数 据 平 台

DATA PLATFORM

技术平台

智能引擎

1.产品介绍

基于Hadoop的Mintaka大数据平台集成了多种语言等工具,实现对海量数据进行清洗、转化、装载,支持PB级数据的处理,并对这些数据进行处理分析,以统计出用户的位置、行为习惯及标签信息,以及深度的内容识别。适用于全网用户分群及应用、基于全网用户上网行为的用户画像及应用等领域,能有效地建立客户社交网识别模型以及用户全方位的画像特征信息,划分客户的社交网,根据用户画像标签,可以精准投放业务产品。

2.产品优势
a.面向用户的大数据应用平台的多元化:

(1) 面向技术人员大数据应用平台,提供友好使用界面,支持SQL脚本的自定义编写和数据输出。

(2) 面向业务人员,支持标签式的数据提取和统计,无需输入专业的SQL脚本。

(3) 结合市场热点情况,自定义业务报表,输出准实时统计数据。

b.支持对海量数据的精准实时处理:

支持对海量数据的精准实时处理和分析:能支撑用户数据的快速膨胀,实现对PB级速度增长的信令数据的处理以及对海量数据的统一采集、统一处理、统一存储、统一分析,以统计出用户的位置、行为习惯及标签信息,建立用户位置及轨迹、用户标签和行为的全方位多维度的画像信息。

c.基于大数据平台的应用分析:
(1)全网用户分群及应用

通过客户的交往圈、位置等信息的分析,建立客户社交网识别模型,有效的划分客户的社交网。

(2)基于全网用户上网行为的用户画像及应用

根据用户的上网搜索、浏览行为以及所使用的app等,分析用户的特征和偏好,建立用户全方位的画像特征信息。根据用户画像标签,可以精准投放业务产品。

3.产品价值
a.平台扩展性

以Hadoop架构为代表的分布式计算平台具备高扩展性、 成本低、高效率、高可靠性等特点,能满足日益复杂的用户行为分析。

b.全网用户分群及应用

建立客户社交网识别模型,划分客户的社交网。对移动用户社交关系链的影响力展开研究,挖掘社交影响力大的用户,继而探索出一种基于社交影响力推广的新型营销模型提升营销成功率。

c.基于全网用户上网行为的用户画像

构建全面丰富的客户标签库,完善客户画像,提升客户细分能力。建立用户全方位的画像特征信息,不但能够全面掌握客户移动生活特征,感知客户的行为变化,实时或非实时地执行运营动作和营销生产动作,以支持市场工作开展,还能支撑商业模式拓展,面向未来探索和开辟新市场。

1.产品介绍

机器学习是人工智能的核心,是使计算机具有智能的根本途径。MLlib 是Spark对常用的机器学习算法的实现库,同时包括相关的测试和数据生成器。MLlib 目前支持四种常见的机器学习问题:决策树、二元分类、线性回归、聚类以及协同过滤,同时也包括一个底层的梯度下降优化基础算法。

Mintaka共享数据处理集群提供一个基于Spark MLlib机器学习的智能学习引擎,用来支持用户标签规则定义以及用户标签统计计算以及用户行为及消费预测。

它实现了对用户位置及轨迹的分析,基于Spark Streaming的实时数据计算,以保证用户位置信息计算的时效性。构建了完整直观的客户标签体系,能有效地提升客户细分能力,为业务营销提供目标客户支撑。建立了全方位的用户行为画像,帮助商户更好地了解用户特征,为营销决策提供支持。

2.产品优势
a.基于大数据能力的用户位置及轨迹分析

支持对用户位置及轨迹进行快速精准地分析,并且保证了用户位置信息的实时性,能更好地了解周边的人群分布和变化。

b.用户标签体系构建

建立完整直观的客户标签体系,采用标签化方法描述并细分客户需求特征,构建全面丰富的客户标签库,完善客户画像,提升客户细分能力,可以有效的筛选目标用户群,以支持向合适的用户推荐合适的业务、产品或数字内容。

c.全维度跨行业的用户行为画像

从移动大数据到商业大数据,跨行业建立精细的用户行为画像。

3.产品价值
用户位置及轨迹分析

基于实时的用户位置及轨迹分析,帮助商户了解用户特征和行为轨迹,帮助商户实时了解周边人群变化,精准投放营销产品。

用户标签体系

建立全息科学的用户标签体系,提升大数据处理分析能力,深化对客户的认知,帮助商户深度认知潜在客户特征,为营销决策提供支撑。

用户行为画像

通过行为分析指标,构建用户分析体系,帮助商户了解群体特征,为终端营销人员提供决策支撑。

TOP