您现在的位置是:课程
Flink/Clickhouse/Hbase整合实现的企业级实时规则营销系统
2023-06-29 21:11课程 人已围观
背景介绍
- 本项目是一个将大数据技术综合运用于核心业系统的经典案例
- 项目的目标功能:提供可动态制定规则的实时营销消息推送
- 项目的可扩展适配场景:实时推荐,实时风控,实时精准广告推送等
需求示例
通过如下示例,可以对项目所适配的需求进行直观理解
运营消息推送(市场营销)
试想场景(1):公司想对沉默用户进行送券激活
- 2021-02月至2021-05月之间
- 消费总额<500
- 且月平均访问次数<4
- 且性别为男
- 年龄阶段在20-40之间的会员
只要发现他登录app,则立马给他在app上弹出一个“购物满100减60”的消息,并赠送该优惠券
试想场景(2):公司想对某品类下的购买犹豫潜客进行促单
最近一周内,该用户依次做过如下行为
- 浏览过移动硬盘品类的商品
- 收藏过移动硬盘品类的商品
- 点击过移动硬盘品类的运营位广告
- 添加过移动硬盘品类商品到购物车
只要发现他再次浏览移动硬盘品类的商品,则立马给它推送一个“限时折扣购买希捷移动硬盘”的短信
其他类似场景示意
实时规则风控(风控系统)
-
用户名与身份证姓名不一致;
-
某IP最近1小时注册账号数超过10个;
-
某账号最近3分钟登陆次数大于5次;
-
某账号群体最近1小时购买优惠商品超过100件;
-
某账号最近3分钟领券超过3张;
实时规则推荐(推荐系统)
实时广告智能投放(广告推送)
总结:一切皆规则;一切皆动态规则
项目整体架构
核心模块
- 动态规则注入系统
- 动态规则计算引擎
- 查询缓存系统
管理模块
-
规则管理后端服务
-
规则平台前端系统
监控模块
- 规则系统运行状况分析系统
关联模块
-
实时用户画像系统
-
实时运营数据分析系统
项目关键要点
-
在flink程序中如何实现动态规则注入和加载
-
如何支撑规则判断计算中所产生的的高并发海量数据实时分析查询
-
如何实现各种规则模型下底层计算逻辑的在线扩展
-
如何实现规则定义的人性化
上一篇:Python计量实训营