理，实现底层通讯的路由投递、故障切换和负载均衡的功能。
管理层ML通过装了信箱管理，内存管理，信号量管理，内存映射，中断管理，进/线程管理，时钟管理，异常处理系统调用为业务层提供了虚拟的JRE（JobruntimeEnvironment）。
在iStream业务层的核心实现是在JRE中运行的并发运行的Application应用。
不同Applicaton对应独立的业务应用场景，Application之间无逻辑关联，但多个Applicaton可同时并发运行。
每个Applicaton应用又由多个前后关联的Job共同完成业务逻辑。
每个Job作业具体实现时，又可以由一个或多个Task任务来实现。
归属关系如下图所示：
具体划分，可参看下图：
对应每个Applicaton应用，iStream运行时需要同时运行多个Job。
其中一个Job可负责流数据的导入，然后另外一个或多个Job来消费导出的流数据。
不同Job间以松耦合的方式进行组合，这样上游和下游Job可以独立部署，并且在负载过大的情况下还可按需部署新的下游Job以及动态调整Job间的订阅属性，以达到负载均衡处理的效果。
三、项目技术路线描述
1、总体技术路线：
1）用户身份识别
用户身份识别是在用户没有输入登录用户名和密码的情况下，获取到手机用户的手机号码，作为用户的身份标识。
2）自营渠道建设
自营渠道用于销售运营商提供手机、增值业务等产品销售。
主要包括：
Ø手机及其周边产品（包括手机配件、充值卡、流量包等）的线上浏览、推荐、订单、支付等线上服务；
Ø手机及周边产品的门店体验、物流配送、售后支持、软件服务等线下服务。
3）用户兴趣图谱
对移动互联网用户的基本特征、行为喜好、生活轨迹等维度进行分析，形成对用户的兴趣刻画，用于辅助线上渠道的客户洞察和个性化推荐。
4）用户访问场景
依据用户当前使用的终端、当前使用的客户端应用、当前访问的网站、当前浏览的内容归纳总结出用户当前的访问场景。
用于辅助线上渠道的客户洞察和个性化推荐。
5）实时推荐系统
通过用户兴趣图谱和用户当前访问场景、当前可用的移动商务资源进行数据挖掘，分析出适合当前访问用户的移动商务内容列表。
6）实时决策
依据实时推荐系统提供的匹配当前用户的移动商务内容列表和线上渠道特定的要求，对推荐内容进行进一步的筛选，给出符合线上渠道预期的结果，并提交给线上渠道刺激用户的需求。
7）实时导航
依据与线上渠道的合作需求，对线上渠道提交的用户给与主动的接触，刺激用户的需求，并引导到线上渠道。
2、用户兴趣图谱的建设技术路线：
1）用户基本特征分析
包括客户性别、年龄、入网渠道、品牌、套餐、会员级别、协议捆绑类型等，通过对这些基本特征进行分析，生成客户细分矩阵，了解客户基本构成情况。
2）用户消费行为分析
用户消费行为分析主要基于用户业务订购和使用信息进行分析，数据来源于BSS系统的账单、VAC系统的用户增值业务订购记录以及业务平台的用户使用记录以及通信网的用户话音、短信、数据业务信息。
3）用户通话行为分析
通过对用户通话行为进行分析，把客户按照使用场景进行分类，基于此向客户推荐恰当的套餐和产品。
4）用户上网行为分析
客户的上网行为主要从访问时段、访问终端、访问日期、访问频率高低、访问流量高低等方面来体现；通过对这些特征指标进行数据建模，建立相对稳定的上网行为模型，可以进行基于客户上网行为的流量营销。
5）用户渠道偏好分析
通过客户日常对各个渠道的接触情况，得到用户对哪种渠道的认可度较高，在策划增值业务营销时，通过合适的渠道为客户推荐合适的业务。
客户渠道偏好分析通过分析客户订购、退订、访问渠道信息确定客户对该类渠道的接受度，从而制定相应的渠道营销政策；同时加强对渠道的投诉管控为营销活动营造良好的营销氛围。
6）用户终端匹配分析
通过对订购、使用各种增值业务的用户终端进行归类分析，得出各种增值业务与用户终端的匹配关系，可以有效的指导策划人员，进行基于用户终端的营销策划，到达为合适的人推荐合适业务的目标。
7）用户行为喜好分析
用户的上网行为透露出大量的用户偏好信息。
用户上网信息为手机用户主动消费所产生，因此这部分的信息内容所反映出用户真实的消费心理。
通过对手机用户上网数据进行分析，如用户经常访问的网站、栏目、页面等进行归类统计，形成用户喜好特征库；挖掘用户喜好与手机电视、手机音乐、手机阅读等联通重点业务的内在联系，作出归纳性的推理，进行基于客户行为喜好的流量业务推荐。
8）用户生活轨迹分析
用户生活轨迹分析是指对用户的生活形态和生活习惯进行深入的分析，把用户的生活轨迹标签化。
用户生活轨迹透露出用户的大量信息，如通话场所、日常生活模式等。
通过对这些属性进行分析量化，有效的指导营销工作，进行基于用户生活轨迹的流量业务推荐。
用户生活圈分析通过对客户主要滞留区域位置特征，滞留时长、通话次数、通话时长、短信发送次数、开关机时间、开关机区域通过用户在电路域侧的各种通讯行为，分析用户在生活场所中的轨迹特征，利用用户轨迹数据结合地理场所结合时间特征、频次特征，分析用户的生活形态和特征，即构建用户生活圈，深挖用户需求和偏好特征，并标签化，形成用户特征宽表。
3、用户访问场景识别的技术路线：
1）实时终端识别
识别用户当前访问的终端型号、屏幕大小、是否支持短信、彩信和流媒体等信息。
2）实时客户端识别
识别用户当前访问的应用的名称，应用归属的内容类型，访问产生的流量，以及访问时间和频次信息。
3）实时网址内容识别
识别用户当前访问的网站的名称，网站归属的内容类型，访问产生的流量，以及访问时间和频次信息。
识别用户当前访问的内容的主题关键字，归属的内容类型，访问产生的流量，以及访问时间和频次信息。
4）实时小区位置识别
识别用户当前访问的位置区信息，在该位置区访问的时间信息和频次信息和流量信息。
5）用户访问场景识别
根据用户的当前位置、当前使用的客户端、当前访问的网站、当前浏览的内容信息相结合，归纳出用户当前移动互联网使用场景。
4、智能推荐技术实现路线图：
1）实时推荐引擎
利用iStream流处理框架结合Manhout算法模型通过人工生成的用户兴趣图谱数据样本和移动商务内容资源样本，为不同的用户访问场景匹配不同的推荐内容。
2）实时推荐系统
对接真实的用户访问场景、真实的用户兴趣图谱和真实的移动商务内容资源，为线上渠道提供真实的用户推荐意见。
四、项目技术成熟性与可靠性分析
1、技术成熟性分析
本项目技术方案是通过对各类电商平台的对比分析，并在软件研究开发成果和技术积累基础上提出并逐步完善的。
虽然本项目涉及云存储、分布式服务群、插件化及LBS结合等多项技术，具有相当的技术创新难度，但项目未脱离开发人员的专业范畴。
经过一年多的前期开发，我们已突破并掌握其中各项关键技术，并在各方面均显示出了项目的成熟性。
1）经过前期理论研究，已成功将客户的资料及订购关系存储在云中，并通过软件编程实现和验证了其正确性，为这些关键技术在本项目中的应用奠定了坚实的基础。
2）本项目技术开发骨干在前期“进销存系统”、“客户关系管理系统”、“线下物流配送管理系统”、“分布式系统的设计和实现”等项目开发中，已熟练掌握了大量与电子商务及分布式相关的技术，并精通多种开发工具和开发平台。
这些技术积累可成功应用于本项目的设计和实现之中。
本项目团队技术人员具有长期从事电子商务和系统开发经验的优势，发扬团队精神努力攻关，把本项目实施过程中可能遇到的困难和风险在实施方案中一一列举并采取相应措施，防患于未然。
总之，整个项目技术路线明晰，开发进展顺利，具有较强的成熟性。
我们有理由认为，本项目的技术成熟性和项目开发成功性是有保障的。
本项目开发按照软件工程和ISO9001规范进行，以加强软件质量控制，保证项目开发顺利进行。
本项目的前期产品小范围试运营，招募体验用户认为该前期产品设计思路清晰，用户使用界面友好，功能合理，性能稳定，管理方式灵活，用户可定制部分切合用户需要。
这充分证明了本项目已得到市场的初步认可，在技术上有一定的前瞻性。
2、项目产品可靠性分析
本项目为提高产品可靠性，主要采用的方式包括：
1）基于Zookeeper的分布式调度模型：
ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，它包含一个简单的原语集，分布式应用程序可以基于它实现同步服务，配置维护和命名服务等。
Zookeeper是hadoop的一个子项目，通过一种可靠的、可扩展的、分布式的、可配置的协调机制来统一系统的状态。
2）数据多副本：
数据存储成一系列的数据块，除了最后一个，所有的数据块都是同样大小的。
为了容错，的所有数据块都会有多份副本，分散在不同的节点上，保证节点上数据的可靠性。
3）无状态设计：
无状态服务（statelessservice）对单次请求的处理，不依赖其他请求，也就是说，处理一次请求所需的全部信息，要
升级会员 