梁山清 李博

摘要：通過(guò)八爪魚(yú)數(shù)據(jù)采集軟件，爬取部分加油站位置信息，并將Spark2大數(shù)據(jù)平臺(tái)連接到貨運(yùn)車(chē)輛的北斗/GPS導(dǎo)航定位數(shù)據(jù)庫(kù)。利用大數(shù)據(jù)平臺(tái)的組件搭建大數(shù)據(jù)分析流程，對(duì)貨車(chē)途經(jīng)各加油站的時(shí)空規(guī)律進(jìn)行多維分析。根據(jù)大數(shù)據(jù)分析結(jié)果，提出加油站競(jìng)爭(zhēng)對(duì)手研判、加油站位置調(diào)整輔助決策、貨車(chē)加油規(guī)律挖掘、客戶黏性分析、客源地分析等具體應(yīng)用場(chǎng)景，對(duì)大數(shù)據(jù)技術(shù)在加油站業(yè)務(wù)推廣方面的應(yīng)用進(jìn)行了探索。

關(guān)鍵詞：Spark2大數(shù)據(jù)平臺(tái)；多維分析；精準(zhǔn)營(yíng)銷(xiāo)；大數(shù)據(jù)技術(shù)

中圖分類號(hào)：TP311.5； U495文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2021）06-64-4

0引言

大數(shù)據(jù)發(fā)展至今，已經(jīng)大量應(yīng)用于金融、電商及零售等行業(yè)的精準(zhǔn)營(yíng)銷(xiāo)場(chǎng)景[1-2]，成為了企業(yè)營(yíng)銷(xiāo)創(chuàng)新的利器。大數(shù)據(jù)營(yíng)銷(xiāo)通過(guò)大數(shù)據(jù)技術(shù)來(lái)處理多源的企業(yè)數(shù)據(jù)，將分析和挖掘結(jié)果應(yīng)用于企業(yè)線上、線下的營(yíng)銷(xiāo)活動(dòng)。這種營(yíng)銷(xiāo)模式幫助企業(yè)真正了解用戶、洞察用戶，對(duì)用戶進(jìn)行差異化、定制化的各類營(yíng)銷(xiāo)活動(dòng)，解決企業(yè)營(yíng)銷(xiāo)觸達(dá)和活動(dòng)閉環(huán)分析，從而找到合適的用戶和時(shí)間，實(shí)現(xiàn)“千人千策”的精準(zhǔn)營(yíng)銷(xiāo)模式。

對(duì)于石油行業(yè)，利用大數(shù)據(jù)為銷(xiāo)售板塊營(yíng)銷(xiāo)創(chuàng)新是必然趨勢(shì)。項(xiàng)目車(chē)輛位置服務(wù)平臺(tái)利用北斗/GPS衛(wèi)星定位技術(shù)對(duì)各類交通車(chē)輛提供綜合位置監(jiān)控[3-5]管理服務(wù)。本文依托大數(shù)據(jù)平臺(tái)，將車(chē)輛位置服務(wù)平臺(tái)的貨運(yùn)車(chē)輛數(shù)據(jù)遷移到Hadoop分布式文件系統(tǒng)，運(yùn)用大數(shù)據(jù)分析與挖掘算法對(duì)貨運(yùn)車(chē)輛數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析和挖掘，實(shí)現(xiàn)針對(duì)加油站業(yè)務(wù)的大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)。

1大數(shù)據(jù)平臺(tái)

大數(shù)據(jù)平臺(tái)采用Hadoop2.x的技術(shù)體系[6]進(jìn)行架構(gòu)設(shè)計(jì)[7-9]，架構(gòu)圖如圖1所示。

大數(shù)據(jù)平臺(tái)包括數(shù)據(jù)源層、數(shù)據(jù)采集與存儲(chǔ)層、數(shù)據(jù)分析與挖掘?qū)?、?shù)據(jù)展示層和數(shù)據(jù)管理層共五部分。其中，數(shù)據(jù)源層是存在于關(guān)系數(shù)據(jù)庫(kù)PostgresSQL中的貨運(yùn)車(chē)輛業(yè)務(wù)數(shù)據(jù)和八爪魚(yú)采集器爬取的加油站的位置數(shù)據(jù)；數(shù)據(jù)采集與存儲(chǔ)層將數(shù)據(jù)源的數(shù)據(jù)遷移并存儲(chǔ)于分布式文件系統(tǒng)HDFS中；數(shù)據(jù)分析與挖掘?qū)踊赮ARN計(jì)算架構(gòu)，協(xié)同Spark2，Mahout，Avro，Ooize，Solr等組件，對(duì)貨運(yùn)車(chē)輛數(shù)據(jù)進(jìn)行分析和挖掘；數(shù)據(jù)展示層對(duì)大數(shù)據(jù)分析結(jié)果進(jìn)行圖形化展現(xiàn)；數(shù)據(jù)管理層負(fù)責(zé)整個(gè)系統(tǒng)的應(yīng)用程序協(xié)調(diào)、數(shù)據(jù)安全管理、系統(tǒng)運(yùn)行動(dòng)態(tài)監(jiān)控等任務(wù)。

1.1數(shù)據(jù)采集與存儲(chǔ)

本文運(yùn)用數(shù)據(jù)源組件將貨運(yùn)車(chē)輛數(shù)據(jù)從PostgreSQL數(shù)據(jù)庫(kù)抽取到大數(shù)據(jù)庫(kù)平臺(tái)Hive庫(kù)，并存儲(chǔ)于HDFS分布式文件系統(tǒng)[10]。貨運(yùn)車(chē)輛數(shù)據(jù)主要包括行業(yè)信息、企業(yè)信息、分組信息、車(chē)輛信息、司機(jī)信息、SIM信息、入網(wǎng)信息、指令信息、日志信息、元數(shù)據(jù)信息、軌跡信息及狀態(tài)信息。其中，軌跡信息包括經(jīng)緯度、地址、時(shí)間、速度、方向、高程及油量等，狀態(tài)信息包括車(chē)輛狀態(tài)信息、報(bào)警狀態(tài)信息、車(chē)機(jī)狀態(tài)信息等。

運(yùn)用八爪魚(yú)數(shù)據(jù)采集軟件抽取百度地圖上若干個(gè)城市的加油站名稱、地址、經(jīng)緯度坐標(biāo)等數(shù)據(jù)，并進(jìn)行了數(shù)據(jù)合并和初步處理，共1 200個(gè)加油站。從網(wǎng)上數(shù)據(jù)分析，大概有10 000個(gè)加油站，抽取量大概是實(shí)際情況的10%。

1.2數(shù)據(jù)預(yù)處理

受衛(wèi)星定位終端設(shè)備故障、信號(hào)不良、冷啟動(dòng)等各種客觀因素的影響，采集的北斗/GPS數(shù)據(jù)存在一定的誤差。本文通過(guò)均值濾波、速度濾波、航向角檢測(cè)等方法來(lái)對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的預(yù)處理操作，剔除無(wú)效數(shù)據(jù)。

1.3數(shù)據(jù)分析與挖掘

數(shù)據(jù)分析與挖掘?qū)硬捎闷脚_(tái)算法庫(kù)自帶的算法模塊進(jìn)行數(shù)據(jù)的并行化計(jì)算和分析，主要包含數(shù)據(jù)預(yù)處理與數(shù)據(jù)分析挖掘。

1.4數(shù)據(jù)可視化展示

數(shù)據(jù)展示層[11]將平臺(tái)分析的部分結(jié)果以直觀的形式進(jìn)行展示。平臺(tái)可以根據(jù)UE的柱狀圖、餅狀圖、折線、雷達(dá)圖、地理分布圖、氣泡圖等多種圖表化元素對(duì)上述分析結(jié)果進(jìn)行可視化展示。

2大數(shù)據(jù)分析

2.1熱門(mén)加油站分析

通過(guò)計(jì)算一段時(shí)間內(nèi)平臺(tái)大數(shù)據(jù)車(chē)輛在各加油站附近的軌跡點(diǎn)數(shù)量[12]，結(jié)合自身加油站業(yè)務(wù)量，分析各加油站潛在的業(yè)務(wù)增長(zhǎng)空間，輔助加油站經(jīng)營(yíng)管理團(tuán)隊(duì)及時(shí)調(diào)整自身經(jīng)營(yíng)策略。

2.2加油站位置分析

通過(guò)分析一段時(shí)間內(nèi)的貨車(chē)軌跡中心的地理坐標(biāo)動(dòng)態(tài)變化規(guī)律，與加油站分布空間特征進(jìn)行對(duì)比，為加油站經(jīng)營(yíng)管理團(tuán)隊(duì)動(dòng)態(tài)調(diào)整加油站的位置和數(shù)量提供數(shù)據(jù)支撐。

2.3加油高峰時(shí)段分析

分析各加油站在全天各個(gè)小時(shí)的加油頻次，一方面輔助加油站調(diào)節(jié)員工工作時(shí)段，另一方面輔助加油站制定不同時(shí)段的優(yōu)惠策略，為業(yè)務(wù)不飽滿時(shí)段吸引更多客戶。

2.4貨車(chē)軌跡聚類分析

通過(guò)對(duì)平臺(tái)上貨車(chē)經(jīng)緯度坐標(biāo)信息進(jìn)行聚類分析[13-16]，確定軌跡中心坐標(biāo)，計(jì)算平臺(tái)貨車(chē)在一定時(shí)間段（天、周、月）內(nèi)的軌跡活動(dòng)中心，動(dòng)態(tài)挖掘熱門(mén)地理位置，從而輔助加油站經(jīng)營(yíng)管理團(tuán)隊(duì)精確掌握商業(yè)發(fā)展規(guī)律，及時(shí)調(diào)整經(jīng)營(yíng)方案和策略。

根據(jù)每天的分析結(jié)果，可以分析聚類中心[17-18]的動(dòng)態(tài)變化。加油站經(jīng)營(yíng)管理團(tuán)隊(duì)可以根據(jù)軌跡中心變化規(guī)律，動(dòng)態(tài)調(diào)整加油站的促銷(xiāo)策略。

2.5貨車(chē)加油規(guī)律分析

貨車(chē)加油規(guī)律分析如下：

（1）貨車(chē)停靠加油站頻次分析

計(jì)算平臺(tái)大數(shù)據(jù)車(chē)輛在各加油站的加油頻次，分析各加油站受貨車(chē)客戶歡迎程度。

（2）貨車(chē)途經(jīng)聚類中心分析

分析每輛貨車(chē)所途經(jīng)的聚類中心，實(shí)現(xiàn)車(chē)過(guò)留痕。具體來(lái)說(shuō)，通過(guò)計(jì)算每輛車(chē)在各聚類中心的軌跡數(shù)量，分析貨車(chē)活動(dòng)的空間規(guī)律，輔助加油站經(jīng)營(yíng)管理團(tuán)隊(duì)實(shí)現(xiàn)對(duì)客戶的精準(zhǔn)營(yíng)銷(xiāo)。

（3）貨車(chē)途經(jīng)加油站分析

分析每輛貨車(chē)所途經(jīng)的加油站，輔助加油站精準(zhǔn)定位潛在客戶。

2.6客戶粘性分析

通過(guò)分析平臺(tái)貨車(chē)軌跡停留歷史，根據(jù)用戶軌跡點(diǎn)的分布，可以為各加油站的用戶分別建立老客戶、新客戶、中間客戶及流失客戶等用戶標(biāo)簽。

對(duì)不同類型的用戶采取不同的營(yíng)銷(xiāo)策略，可以輔助加油站經(jīng)營(yíng)管理團(tuán)隊(duì)建立精準(zhǔn)的成長(zhǎng)型會(huì)員體系，最大優(yōu)惠匹配最高價(jià)值用戶，分層營(yíng)銷(xiāo)，從而將新客戶過(guò)渡為中間客戶，中間客戶過(guò)渡為老客戶，老客戶被鞏固，并減少流失客戶?？蛻粽承苑治鼋⒌木珳?zhǔn)客戶成長(zhǎng)體系，可以有效提高營(yíng)銷(xiāo)效率。

2.7客源地分析

分析每個(gè)加油站的客戶歸屬地結(jié)構(gòu)，為加油站勾勒清晰的客戶地域畫(huà)像，分析不同地區(qū)司機(jī)的社會(huì)活動(dòng)趨勢(shì)[19]。

3分析結(jié)果與應(yīng)用賦能

3.1加油站競(jìng)爭(zhēng)對(duì)手研判

運(yùn)營(yíng)人員可以根據(jù)數(shù)據(jù)分析結(jié)果研判出不同城市的熱門(mén)加油站點(diǎn)，實(shí)時(shí)鎖定近距離競(jìng)爭(zhēng)對(duì)手，再結(jié)合競(jìng)爭(zhēng)對(duì)手的營(yíng)銷(xiāo)策略，及時(shí)調(diào)整自身營(yíng)銷(xiāo)戰(zhàn)術(shù)，精準(zhǔn)拉回流失客戶。

3.2加油站位置調(diào)整輔助決策

加油站位置動(dòng)態(tài)分析結(jié)果如表1所示。

通過(guò)分析不同季度、年度的加油站數(shù)目變化趨勢(shì)，運(yùn)營(yíng)人員可以根據(jù)表中數(shù)據(jù)分析不同地理范圍內(nèi)的加油站密級(jí)程度，從而為現(xiàn)有加油站位置調(diào)整和新建加油站的選址提供精準(zhǔn)的數(shù)據(jù)支撐。

3.3加油高峰時(shí)段鎖定

運(yùn)營(yíng)人員可以通過(guò)表1精準(zhǔn)了解各加油站的高頻工作時(shí)段，可以采取相應(yīng)措施，加大低頻工作時(shí)段的加油優(yōu)惠力度，并動(dòng)態(tài)調(diào)整加油站員工工作時(shí)段，從而在增加加油站營(yíng)業(yè)額的同時(shí)，減少人力投入。

3.4貨車(chē)整體分布態(tài)勢(shì)挖掘

通過(guò)分析貨車(chē)軌跡中心，運(yùn)營(yíng)人員可以研判出平臺(tái)貨車(chē)的活躍范圍，根據(jù)此部分?jǐn)?shù)據(jù)及時(shí)掌握加油站周邊車(chē)輛的總體態(tài)勢(shì)，及時(shí)調(diào)整營(yíng)銷(xiāo)策略。

3.5貨車(chē)加油規(guī)律挖掘

運(yùn)營(yíng)人員可以根據(jù)貨車(chē)途徑聚類中心和加油站的分析結(jié)果精準(zhǔn)掌握某一時(shí)間段內(nèi)途徑某一地理范圍內(nèi)的具體情況，從而結(jié)合自己團(tuán)隊(duì)的加油站集群的地理分布，做出最優(yōu)的營(yíng)銷(xiāo)方案。

3.6基于客戶粘性分析的精準(zhǔn)客戶成長(zhǎng)體系建設(shè)

各加油站老客戶分析結(jié)果如表2所示，新客戶分析結(jié)果如表3所示，中間客戶分析結(jié)果如表4所示。

通過(guò)分析以上表格，各加油站運(yùn)營(yíng)人員可以精準(zhǔn)區(qū)分出不同粘性的客戶群體，從而采取精確的營(yíng)銷(xiāo)策略，在減少老客戶流失的同時(shí)，推動(dòng)新客戶過(guò)渡為回頭客，中間客戶成長(zhǎng)為老客戶。

3.7基于客源地分析的社會(huì)化營(yíng)銷(xiāo)輔助決策

運(yùn)營(yíng)人員可以根據(jù)客源地分析結(jié)果掌握自身加油站網(wǎng)絡(luò)的貨車(chē)客戶來(lái)源地，并以此來(lái)推斷不同客戶的社會(huì)行為習(xí)慣，為采取不同營(yíng)銷(xiāo)手段提供輔助參考。比如，四川人愛(ài)吃辣，在營(yíng)銷(xiāo)過(guò)程中可以對(duì)四川牌照的貨車(chē)采取加油積分兌換辣椒醬的策略。

4結(jié)束語(yǔ)

本文基于大數(shù)據(jù)平臺(tái)，將存儲(chǔ)于車(chē)輛位置服務(wù)平臺(tái)傳統(tǒng)數(shù)據(jù)庫(kù)的貨運(yùn)車(chē)輛數(shù)據(jù)遷移到分布式文件系統(tǒng)，并結(jié)合爬取的加油站數(shù)據(jù)，進(jìn)行了加油站大數(shù)據(jù)的分析和挖掘；設(shè)計(jì)并實(shí)現(xiàn)了一系列算法，對(duì)貨運(yùn)車(chē)輛和加油站數(shù)據(jù)進(jìn)行了多維分析，挖掘貨車(chē)加油的行為規(guī)律和特征。本文所做工作對(duì)于加油站運(yùn)營(yíng)人員實(shí)施精準(zhǔn)多樣的營(yíng)銷(xiāo)策略具有一定的實(shí)用價(jià)值和借鑒意義。

參考文獻(xiàn)

[1]林慶鵬.基于大數(shù)據(jù)挖掘的精準(zhǔn)營(yíng)銷(xiāo)策略研究[D].蘭州：蘭州理工大學(xué)，2016.

[2]卓慧.大數(shù)據(jù)背景下成品油零售市場(chǎng)的精準(zhǔn)營(yíng)銷(xiāo)研究[D].南寧：廣西大學(xué)，2017.

[3]陳敏偉.大數(shù)據(jù)技術(shù)在鐵路貨運(yùn)電子商務(wù)系統(tǒng)中的基本應(yīng)用研究[D].成都：西南交通大學(xué)，2015.

[4]陳嬌娜.大數(shù)據(jù)驅(qū)動(dòng)下的高速公路交通運(yùn)行狀態(tài)評(píng)價(jià)與分析[D].西安：長(zhǎng)安大學(xué)，2016：31-118.

[5]李洪烈，王倩，宋斌.衛(wèi)星通信導(dǎo)航在海上搜救的應(yīng)用[J].無(wú)線電工程，2017，47（6）：15-19，37.

[6]曾憲宇.基于大數(shù)據(jù)技術(shù)的車(chē)輛監(jiān)控系統(tǒng)的優(yōu)化與實(shí)現(xiàn)[D].長(zhǎng)春：吉林大學(xué)，2016：1-2.

[7] YAN X， ZHANG H， WU C. Research and Development of Intelligent Transportation Systems[C]//International Symposium on Distributed Computing and Applications To Business，Engineering & Science. Guilin：IEEE，2012： 321-327.

[8]朱進(jìn)云，陳堅(jiān)，王德政.大數(shù)據(jù)架構(gòu)師指南[M].北京：清華大學(xué)出版社，2016：122-144.

[9] TURKINGTON G.Hadoop基礎(chǔ)教程[M].北京：人民郵電出版社，2014.

[10] WHITE T.Hadoop權(quán)威指南：大數(shù)據(jù)的存儲(chǔ)與分析[M].王海，華東，劉喻，等，譯.北京：清華大學(xué)出版社，2017.

[11]張新陽(yáng)，孫夢(mèng)覺(jué)，牛斌.大屏可視化技術(shù)在電力系統(tǒng)中的應(yīng)用研究[J].電力大數(shù)據(jù)，2017，20（10）：61-64.

[12] CAPRIOLO E，WAMPLER D，RUTHERGLEN J.Hive編程指南[M].曹坤，譯.北京：人民郵電出版社，2013.

[13] SEAN Owen，ROBIN Anil，TED Dunning，et al. Mahout實(shí)戰(zhàn)[M].王斌，韓冀中，萬(wàn)吉，譯.北京：：人民郵電出版社， 2014：10-296.

[14]樊哲.Mahout算法解析與案例實(shí)戰(zhàn)[M].北京：機(jī)械工業(yè)出版社，2014.

[15]張亞茹.基于車(chē)聯(lián)網(wǎng)大數(shù)據(jù)分析的實(shí)時(shí)路況信息系統(tǒng)關(guān)鍵技術(shù)研究[D].南京：南京郵電大學(xué)，2017：17-22.

[16] HAN Jiawei，KAMBER M，PEI Jian.數(shù)據(jù)挖掘：概念與技術(shù)[M].范明，孟小峰，譯.北京：機(jī)械工業(yè)出版社，2012.

[17]趙衛(wèi)中，馬慧芳，傅燕翔，等.基于云計(jì)算平臺(tái)Hadoop的并行k-means聚類算法設(shè)計(jì)研究[J].計(jì)算機(jī)科學(xué)，2011，38（10）：166-168，176.

[18]甘波.基于海量物流軌跡數(shù)據(jù)的分析挖掘系統(tǒng)[D].武漢：武漢理工大學(xué)，2014.

[19]劉速，楊文軍.基于互聯(lián)網(wǎng)及大數(shù)據(jù)的加油站智能營(yíng)銷(xiāo)[J].信息技術(shù)與標(biāo)準(zhǔn)化，2019（5）：53-57.