黃章樹 李寶玉 陳翠萍

(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院，福建福州 350108)

?

基于云計(jì)算的客戶知識(shí)共享資源庫(kù)平臺(tái)構(gòu)建

黃章樹 李寶玉 陳翠萍

(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院，福建福州 350108)

云計(jì)算技術(shù)的發(fā)展與成熟為跨平臺(tái)數(shù)據(jù)資源的共享帶來了福音，其強(qiáng)大的計(jì)算能力、高存儲(chǔ)、低成本特征使得資源的共享變得更加切合實(shí)際需求。本文圍繞電商企業(yè)客戶信息管理中存在的問題，闡述基于云計(jì)算服務(wù)模式的客戶知識(shí)共享資源庫(kù)平臺(tái)的構(gòu)建思路，從平臺(tái)的服務(wù)模式、資源管理和三層架構(gòu)模型三方面論述平臺(tái)的實(shí)現(xiàn)過程，詳細(xì)介紹了平臺(tái)的主要應(yīng)用服務(wù)內(nèi)容。最后通過基于該平臺(tái)的RFM模型應(yīng)用論證了基于客戶知識(shí)共享資源庫(kù)進(jìn)行精準(zhǔn)大數(shù)據(jù)挖掘的可行性。

知識(shí)共享；資源庫(kù)；云計(jì)算；客戶管理

互聯(lián)網(wǎng)高速發(fā)展的今天，數(shù)據(jù)已經(jīng)成為提升企業(yè)綜合競(jìng)爭(zhēng)力，贏得市場(chǎng)的關(guān)鍵性資源?！按髷?shù)據(jù)摩爾定律”揭示了數(shù)據(jù)量正以超乎想象的速度在增長(zhǎng)，隨著客戶數(shù)據(jù)的幾何倍數(shù)增長(zhǎng)，電商企業(yè)面臨的挑戰(zhàn)也日益加劇。大數(shù)據(jù)的4V特征(Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值))的每一方面都對(duì)企業(yè)數(shù)據(jù)處理工作造成巨大的挑戰(zhàn)。特別是Web2.0時(shí)代的到來，客戶在互聯(lián)網(wǎng)絡(luò)上的表現(xiàn)越來越活躍，社交網(wǎng)絡(luò)、大眾媒體、口碑式電商等平臺(tái)的信息與日俱增，不同媒介平臺(tái)信息的強(qiáng)異構(gòu)性、分布存儲(chǔ)性、高冗余性及海量性是一般電商企業(yè)所無法駕馭的。面對(duì)企業(yè)內(nèi)外部的海量數(shù)據(jù)，企業(yè)如何利用海量數(shù)據(jù)挖掘出有價(jià)值的客戶信息以及通過洞察分析海量數(shù)據(jù)，幫助企業(yè)做出更快更明智的客戶管理策略成為當(dāng)今研究的焦點(diǎn)。

構(gòu)建基于云計(jì)算服務(wù)模式的客戶知識(shí)共享資源庫(kù)平臺(tái)(Customer knowledge sharing resource library，以下簡(jiǎn)稱CKSRL)是解決上述問題的一個(gè)可行方案。借助云計(jì)算平臺(tái)強(qiáng)大的分布數(shù)據(jù)存儲(chǔ)、高效的計(jì)算能力及虛擬化特點(diǎn)，CKSRL旨在實(shí)現(xiàn)跨平臺(tái)異構(gòu)數(shù)據(jù)環(huán)境下電商企業(yè)客戶信息的自動(dòng)過濾、清洗、安全管理和推送服務(wù)。平臺(tái)以用戶為導(dǎo)向，以最大化實(shí)現(xiàn)用戶的個(gè)性化需求為目標(biāo)，通過數(shù)據(jù)挖掘技術(shù)輔以適合的規(guī)則匹配算法實(shí)現(xiàn)對(duì)用戶需求資源的提取、過濾、評(píng)價(jià)和推薦功能。

1 研究綜述

對(duì)云計(jì)算(Cloud Computing)的定義學(xué)術(shù)界并沒有形成統(tǒng)一的意見，由谷歌首席執(zhí)行官埃里克·施密特在2006年的搜索引擎大會(huì)提出的云計(jì)算概念被認(rèn)為是其最正統(tǒng)的誕生記，自那以后云計(jì)算受到國(guó)內(nèi)外廣大學(xué)者的追捧，從用戶角度最通俗的理解為：云計(jì)算是一種新型的商業(yè)模式，它像水電煤氣一樣，只要你需要，給付一定的費(fèi)用即可得到。目前云計(jì)算被廣泛應(yīng)用于金融、醫(yī)療、IT等領(lǐng)域，Google的App Engine開啟公司的云計(jì)算之旅；亞馬遜的云計(jì)算服務(wù)(Amazon Web Services，AWS)在IaaS領(lǐng)域中獨(dú)領(lǐng)風(fēng)騷，成為全球范圍內(nèi)實(shí)際意義上的公有云計(jì)算主導(dǎo)者；在國(guó)內(nèi)阿里巴巴集團(tuán)于2009年成立“阿里云”子公司專注于云計(jì)算領(lǐng)域的開發(fā)研究；騰訊也在2010年加緊腳步進(jìn)軍云計(jì)算領(lǐng)域，目前已有較成熟的云服務(wù)器、云存儲(chǔ)產(chǎn)品。

在云計(jì)算數(shù)據(jù)管理方面上的應(yīng)用研究，國(guó)內(nèi)外已有一些研究成果：國(guó)外學(xué)者Goscinski和Brock(2010)提出基于云計(jì)算的Web服務(wù)資源框架(RVWS)，研究如何通過網(wǎng)頁接口進(jìn)行動(dòng)態(tài)資源的發(fā)布、搜索、選擇、使用現(xiàn)有云，并實(shí)踐證明了其框架的可行性及高效性[1]。Teregowda等(2010)討論了在當(dāng)前索引文件瘋狂增長(zhǎng)及用戶個(gè)性化需求日益增加的環(huán)境下CiteSeerx所面臨的挑戰(zhàn)，提出基于云計(jì)算的高虛擬存儲(chǔ)系統(tǒng)以實(shí)現(xiàn)CiteSeerx的可持續(xù)經(jīng)營(yíng)[2]。J.Octavio(2010)等在其書中指出在云計(jì)算環(huán)境中消費(fèi)者、中間商和服務(wù)提供商三者交互影響，其將每一參與者視為一個(gè)Agent提出了一種云環(huán)境下基于多Agent的服務(wù)資源組合優(yōu)化框架[3]。Gutierrez(2011)提出面向服務(wù)的移動(dòng)云計(jì)算體系架構(gòu)，采用開放網(wǎng)關(guān)和APIs維持底層豐富的網(wǎng)絡(luò)資源用以實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)(NaaS)[4]。國(guó)內(nèi)學(xué)者張鼐(2010)以圖書館信息資源共享問題為例探討了基于內(nèi)容構(gòu)建和服務(wù)構(gòu)建的圖書館信息資源共享模式[5]。劉向等(2014)提出采用中介器/封裝器設(shè)計(jì)模式，以GLAV方式實(shí)現(xiàn)中心節(jié)點(diǎn)間的數(shù)據(jù)分布存儲(chǔ)和信息交互，構(gòu)建基于云計(jì)算環(huán)境信息資源集成共享五層架構(gòu)模型[6]。綜上所述，對(duì)云計(jì)算的體系及構(gòu)架的研究已有一些成果，但在電商領(lǐng)域的客戶知識(shí)共享管理的應(yīng)用方面還有待進(jìn)一步的研究。

2 電商企業(yè)客戶信息資源管理存在的問題

電商企業(yè)的客戶信息資源管理往往局限于內(nèi)部數(shù)據(jù)的挖掘，然而內(nèi)部信息往往只是客戶信息的冰山一角，并不能反映客戶的真正需求。特別是在互聯(lián)網(wǎng)背景下，一方面，客戶網(wǎng)上社交行為產(chǎn)生了大量的用戶偏好數(shù)據(jù)、實(shí)時(shí)產(chǎn)品需求信息，這些信息往往對(duì)準(zhǔn)確判斷客戶需求至關(guān)重要。另一方面，隨著電商平臺(tái)的發(fā)展，客戶的選擇更加自由，客戶跨平臺(tái)的交易使得單平臺(tái)的數(shù)據(jù)挖掘變得不可靠，例如客戶實(shí)際已經(jīng)在B電商平臺(tái)購(gòu)買了最近在A平臺(tái)搜索過的產(chǎn)品，但是由于信息的不對(duì)稱，A平臺(tái)根據(jù)最近搜索推薦機(jī)制仍繼續(xù)向客戶推薦該產(chǎn)品，如此不僅影響平臺(tái)的廣告效果而且也造成了客戶主觀厭倦甚至是被視為廣告騷擾。此外，中小電商企業(yè)由于資金、成本、人才等的限制，在海量數(shù)據(jù)中提取、處理和利用數(shù)據(jù)的成本往往超過了數(shù)據(jù)本身價(jià)值。因此迫切需要一種基于按需付費(fèi)、低成本、高可靠性與擴(kuò)展性的客戶知識(shí)交易模式為企業(yè)提供有價(jià)值的客戶信息。鑒于此，本文提出基于云計(jì)算的客戶知識(shí)共享資源庫(kù)平臺(tái)的構(gòu)建方案，并闡述平臺(tái)的主要應(yīng)用服務(wù)內(nèi)容。

3 基于云計(jì)算的CKSRL構(gòu)建

3.1 平臺(tái)構(gòu)建的意義

CKSRL平臺(tái)體現(xiàn)的是以用戶服務(wù)為中心，采用需求拉動(dòng)形式的服務(wù)模式，為電商企業(yè)提供按需付費(fèi)的客戶知識(shí)管理服務(wù)，平臺(tái)借助云計(jì)算技術(shù)以解決跨平臺(tái)資源異構(gòu)性、分布存儲(chǔ)問題。平臺(tái)的建設(shè)具有較強(qiáng)的現(xiàn)實(shí)意義。

(1)CKSRL中的客戶知識(shí)是基于數(shù)據(jù)共享的多平臺(tái)數(shù)據(jù)整合與交互，因而從共享資源云中抽取的數(shù)據(jù)能夠提供客戶360度全方位信息，其客戶知識(shí)準(zhǔn)確度更高，知識(shí)覆蓋范圍更廣。

(2)CKSRL助力電商營(yíng)銷，各互聯(lián)網(wǎng)運(yùn)營(yíng)商平臺(tái)通過公共數(shù)據(jù)云建立客戶知識(shí)模式后，能夠借助其電商用平臺(tái)特點(diǎn)為中小型電商企業(yè)提供精準(zhǔn)化、個(gè)性化營(yíng)銷服務(wù)。

(3)基于“云計(jì)算”的服務(wù)模式讓中小型電商企業(yè)的大數(shù)據(jù)客戶挖掘價(jià)值成為可能。按需付費(fèi)的客戶資源獲取，使得中小電商企業(yè)能夠以較低的成本進(jìn)行有效的客戶關(guān)系管理。

綜上，CKSRL的建設(shè)具有較強(qiáng)的現(xiàn)實(shí)意義，以下將從CKSRL的服務(wù)模式、跨平臺(tái)信息資源管理方法、平臺(tái)構(gòu)架及其主要功能論述CKSRL的構(gòu)建方案。

3.2 服務(wù)模式

要實(shí)現(xiàn)客戶資源的共享，首先必須建立相應(yīng)的信息服務(wù)共享機(jī)制，如圖1所示，由資源管理仲裁委員會(huì)負(fù)責(zé)資源的統(tǒng)籌問題：制定相應(yīng)的標(biāo)準(zhǔn)、服務(wù)機(jī)制、資源管理策略等并尋求合適的云計(jì)算運(yùn)營(yíng)商，由云計(jì)算運(yùn)營(yíng)商根據(jù)服務(wù)協(xié)議內(nèi)容進(jìn)行共享資源云的構(gòu)建，解決跨平臺(tái)數(shù)據(jù)源的資源云架構(gòu)、資源數(shù)據(jù)安全、資源分配、使用管理問題。電商平臺(tái)、社交網(wǎng)站等互聯(lián)網(wǎng)運(yùn)營(yíng)商平臺(tái)既是共享資源云的資源供應(yīng)商，也是資源云的受益商，它們首先基于信息提供協(xié)議向云計(jì)算運(yùn)營(yíng)商提供其平臺(tái)資源接口，接著根據(jù)資源云的信息使用協(xié)議，取得公共資源云的授權(quán)資源，構(gòu)建各自的CKSRL應(yīng)用服務(wù)平臺(tái)為其平臺(tái)上的電商企業(yè)提供客戶知識(shí)管理服務(wù)以及廣告營(yíng)銷服務(wù)。由此可見，平臺(tái)的實(shí)現(xiàn)將涉及眾多的利益相關(guān)方如提供與使用資源的平臺(tái)運(yùn)營(yíng)商、維護(hù)共享云的云計(jì)算運(yùn)營(yíng)商、平臺(tái)最終用戶——電商企業(yè)，它們之間彼此相互關(guān)聯(lián)相互依賴，但又存在資源競(jìng)爭(zhēng)關(guān)系，因此仲裁委員會(huì)需要解決如何基于合作博弈最大化各平臺(tái)的利益。

圖1 服務(wù)模式

3.3 跨平臺(tái)信息資源管理

跨平臺(tái)信息資源管理是構(gòu)建CKSRL平臺(tái)的重點(diǎn)難點(diǎn)之一，為了能夠?qū)崿F(xiàn)不同信息源之間的共享與交換，首先需要解決各平臺(tái)底層資源的異構(gòu)性和復(fù)雜性問題，以實(shí)現(xiàn)分散資源的整合。這部分工作主要包括跨平臺(tái)信息資源的描述、資源發(fā)現(xiàn)與匹配、資源的動(dòng)態(tài)管理等。目前比較常用的資源描述方法有HTML(超文本鏈接標(biāo)記語言)、XML(或擴(kuò)展標(biāo)記語言)、RDF(資源描述框架)和本體語言。HTML廣泛用于Internet上的信息描述，但由于其擴(kuò)展性較弱且其表達(dá)性較差無法適應(yīng)云計(jì)算的資源描述需求，因此在云計(jì)算領(lǐng)域中后3種語言較為常見，這3種語言在HTML語言的基礎(chǔ)上進(jìn)行衍生與擴(kuò)展，其較好地描述了異構(gòu)信息資源的內(nèi)外部特征；資源發(fā)現(xiàn)與匹配通過數(shù)據(jù)挖掘方法實(shí)現(xiàn)跨平臺(tái)的資源調(diào)用與資源整合，當(dāng)前的主流方式有基于分布式環(huán)境下的信息資源發(fā)現(xiàn)機(jī)制和基于語義規(guī)則的匹配，張迎新等(2010)提出一種基于服務(wù)屬性和功能描述的混合服務(wù)匹配方法，以服務(wù)本體為基準(zhǔn)采用LSA算法進(jìn)行相似性匹配并實(shí)證了此方法的效率優(yōu)化性[7]。在資源動(dòng)態(tài)管理方面，客戶信息總是處在不斷的變化當(dāng)中，為了達(dá)到最大化的客戶知識(shí)協(xié)同管理，必須解決信息資源在不同資源平臺(tái)的動(dòng)態(tài)復(fù)制與遷移問題。而不同平臺(tái)的信息結(jié)構(gòu)、負(fù)荷能力往往不同，因此需要建立一套具有高擴(kuò)展、強(qiáng)時(shí)效、適應(yīng)資源狀態(tài)不斷變化的高效動(dòng)態(tài)管理機(jī)制以實(shí)現(xiàn)對(duì)信息資源進(jìn)行合理的分配與協(xié)調(diào)。

3.4 CKSRL平臺(tái)架構(gòu)

基于云計(jì)算的CKSRL平臺(tái)是從用戶的角度出發(fā)，以需求推動(dòng)系統(tǒng)的運(yùn)行，因此選擇一種合適的架構(gòu)模式至關(guān)重要。目前比較常見的模式有：基于層次的架構(gòu)、基于代理Agent的架構(gòu)以及基于P2P點(diǎn)對(duì)點(diǎn)的架構(gòu)，關(guān)于這3種模式的研究，徐達(dá)宇等(2012)在其論文中進(jìn)行了詳細(xì)的探討與說明，并建立了云環(huán)境下多源信息資源管理系統(tǒng)框架[8]?；趯哟蔚募軜?gòu)模型與HTTP請(qǐng)求類似，它將請(qǐng)求的資源逐層提交給上層服務(wù)器后，服務(wù)器處理完畢后再逐層下發(fā)給請(qǐng)求層，其相關(guān)理論及技術(shù)的發(fā)展較為成熟，因此本文采取此種模式進(jìn)行研究。

假如在數(shù)據(jù)整合之前，所有數(shù)據(jù)中關(guān)于客戶隱私的細(xì)節(jié)都可以被有效隱藏。那么通過整合分布在各個(gè)平臺(tái)的數(shù)據(jù)“云”構(gòu)建一個(gè)龐大的“共享資源云”，由資源管理仲裁委員會(huì)授權(quán)的云計(jì)算運(yùn)營(yíng)商進(jìn)行“共享資源云”的基礎(chǔ)建設(shè)及資源管理。各互聯(lián)網(wǎng)平臺(tái)基于對(duì)資源云的資源貢獻(xiàn)度及資源付費(fèi)規(guī)則獲取相應(yīng)的授權(quán)資源，實(shí)現(xiàn)以客戶知識(shí)發(fā)現(xiàn)為核心的CKSRL平臺(tái)構(gòu)建，然后通過CKSRL平臺(tái)為電商企業(yè)提供按需付費(fèi)的客戶知識(shí)服務(wù)，同時(shí)也能為各平臺(tái)的產(chǎn)品推廣提供有力支持，最終提高各平臺(tái)的廣告營(yíng)銷效益。CKSRL平臺(tái)架構(gòu)分為3層，分別為云數(shù)據(jù)層、云計(jì)算層、云表現(xiàn)層，平臺(tái)結(jié)構(gòu)如圖2所示。

云數(shù)據(jù)層是構(gòu)建CKSRL平臺(tái)的基礎(chǔ)，主要實(shí)現(xiàn)將不同平臺(tái)上的數(shù)據(jù)資源進(jìn)行整合，建立共享資源云，實(shí)現(xiàn)跨平臺(tái)數(shù)據(jù)的整合、抽取、清洗以及客戶隱私信息的有效屏蔽。其主要包括物理層和數(shù)據(jù)云兩部分，物理層面向的是數(shù)據(jù)傳輸媒體，主要由各電商平臺(tái)、社交平臺(tái)、搜索引擎等互聯(lián)網(wǎng)平臺(tái)的服務(wù)器設(shè)備、數(shù)據(jù)庫(kù)存儲(chǔ)設(shè)備、網(wǎng)絡(luò)設(shè)備構(gòu)成以及云計(jì)算運(yùn)營(yíng)商的資源整合管理設(shè)備組成；數(shù)據(jù)云層通過采用虛擬化技術(shù)實(shí)現(xiàn)共享資源云的構(gòu)建，為跨平臺(tái)的數(shù)據(jù)共享協(xié)同工作打下基礎(chǔ)；該云層的技術(shù)關(guān)鍵點(diǎn)在于虛擬化技術(shù)和數(shù)據(jù)庫(kù)訪問中間件技術(shù)的應(yīng)用，為節(jié)約軟硬件的投入成本需要采用服務(wù)器虛擬化以及技術(shù)最大化服務(wù)器的利用率，為系統(tǒng)提供相互隔離的應(yīng)用執(zhí)行環(huán)境以實(shí)現(xiàn)各子系統(tǒng)的安全性，此外采用服務(wù)器虛擬化技術(shù)進(jìn)行動(dòng)態(tài)資源調(diào)配也可提升系統(tǒng)運(yùn)行的穩(wěn)定性；數(shù)據(jù)庫(kù)訪問中間件技術(shù)解決的是不同互聯(lián)網(wǎng)運(yùn)營(yíng)商間數(shù)據(jù)接口的不一致問題，不同運(yùn)營(yíng)商所使用的數(shù)據(jù)庫(kù)不一樣，有的使用ORACLE，也有的使用SYBASE，使用該中間件可隱藏網(wǎng)絡(luò)部件的異構(gòu)性，實(shí)現(xiàn)服務(wù)器透明性、網(wǎng)絡(luò)透明性以及語言透明性。通過以上兩種關(guān)鍵技術(shù)最終實(shí)現(xiàn)物理層和數(shù)據(jù)云層的交互。

云計(jì)算層是平臺(tái)架構(gòu)的核心層，該層負(fù)責(zé)對(duì)共享資源云進(jìn)行有效管理，主要包含3個(gè)方面，(1)用戶管理：保證用戶數(shù)據(jù)的安全性，對(duì)用戶權(quán)限的合法性進(jìn)行控制；(2)資源服務(wù)管理：對(duì)入池資源進(jìn)行審核，根據(jù)資源調(diào)配機(jī)制進(jìn)行資源分配、資源訪問、申請(qǐng)管理、任務(wù)分配、資源使用計(jì)費(fèi)、共享云監(jiān)測(cè)和能耗管理等工作；(3)平臺(tái)安全服務(wù)：保證平臺(tái)數(shù)據(jù)的安全存儲(chǔ)、合法使用，確保平臺(tái)運(yùn)行的穩(wěn)定性以及服務(wù)器間信息傳遞及網(wǎng)絡(luò)信息的安全性。云計(jì)算層采用Apache開源云計(jì)算框架——Hadoop，其底層的分布式文件系統(tǒng)(HDFS)具有高容錯(cuò)性和高吞吐量，能夠?qū)崿F(xiàn)低成本的海量數(shù)據(jù)存儲(chǔ)。上層的MapReduce實(shí)現(xiàn)任務(wù)的分散與結(jié)果的匯總，為提高計(jì)算效率提供了技術(shù)支持。至此，云計(jì)算運(yùn)營(yíng)商完成共享資源云的搭建工作，與此同時(shí)各平臺(tái)根據(jù)各自CKSRL建設(shè)需求引入數(shù)據(jù)分析中間件實(shí)現(xiàn)進(jìn)行數(shù)據(jù)分析挖掘管理工作以實(shí)現(xiàn)用戶的需求。

云表現(xiàn)層位于三層結(jié)構(gòu)的最頂層也即CKSRL的具體應(yīng)用層，其基本應(yīng)用服務(wù)含有客戶基礎(chǔ)知識(shí)庫(kù)管理、動(dòng)態(tài)需求庫(kù)管理、決策支持分析、廣告推送營(yíng)銷服務(wù)、可視化分析報(bào)告等應(yīng)用，在此基礎(chǔ)上也可根據(jù)用戶的具體需求進(jìn)行改進(jìn)與完善，從而滿足客戶個(gè)性化的資源獲取需求。本層由用戶接口、服務(wù)內(nèi)容、訪問模式、客戶管理等功能組成。其中用戶接口層描述終端的資源請(qǐng)求方式如電腦終端、手持終端等；服務(wù)內(nèi)容即用戶的服務(wù)請(qǐng)求內(nèi)容；訪問模式主要有B/S模式、C/S模式；用戶管理主要實(shí)現(xiàn)前端用戶的訪問權(quán)限控制以及對(duì)用戶的合法性進(jìn)行審核。

圖2 CKSRL平臺(tái)系統(tǒng)架構(gòu)

3.5 CKSRL平臺(tái)的應(yīng)用服務(wù)

共享資源云通過虛擬化技術(shù)集中了海量信息資源的虛擬映射，各互聯(lián)網(wǎng)運(yùn)營(yíng)商基于“共享云”借助大數(shù)據(jù)分析與挖掘工具實(shí)現(xiàn)CKSRL平臺(tái)應(yīng)用服務(wù)，提供客戶360°全視圖知識(shí)管理、動(dòng)態(tài)需求分析、客戶關(guān)系管理、精準(zhǔn)廣告服務(wù)。

3.5.1 客戶360°全方位基礎(chǔ)信息的收集

通過已有客戶數(shù)據(jù)的積累，結(jié)合公共數(shù)據(jù)資源云進(jìn)行客戶知識(shí)的完善及客戶群體的分析，構(gòu)建包含客戶人口統(tǒng)計(jì)學(xué)特征、人口地理學(xué)特征、購(gòu)買時(shí)機(jī)特征、消費(fèi)特征及群體特征的客戶360°全方位信息知識(shí)庫(kù)。其中人口統(tǒng)計(jì)學(xué)特征包括：性別、年齡、學(xué)歷、行業(yè)、職業(yè)等；地理特征包含：購(gòu)買渠道、購(gòu)買地點(diǎn)等；購(gòu)買時(shí)機(jī)特征包括兩方面內(nèi)容，一是公共時(shí)機(jī)如雙11、雙12、國(guó)慶、春節(jié)及各種節(jié)假日等全民性活動(dòng)；二是個(gè)人時(shí)機(jī)特征如結(jié)婚、入學(xué)、紀(jì)念日等；消費(fèi)特征描述客戶的消費(fèi)、服務(wù)偏好、產(chǎn)品購(gòu)買生命周期等信息；群體特征給出客戶的個(gè)性特征、生活偏好等。

3.5.2 客戶動(dòng)態(tài)需求分析

在線廣告營(yíng)銷成功的關(guān)鍵在于“在正確的時(shí)間，正確的地點(diǎn)，向正確的消費(fèi)者，使用正確的營(yíng)銷策略，銷售正確的產(chǎn)品”，因此獲取客戶的實(shí)時(shí)動(dòng)態(tài)需求至關(guān)重要，CKSRL平臺(tái)使用日增量方式更新動(dòng)態(tài)需求庫(kù)的客戶實(shí)時(shí)需求。通過抓取待分析客戶的社交數(shù)據(jù)、電商平臺(tái)瀏覽記錄及搜索引擎的數(shù)據(jù)，結(jié)合客戶基礎(chǔ)知識(shí)庫(kù)中的客戶信息即可建立客戶購(gòu)買意向預(yù)測(cè)模型，實(shí)現(xiàn)客戶動(dòng)態(tài)需求分析。

3.5.3 客戶關(guān)系管理

結(jié)合用戶本身積累的企業(yè)內(nèi)部客戶信息，平臺(tái)可為企業(yè)提供全方位的客戶關(guān)系管理咨詢服務(wù)工作，包括：利用平臺(tái)現(xiàn)有資源采用相似度模型挖掘潛在客戶，對(duì)已有客戶進(jìn)行交易分析、生存分析、客戶流失預(yù)警、行為預(yù)測(cè)分析，提供客戶保持及挽留策略，量化客戶關(guān)系管理成本績(jī)效。

3.5.4 精準(zhǔn)廣告推送

在線廣告投放的典型任務(wù)包括搜索廣告、上下文廣告、顯示廣告及行為定位，平臺(tái)建立一整套與在線廣告投放、計(jì)價(jià)、效果評(píng)估等相關(guān)的算法模型庫(kù)，如精準(zhǔn)廣告推送的關(guān)鍵詞匹配、排序算法、受眾人群匹配算法等；基于CTR(Click Through Rate)點(diǎn)擊率的廣告投放成本預(yù)測(cè)模型，結(jié)合客戶基礎(chǔ)知識(shí)庫(kù)及動(dòng)態(tài)需求庫(kù)建立用于客戶定位的協(xié)同過濾模型等。通過這些算法庫(kù)模型實(shí)現(xiàn)精準(zhǔn)廣告營(yíng)銷、廣告成本測(cè)算及效果計(jì)量。

4 基于CKSRL平臺(tái)的RFM模型應(yīng)用

RFM(recency，frequency，monetary)模型是CRM中的重要模型，它被廣泛用于衡量客戶價(jià)值和估算客戶創(chuàng)利能力。通過R(客戶最近一次交易離現(xiàn)在的時(shí)間間隔)、F(客戶購(gòu)買頻率)、M(客戶的消費(fèi)額)3個(gè)指標(biāo)來衡量客戶的價(jià)值。傳統(tǒng)的RFM是建立在自有數(shù)據(jù)庫(kù)基礎(chǔ)之上的，但對(duì)于多數(shù)電商企業(yè)來說，采用單一平臺(tái)進(jìn)行的RFM客戶知識(shí)挖掘并不能保證數(shù)據(jù)挖掘的準(zhǔn)確性。此外，隨著電子商務(wù)的不斷發(fā)展，每一商品都有其易獲取的替代品，且同一商品在電商平臺(tái)上都存在多個(gè)店鋪同時(shí)在售，因此要掌握客戶對(duì)某一產(chǎn)品的購(gòu)買頻率和最近一次購(gòu)買時(shí)間點(diǎn)比較困難。若企業(yè)通過CKSRL平臺(tái)，則可以采用按需付費(fèi)的低成本方式取得比自主分析更精確的客戶數(shù)據(jù)，具體流程如下：

圖3 基于CKRSL平臺(tái)的客戶RFM分析流程圖

步驟1：提交企業(yè)分析請(qǐng)求，企業(yè)根據(jù)自有數(shù)據(jù)庫(kù)向平臺(tái)提供所需要分析的客戶名、主導(dǎo)產(chǎn)品等相關(guān)信息，平臺(tái)分析人員對(duì)客戶請(qǐng)求進(jìn)行需求確認(rèn)。

步驟2：獲取客戶基礎(chǔ)信息，平臺(tái)分析人員根據(jù)客戶名匹配模式從客戶基礎(chǔ)知識(shí)資源庫(kù)中找到對(duì)應(yīng)的客戶，同時(shí)輸出綜合各平臺(tái)分析后的客戶360°基礎(chǔ)知識(shí)，如客戶的商品定位、偏好電商平臺(tái)、網(wǎng)購(gòu)活躍度、偏好社交平臺(tái)、社交活躍度等，將用戶標(biāo)上行為標(biāo)簽。

步驟3：數(shù)據(jù)抽取，通過步驟2得到待分析客戶的基礎(chǔ)信息后，結(jié)合產(chǎn)品特征從共享資源云中匹配客戶及產(chǎn)品記錄，取得客戶相關(guān)產(chǎn)品及替代品的交易數(shù)據(jù)并對(duì)這些數(shù)據(jù)進(jìn)行清洗，與此同時(shí)云計(jì)算運(yùn)營(yíng)商進(jìn)行資源調(diào)度、分配與計(jì)費(fèi)工作。

步驟4：數(shù)據(jù)挖掘，取得相關(guān)數(shù)據(jù)后就可以按分析主題進(jìn)行數(shù)據(jù)挖掘，伴隨著數(shù)據(jù)挖掘技術(shù)的不斷成熟，如何有效選擇合適的數(shù)據(jù)挖掘算法成為數(shù)據(jù)挖掘的重點(diǎn)。在客戶價(jià)值分析方面，可以采用基于RFM模型和協(xié)同過濾的客戶細(xì)分及價(jià)值分析法，根據(jù)上一步驟取得的客戶產(chǎn)品及替代品的交易記錄使用RFM算法即可得到客戶對(duì)某一同質(zhì)產(chǎn)品的最近一次消費(fèi)的時(shí)間、購(gòu)買頻率、消費(fèi)水平。最后，采用協(xié)同過濾算法進(jìn)行客戶群體的細(xì)分，將具有相似特點(diǎn)的客戶聚為一類，為企業(yè)針對(duì)不同客戶群體進(jìn)行客戶關(guān)系管理提供決策支持。

步驟5：交付與驗(yàn)收，分析員以可視化的表達(dá)形式向商家提供分析報(bào)告。商家得到相關(guān)分析報(bào)告后，可通過基于客戶價(jià)值、客戶購(gòu)買頻率、最近購(gòu)買時(shí)間、客戶產(chǎn)品定位、偏好平臺(tái)聚類得到的客戶群體細(xì)分特征制定個(gè)性化的營(yíng)銷方案。

通過以上步驟實(shí)現(xiàn)了對(duì)客戶價(jià)值和客戶創(chuàng)利能力精準(zhǔn)化的全面估算。此外，通過對(duì)客戶的購(gòu)買頻率分析，企業(yè)也可精確把握客戶購(gòu)買時(shí)機(jī)從而進(jìn)行精準(zhǔn)化營(yíng)銷。

5 結(jié) 語

互聯(lián)網(wǎng)時(shí)代，傳統(tǒng)企業(yè)建立在信息不對(duì)稱和特殊渠道上的銷售優(yōu)勢(shì)將被徹底顛覆，而基于信息交換與共享的資源整合及優(yōu)勢(shì)互補(bǔ)的客戶知識(shí)共享將成為勢(shì)不可當(dāng)?shù)内厔?shì)。本文通過分析電商企業(yè)跨平臺(tái)客戶知識(shí)管理中存在的問題，提出了一個(gè)基于云計(jì)算的客戶知識(shí)共享資源庫(kù)平臺(tái)的構(gòu)建方案，用三層架構(gòu)模式——云數(shù)據(jù)層、云計(jì)算層、云表現(xiàn)層搭建了平臺(tái)的主要架構(gòu)，闡述了CKSRL平臺(tái)的主要功能。建立了CKSRL平臺(tái)的運(yùn)營(yíng)服務(wù)機(jī)制，探討了跨平臺(tái)信息資源管理的方法。希望通過CKSRL的建設(shè)與應(yīng)用能在一定程度上解決電商企業(yè)客戶信息的孤島問題，有助于收集全面的客戶信息，以便深入地進(jìn)行客戶信息的分析與挖掘，為企業(yè)的精準(zhǔn)營(yíng)銷提供幫助。

[1]Goscinski A,Brock M.Toward dynamic and attribute based publication,discovery and selection for cloud computing[J].Future Generation Computer Systems,2010,26:947-970.

[2]Teregowda P,Urgaonkar B,Giles C L.Cloud computing:A digital libraries perspective[C].Cloud Computing(CLOUD),2010 IEEE 3rd International Conference on.IEEE,2010:115-122.

[3]J.Octavio Gutierrez-Garcia，Kwang-Mong Sim.(2010)Agent-Based Service Composition in Cloud Computing.Grid and Distributed Computing Control and Automation(pp 1-10).Berlin.Springer Berlin Heidelberg.

[4]Gutierrez,M.A.F..Mobile Cloud Computing based on service oriented architecture:Embracing network as a service for 3RD party application service providers.Kaleidoscope 2011:The Fully Networked Human?-Innovations for Fu-ture Networks and Services(K-2011)[C].Proceedings of ITU,2011:1-7.

[5]張鼐.云計(jì)算環(huán)境下信息資源共享模式研究[J].情報(bào)科學(xué),2010，(10):1476-1479.

[6]劉向,王偉軍,李延暉.云計(jì)算環(huán)境下信息資源集成與服務(wù)系統(tǒng)的體系架構(gòu)[J].情報(bào)科學(xué),2014,32(6):128-133.

[7]張迎新,潘善亮.基于混合模型語義Web服務(wù)匹配機(jī)制的研究與實(shí)現(xiàn)[J].寧波大學(xué)學(xué)報(bào)：理工版,2010,(3)：38-43.

[8]徐達(dá)宇,楊善林,羅賀.云計(jì)算環(huán)境下多源信息資源管理方法[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(9):2028-2039.

[9]蔣麗艷.基于云計(jì)算的圖書館信息平臺(tái)的構(gòu)建[J].現(xiàn)代情報(bào),2011,31(8):47-51.

[10]Shvachko K,Kuang H,Radia S,et al.The hadoop distributed file system[C].Mass Storage Systems and Technologies(MSST),2010 IEEE 26th Symposium on.IEEE,2010:1-10.

[11]孫玲芳,張婧.基于RFM模型和協(xié)同過濾的電子商務(wù)推薦機(jī)制[J].江蘇科技大學(xué)學(xué)報(bào):自然科學(xué)版,2010,24(3):285-289.

(本文責(zé)任編輯：馬 卓)

Construction of Customer Knowledge Sharing Resource Library Platform Based on Cloud Computing

Huang Zhangshu Li Baoyu Chen Cuiping

(School of Economics and Management，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China)

The development and maturity of cloud computing technology has brought gospel to the data sharing on cross-platform,the characteristics of super-strong computing,high storage and low cost made resources sharing became more realistic.This paper analysed the problems existing in customer information management of e-commerce companies,elaborated the construction ideas of customer knowledge sharing resource library platform based on cloud computing.Introduced its implementation from the service model,resource management and three-tier model.Described the main functions of CKSRL platform.And finally through the application of RFM model based on this platform demonstrated the feasibility of big data mining based on CKSRL platform.

knowledge sharing;resource library;cloud computing;customer management

2015-01-14

福建省社會(huì)科學(xué)規(guī)劃項(xiàng)目“大數(shù)據(jù)背景下的電商企業(yè)客戶行為分析及社交營(yíng)銷模式研究”(項(xiàng)目編號(hào)：2014 B217)。

黃章樹(1956-)，男，教授，碩士研究生導(dǎo)師，研究方向：數(shù)據(jù)挖掘、企業(yè)信息化。

10．3969/j．issn．1008-0821．2015．04．015

G250.73

A

1008-0821(2015)04-0069-06