互联网精准营销项目实战：
基于大数据技术的电商精准营销
企业在电商平台实施精准营销的第一步是更好的在电商平台上辨别目标
消费者，并根据其属性和行为进行分类。企业实施目标消费者分类的策略是：
首先，企业根据消费者在电商平台上与品牌产生的交互行为建立消费者购物阶段模型，并以此设立品牌消费者数据资产库；随后，企业将为单一消费者
建立用户画像，从多维度定义消费者。
二、 架构分析
1. 确定解决方案
1.1 确定营销目标
提升手机品牌力 ：扩大网络影响范围，提升品牌知名度。提升手机销售力：通过用户属性、用户行为、用户评价持续了解受
众用户，促进更高的销售转化。提升产品形象力：配合市场活动、促进用户好感度提升、建立信任口碑。
1.2 目标人群分析
通过构建用户画像或用户人群画像，分析用户群体的购买行为，找到用户群体对手机的关注点，定位用户的价值模型。
1.3 挖掘用户行为
基于可获取的用户行为数据进行挖掘分析，构建用户的行为画像。
1.4 锁定目标用户
通过上述数据挖掘，锁定用户对手机的关注点、锁定用户的品牌喜好、排除非目标用户。
1.5 定向精准营销
根据构建的用户画像，进行地域精准营销、兴趣精准营销、用户群体的精准营销等。
2. 实现思路
源数据获取 ---> 数据预处理 ---> 构建用户画像 ---> 数据分析---> 数据导出 ---> 数据可视化
3. 可行性分析
3.1 源数据获取
用户的基本信息、用户的网络行为日志信息较难获取（本案例数据较简单维度较少，仅供实验参考）；手机销售的历史数据、用户的评论信息可以通过爬虫获取。
3.2 数据预处理
处理无效值、缺失值、重复值以及保证数据一致性，该过程的清洗方式较多，可以实现。
3.3 构建用户画像
画像构建一般围绕以下两方面：
显性画像：即用户群体的可视化的特征描述。如目标用户的年龄、性别、职业、地域、兴趣爱好等特征
隐性画像：用户内在的深层次的特征描述。包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景、产品的使用频次等。
注：具体构建维度根据获取的源数据信息确定。
3.4 数据分析
通过 hive ql 或 spark sql 以及基本算法分析即可达到预期效果。
3.5 数据导出
数据存储方式较多，如果存储在 hdfs 分布式文件系统即可通过 sqoop
工具导出到关系库，方便后续可视化。
3.6 数据可视化
可以通过 Dsight 智慧实验室中提供的 PandaBI 可视化平台进行大屏展示。