人人都是业务架构 :寻求突破 , 如何给营销场景带来提升?

2,008 阅读6分钟

一. 前言

营销能力变弱了 ,大批量的营销方式已经很难推动用户的购买欲望,需要一种新的模式来提高营销的效果。

二. 关于营销的思考

在这里主要聊一聊为什么会有使用 Flink 的想法。一般从营销的角度来说 ,会有四个层次 :

定义营销行为 , 被动执行

这种在哪个平台都会有这种营销的方式 ,通过创建一个营销活动 ,由客户自行触发的营销行为。 比如特价商品 ,优惠券发放 ,抽奖行为等 ,一般叫促销

或者通过用户下单 ,访问界面 ,来默认进行送券 ,送积分 ,推荐商品等方式触发,一般叫事件营销

当商家创建好这些营销后 ,会通过 Banner 进行输出 ,由客户自行搜索触发 ,执行营销的行为。

  • 这种行为简单 ,省事 ,是最常见的营销方式 ,在现在仍然有大量的使用。

基于业务经验的主动营销

业务人员基于自己的经验 ,自行收集相关的命中对象 , 同时基于推断 ,为这些对象配置合适的营销活动。

比如近期消费的高等级用户推送符合需求的券等。

  • 业务会收集需要推送的信息 ,也会演变成从数据库中查询指定类型的消费信息 ,会员信息等
  • 这种方式过于复杂 ,会给业务带来很大的工作量 ,效果也是基于业务本身的经验 ,现阶段基本没有使用场景了
  • 这种还处在原始的营销方式 ,能做多好主要基于业务的判断

基于大数据的海量营销

通过大数据框架对海量的数据进行聚合 , 生成用户的人物画像。 例如用户喜欢什么类型 ,经常购买什么 ,购买的主要时间等。

然后基于这些特征 ,创建大量的营销活动 ,进行海量的营销。 例如同时为千万级的用户进行推券 ,推消息等。

  • 这种方式也可能会用到 Flink ,但是海量的营销真要算回报率 ,其实不高。发出去的东西 ,其中能正在触发消费的可能万分之一都不到。

更优秀的方式 : 精准营销

我现在的业务已经过了海量营销的阶段了 ,已经开始靠近精准营销,但是离真正的自动化精准营销还有很大的距离。

精准营销最常见的体现形式就是 : 千人千面不同的人 ,在不同的时候 ,接收到的都是不一样的。

其中不仅涉及到数据的及时 ,还包括准确性和扩散性。

  • 及时 : 今天我想买 ,你应该在我买之前就要把活动推过来 ,明天再给我推 ,快递都已经送到家了。
  • 准确 : 我想买空调 ,你给我推个电扇 ,这是不符合我需求的。
  • 扩散 : 我买了空调 ,我旁边没买空调的邻居也许也想买空调。

  • 这里面就涉及到数据的实时性 ,处理的时效性 ,海量的数据 ,甚至包括特征工程及向量的推导。
  • 这里很重要的是不能和大数据营销混淆 , 把一个月前买了某个东西的人抽出来推动他们这个月再买 ,其实不叫精准。

三. Flink 能做什么?

3.1 我处在什么阶段 ?

现在大多数企业都处在精准营销之前, 有的甚至没什么营销。

而我们处在偏精准营销的阶段 ,试图通过降低数据收集的时间和实时的消费行为 ,从而发类似的营销活动。

但是这种处理的量很少 ,对应的营销行为也比较少,相对而言限制性很高。

3.2 出于大数据的海量营销方式 ,本质上有哪些问题 ?

  • 数据实时性有限 : 一般这种方式会消耗大量的资源 ,从十几亿的数据基数里面进行数据统计 ,一般都是跨天
  • 数据准确的有限 : 采集基于数据的准确性来判断 ,这种准确性并不高 ,是走量的模式
  • 营销的回报率低 : 可能几百万的券发出去了 ,真正核销的才几万不到
  • 并发的要求高 : 海量的方式会每天集中在某个时间点批量的营销,对系统压力太大

3.3 Flink 能否解决这些问题?

基于这些 ,需要一个工具能实现更快速 ,更准确的数据处理 ,Flink 就是一个很好的选择。

这一篇就不谈技术 ,来看看现阶段大型企业是如何做自己的实时处理的 :

@ 以下资料来源于阿里藏经阁 《Apache Flink 案例集》

小米 Flink流批一体

小米从 2019 年逐步把 SparkStreaming 替换为 Flink ,基于 Flink 等组件 ,使数据链路由 T+1 降低到了秒级

并且在 2021 年基于 Flink 和 Iceberg 来构建流批一体的实时数仓解决方案。

而后发展出了 离线的数据集成 + 实时数据集成 + 批流混合集成 的数据集成方式。

通过对 DB Binglog 和 日志数据的收集 ,来实现后续的业务。

快手通过 Flink 实现实时数据分析

快手自 2018 年开始对 Flink 进行整合 ,后面逐步开始实时化的处理数据 ,例如 :

  • 超大多维报表的实时化
  • 湖仓一体的建设

当然还有很多其他的案例 ,主要是偏结构和技术 ,对业务常见的描述较少。

但是从提来说 ,Flink 完全可以解决以下问题 :

  • 复杂的数据源和海量的数据
  • 低延迟的实时数据处理 ,实时数据分析
  • 智能的扩展 ,包括 AI 的后续复杂处理及计算
  • 优秀的计算能力,可扩展能力

总结

从需求上来说 ,来实现千人千面级别的自动化精准营销 ,常用的大数据框架是不满足特性的。

一般的大数据通常是海量数据的处理 ,但是实时性并不会特别强。

而使用 Flink 是可以实现我们的需求 ,它实时处理能力和有状态的精准处理 ,可以用来做精准营销的组件之一。

逆水行舟 ,不寻求突破 ,就难免会掉队。

最后的最后 ❤️❤️❤️👇👇👇