一种基于大数据商旅运营平台的实现方法和系统与流程

1.本发明涉及大数据技术领域，具体为一种基于大数据商旅运营平台的实现方法和系统。


背景技术：

2.我国商旅市场发展迅速，高铁、民航逐渐成为出行主流，商旅也日渐成为高铁、民航等客运市场的重要组成部分，并随着“互联网 ”商业模式的快速推广，互联网已渗透到铁路、民航等客运各种服务场景，商旅用户也呈现爆发式的增长，已经积累了大量的用户行为数据。如铁路互联网售票系统(12306)上线以来注册用户已经超过4亿，乘车用户超过8亿，每天都产生海量的用户行为日志数据，铁路运营网各个站点，站车wifi运营服务、广告平台、互联网订餐等系统数据的不断规范和收集，数据中已经囊括了铁路客运多年的运营数据，包括对客运产品的清晰描述和定位、对旅客的行为收集可达“可视化”程度、对延伸产品的转化的理解等方面，急需从客运平台囊括的万千数据中，找寻适合铁路发展的数据增值应用，提高铁路客运的整体效益和服务水平。
3.通过旅客用户行为数据构建旅客用户画像系统，能够更加准确的把握旅客群体，圈定高质量旅客，针对不同的旅客群体制定个性化、差异化的营销和服务策略，在细分价值等级的旅客基础上合理配置客运资源，实现从传统的营销策略拓展为以旅客价值为依据的铁路利益最大化和旅客服务质量最优化的共赢策略。本发明基于多源大数据挖掘分析，从铁路、民航客流站点采集旅客身份信息、客流量、客流来源、停留时长、旅客轨迹等多维大数据，构建商旅群画像，力求掌握商旅群的来源省市、人群构成、景区偏好、酒店选择、交通喜好、购物倾向等特征，并构建相应的运营平台，同时形成商旅融合专题分析，为相关领域商旅发展提供技术支持。
4.本发明所涉及用户画像标签，即通过数据来分析用户目的、行为以及观点差异，以此为依据将用户分成具有不同典型特征的类型，并给每种类型取名、赋予可视化照片、一些人口统计学要素和场景描述，形成一个人物信息原型。


技术实现要素：

5.本发明的目的在于提供一种基于大数据商旅运营平台的实现方法和系统，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于大数据商旅运营平台的实现方法，其方法包括如下步骤：
7.(s1)、多源数据采集，从铁路、民航多个客运生产、服务系统以及延伸服务系统中进行数据采集，主要包含：票务系统中的实名信息、客票数据、订票存根以及出行信息，在互联网售票系统中的用户登录、查询、购票、支付日志数据，用户的基本信息，旅服相关系统中旅客的反馈数据、问题处理方式集，短信平台中的注册通知、购票通知、行程通知数据，延伸服务中的酒店预订、餐饮服务以及站车wi
‑
fi运营服务相关数据；
8.(s2)、通过旅客画像的多维综合分析，形成7维度的画像标签，其中画像标签中的特征包括客源市场特征、人口统计学特征、社会经济特征、商旅行为特征、移动应用使用行为信息、需求偏好特征和群体性差异信息；
9.(s3)、通过旅客画像标签的目标分析，并最终为用户打上标签，同时定义出来的标签根据业务的不同，可以分成事实标签、业务标签、模型标签以及反馈标签，使用旅客画像标签建立精准的“用户画像”，支撑构建出准确的用户分群，并利用机器学习算法构建出精准营销系统、预测系统、风险识别系统和征信服务系统；
10.(s4)、数据建模，并提供旅客画像标签，而进行用户标签计算是一个建模和流程化的过程，建模的方式包括直接取值、统计分析、业务规则和预测模型几种类型，然后形成旅客画像、旅客服务产品画像和渠道画像；
11.(s5)、通过移动数据分析法对画像标签的移动数据进行分析，采用大数据采集与分析技术，即lbs、app、lbs融合app以及业务规则融合机器学习人工智能技术，基于海量移动大数据，从多方面构建旅客画像，建立旅客的基本特征，包含客源市场特征、人口统计学特征、社会经济特征、商旅行为特征以及移动应用使用特征五个维度；
12.(s6)、根据标签的特征来计算模型，旅客用户画像系统标签的计算方法可以分为规则计算、统计分析、归纳总结，适于规则计算的标签有性别、年龄、籍贯，并通过身份证号码识别，而统计分析类主要包含有出行次数、购票次数、出行时间分布，同时根据业务规则通过统计计算获得，且根据用户标签属性进一步通过数学模型归纳总结用户属性；
13.(s7)、根据对外部系统进行数据采集，对采集到的数据进行数据处理并存入数据库，然后根据设计的标签对原始数据进行分析挖掘，计算出用户的标签值并存储到分布式数据库中，同时对于增量数据画像管理模块会进行计算过程调度，不断的更新用户标签，最后基于用户标签设计不同的模型对用户进行群分并对外提供服务。
14.优选的，所述步骤(s1)中，采集到的用户基本信息包括姓名、身份证号、手机号和邮箱。
15.优选的，所述步骤(s2)中，人口统计学特征包含性别、学历、年龄、婚姻以及子女方面的信息，社会经济特征主要包含资产和经济方面的信息，商旅行为特征则涉及吃、住、行、游、娱和购六要素方面。
16.优选的，所述步骤(s2)中，移动应用使用行为信息包含有经常使用的app、上网偏好以及社交软件的使用频率。
17.优选的，所述步骤(s3)中，反馈标签包含出行达人和价格敏感，模型标签包含高消费人群、目的预测以及潜在分析，而业务标签包含旅客定位、活跃度、出行等级、出行规律、接触点和出行喜好，事实标签包含人口属性、社会属性、会员属性、消费习惯、出行记录以及出行方式。
18.优选的，所述步骤(s5)中，基本信息特征涉及性别、年龄、婚姻状况、资产和活动方面，而移动信息特征涉及轨迹、定位数据、公交卡轨迹和wifi定位数据，其中还包括移动社交网络中签到轨迹以及带有gps标记的图片轨迹数。
19.优选的，所述步骤(s5)中，网络信息是从固网、移动和wifi信息网络获取各种数据源数据进行清洗，在去重、去噪以及一致性处理后，基于lbs数据、app数据、poi数据以及第三方数据进行综合处理而获得的，而lbs数据是通过电信移动运营商的无线电通讯网络或
外部定位方式获取移动终端用户的位置信息。
20.优选的，所述步骤(s5)中，对于无法直接获取的游客特征，则通过业务规则融合机器学习人工智能技术进行分析。
21.优选的，所述步骤(s6)中，计算方法包含有用户隐私标签脱敏计算和统计类标签计算。
22.一种基于大数据商旅运营平台的系统，包括旅客用户画像标签系统、商旅大数据服务支撑平台和商旅大数据智能分析平台，所述旅客用户画像标签系统包括数据传输层、数据层、业务支撑层、核心业务层和访问接入层，所述商旅大数据服务支撑平台包括数据采集模块、数据处理模块、标签建设模块、运营管理模块和对外服务模块，所述商旅大数据智能分析平台由数据分析模块和挖掘模块构成。
23.与现有技术相比，本发明的有益效果如下：
24.本发明基于多源大数据进行挖掘和分析，并从铁路、民航客流站点采集旅客身份信息、客流量、客流来源、停留时长、旅客轨迹等多维大数据，来构建商旅群画像，同时能够掌握商旅群的来源省市、人群构成、景区偏好、酒店选择、交通喜好、购物倾向等特征，构建出相应的运营平台，同时形成商旅融合专题分析，为相关领域商旅发展提供技术支持以及便利。
附图说明
25.图1为本发明旅客画像标签构建系统；
26.图2为本发明旅客画像标签的示意图；
27.图3为本发明旅客画像打标签的流程示意图；
28.图4为本发明商旅运营平台应用框架的示意图；
29.图5为本发明商旅运营平台的工作流程图。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.实施例一：
32.一种基于大数据商旅运营平台的实现方法，其方法包括如下步骤：
33.(s1)、多源数据采集，从铁路、民航多个客运生产、服务系统以及延伸服务系统中进行数据采集，主要包含：票务系统中的实名信息、客票数据、订票存根以及出行信息，在互联网售票系统中的用户登录、查询、购票、支付日志数据，用户的基本信息，旅服相关系统中旅客的反馈数据、问题处理方式集，短信平台中的注册通知、购票通知、行程通知数据，延伸服务中的酒店预订、餐饮服务以及站车wi
‑
fi运营服务相关数据，采集到的用户基本信息包括姓名、身份证号、手机号和邮箱；
34.(s2)、通过旅客画像的多维综合分析，形成7维度的画像标签，其中画像标签中的特征包括客源市场特征、人口统计学特征、社会经济特征、商旅行为特征、移动应用使用行
为信息、需求偏好特征和群体性差异信息，人口统计学特征包含性别、学历、年龄、婚姻以及子女方面的信息，社会经济特征主要包含资产和经济方面的信息，商旅行为特征则涉及吃、住、行、游、娱和购六要素方面；
35.(s3)、通过旅客画像标签的目标分析，并最终为用户打上标签，同时定义出来的标签根据业务的不同，可以分成事实标签、业务标签、模型标签以及反馈标签，使用旅客画像标签建立精准的“用户画像”，支撑构建出准确的用户分群，并利用机器学习算法构建出精准营销系统、预测系统、风险识别系统和征信服务系统，反馈标签包含出行达人和价格敏感，模型标签包含高消费人群、目的预测以及潜在分析，而业务标签包含旅客定位、活跃度、出行等级、出行规律、接触点和出行喜好，事实标签包含人口属性、社会属性、会员属性、消费习惯、出行记录以及出行方式；
36.(s4)、数据建模，并提供旅客画像标签，而进行用户标签计算是一个建模和流程化的过程，建模的方式包括直接取值、统计分析、业务规则和预测模型几种类型，然后形成旅客画像、旅客服务产品画像和渠道画像；
37.(s5)、通过移动数据分析法对画像标签的移动数据进行分析，采用大数据采集与分析技术，即lbs、app、lbs融合app以及业务规则融合机器学习人工智能技术，基于海量移动大数据，从多方面构建旅客画像，建立旅客的基本特征，包含客源市场特征、人口统计学特征、社会经济特征、商旅行为特征以及移动应用使用特征五个维度，基本信息特征涉及性别、年龄、婚姻状况、资产和活动方面，而移动信息特征涉及轨迹、定位数据、公交卡轨迹和wifi定位数据，其中还包括移动社交网络中签到轨迹以及带有gps标记的图片轨迹数；
38.(s6)、根据标签的特征来计算模型，旅客用户画像系统标签的计算方法可以分为规则计算、统计分析、归纳总结，适于规则计算的标签有性别、年龄、籍贯，并通过身份证号码识别，而统计分析类主要包含有出行次数、购票次数、出行时间分布，同时根据业务规则通过统计计算获得，且根据用户标签属性进一步通过数学模型归纳总结用户属性；
39.(s7)、根据对外部系统进行数据采集，对采集到的数据进行数据处理并存入数据库，然后根据设计的标签对原始数据进行分析挖掘，计算出用户的标签值并存储到分布式数据库中，同时对于增量数据画像管理模块会进行计算过程调度，不断的更新用户标签，最后基于用户标签设计不同的模型对用户进行群分并对外提供服务。
40.实施例二：
41.一种基于大数据商旅运营平台的实现方法，其方法包括如下步骤：
42.(s1)、多源数据采集，从铁路、民航多个客运生产、服务系统以及延伸服务系统中进行数据采集，主要包含：票务系统中的实名信息、客票数据、订票存根以及出行信息，在互联网售票系统中的用户登录、查询、购票、支付日志数据，用户的基本信息，旅服相关系统中旅客的反馈数据、问题处理方式集，短信平台中的注册通知、购票通知、行程通知数据，延伸服务中的酒店预订、餐饮服务以及站车wi
‑
fi运营服务相关数据，采集到的用户基本信息包括姓名、身份证号、手机号和邮箱；
43.(s2)、通过旅客画像的多维综合分析，形成7维度的画像标签，其中画像标签中的特征包括客源市场特征、人口统计学特征、社会经济特征、商旅行为特征、移动应用使用行为信息、需求偏好特征和群体性差异信息，人口统计学特征包含性别、学历、年龄、婚姻以及子女方面的信息，社会经济特征主要包含资产和经济方面的信息，商旅行为特征则涉及吃、
住、行、游、娱和购六要素方面，移动应用使用行为信息包含有经常使用的app、上网偏好以及社交软件的使用频率；
44.(s3)、通过旅客画像标签的目标分析，并最终为用户打上标签，同时定义出来的标签根据业务的不同，可以分成事实标签、业务标签、模型标签以及反馈标签，使用旅客画像标签建立精准的“用户画像”，支撑构建出准确的用户分群，并利用机器学习算法构建出精准营销系统、预测系统、风险识别系统和征信服务系统，反馈标签包含出行达人和价格敏感，模型标签包含高消费人群、目的预测以及潜在分析，而业务标签包含旅客定位、活跃度、出行等级、出行规律、接触点和出行喜好，事实标签包含人口属性、社会属性、会员属性、消费习惯、出行记录以及出行方式；
45.(s4)、数据建模，并提供旅客画像标签，而进行用户标签计算是一个建模和流程化的过程，建模的方式包括直接取值、统计分析、业务规则和预测模型几种类型，然后形成旅客画像、旅客服务产品画像和渠道画像；
46.(s5)、通过移动数据分析法对画像标签的移动数据进行分析，采用大数据采集与分析技术，即lbs、app、lbs融合app以及业务规则融合机器学习人工智能技术，基于海量移动大数据，从多方面构建旅客画像，建立旅客的基本特征，包含客源市场特征、人口统计学特征、社会经济特征、商旅行为特征以及移动应用使用特征五个维度，基本信息特征涉及性别、年龄、婚姻状况、资产和活动方面，而移动信息特征涉及轨迹、定位数据、公交卡轨迹和wifi定位数据，其中还包括移动社交网络中签到轨迹以及带有gps标记的图片轨迹数，网络信息是从固网、移动和wifi信息网络获取各种数据源数据进行清洗，在去重、去噪以及一致性处理后，基于lbs数据、app数据、poi数据以及第三方数据进行综合处理而获得的，而lbs数据是通过电信移动运营商的无线电通讯网络或外部定位方式获取移动终端用户的位置信息；
47.(s6)、根据标签的特征来计算模型，旅客用户画像系统标签的计算方法可以分为规则计算、统计分析、归纳总结，适于规则计算的标签有性别、年龄、籍贯，并通过身份证号码识别，而统计分析类主要包含有出行次数、购票次数、出行时间分布，同时根据业务规则通过统计计算获得，且根据用户标签属性进一步通过数学模型归纳总结用户属性；
48.(s7)、根据对外部系统进行数据采集，对采集到的数据进行数据处理并存入数据库，然后根据设计的标签对原始数据进行分析挖掘，计算出用户的标签值并存储到分布式数据库中，同时对于增量数据画像管理模块会进行计算过程调度，不断的更新用户标签，最后基于用户标签设计不同的模型对用户进行群分并对外提供服务。
49.实施例三：
50.一种基于大数据商旅运营平台的实现方法，其方法包括如下步骤：
51.(s1)、多源数据采集，从铁路、民航多个客运生产、服务系统以及延伸服务系统中进行数据采集，主要包含：票务系统中的实名信息、客票数据、订票存根以及出行信息，在互联网售票系统中的用户登录、查询、购票、支付日志数据，用户的基本信息，旅服相关系统中旅客的反馈数据、问题处理方式集，短信平台中的注册通知、购票通知、行程通知数据，延伸服务中的酒店预订、餐饮服务以及站车wi
‑
fi运营服务相关数据，采集到的用户基本信息包括姓名、身份证号、手机号和邮箱；
52.(s2)、通过旅客画像的多维综合分析，形成7维度的画像标签，其中画像标签中的
特征包括客源市场特征、人口统计学特征、社会经济特征、商旅行为特征、移动应用使用行为信息、需求偏好特征和群体性差异信息，人口统计学特征包含性别、学历、年龄、婚姻以及子女方面的信息，社会经济特征主要包含资产和经济方面的信息，商旅行为特征则涉及吃、住、行、游、娱和购六要素方面，移动应用使用行为信息包含有经常使用的app、上网偏好以及社交软件的使用频率；
53.(s3)、通过旅客画像标签的目标分析，并最终为用户打上标签，同时定义出来的标签根据业务的不同，可以分成事实标签、业务标签、模型标签以及反馈标签，使用旅客画像标签建立精准的“用户画像”，支撑构建出准确的用户分群，并利用机器学习算法构建出精准营销系统、预测系统、风险识别系统和征信服务系统，反馈标签包含出行达人和价格敏感，模型标签包含高消费人群、目的预测以及潜在分析，而业务标签包含旅客定位、活跃度、出行等级、出行规律、接触点和出行喜好，事实标签包含人口属性、社会属性、会员属性、消费习惯、出行记录以及出行方式；
54.(s4)、数据建模，并提供旅客画像标签，而进行用户标签计算是一个建模和流程化的过程，建模的方式包括直接取值、统计分析、业务规则和预测模型几种类型，然后形成旅客画像、旅客服务产品画像和渠道画像；
55.(s5)、通过移动数据分析法对画像标签的移动数据进行分析，采用大数据采集与分析技术，即lbs、app、lbs融合app以及业务规则融合机器学习人工智能技术，基于海量移动大数据，从多方面构建旅客画像，建立旅客的基本特征，包含客源市场特征、人口统计学特征、社会经济特征、商旅行为特征以及移动应用使用特征五个维度，基本信息特征涉及性别、年龄、婚姻状况、资产和活动方面，而移动信息特征涉及轨迹、定位数据、公交卡轨迹和wifi定位数据，其中还包括移动社交网络中签到轨迹以及带有gps标记的图片轨迹数，网络信息是从固网、移动和wifi信息网络获取各种数据源数据进行清洗，在去重、去噪以及一致性处理后，基于lbs数据、app数据、poi数据以及第三方数据进行综合处理而获得的，而lbs数据是通过电信移动运营商的无线电通讯网络或外部定位方式获取移动终端用户的位置信息，对于无法直接获取的游客特征，则通过业务规则融合机器学习人工智能技术进行分析；
56.(s6)、根据标签的特征来计算模型，旅客用户画像系统标签的计算方法可以分为规则计算、统计分析、归纳总结，适于规则计算的标签有性别、年龄、籍贯，并通过身份证号码识别，而统计分析类主要包含有出行次数、购票次数、出行时间分布，同时根据业务规则通过统计计算获得，且根据用户标签属性进一步通过数学模型归纳总结用户属性，计算方法包含有用户隐私标签脱敏计算和统计类标签计算；
57.(s7)、根据对外部系统进行数据采集，对采集到的数据进行数据处理并存入数据库，然后根据设计的标签对原始数据进行分析挖掘，计算出用户的标签值并存储到分布式数据库中，同时对于增量数据画像管理模块会进行计算过程调度，不断的更新用户标签，最后基于用户标签设计不同的模型对用户进行群分并对外提供服务。
58.本发明基于多源大数据进行挖掘和分析，并从铁路、民航客流站点采集旅客身份信息、客流量、客流来源、停留时长、旅客轨迹等多维大数据，来构建商旅群画像，同时能够掌握商旅群的来源省市、人群构成、景区偏好、酒店选择、交通喜好、购物倾向等特征，构建出相应的运营平台，同时形成商旅融合专题分析，为相关领域商旅发展提供技术支持以及
便利。
59.1、旅客用户画像标签系统
60.(1)数据传输层，主要用于数据采集以及数据对业务系统提供数据服务，实时或准实时的将客运各个信息系统内的数据采集到客运用户画像系统的数据层，并将经过深入分析的数据输出到外部系统，供外部系统营销决策或者风险控制；
61.(2)数据层，用于存储和管理本系统的相关数据，通过数据传输层的接口获取外部数据，并为业务层提供数据支撑；
62.(3)业务支撑层，主要包括应用开发平台(如：报表工具、olap引擎、数据分析引擎、etl工具等)和中间件(应用服务器、消息中间件、web服务器、工作流等)。通过应用支撑客运用户画像系统实现数据和应用的集成；
63.(4)核心业务层，包括数据、标签、运营和服务四个方面的功能模块，如数据清洗与导入、标签管理、资源管理、调度管理、服务管理等；
64.(5)访问接入层，通过业务门户、接口服务、客户端的形式，为各类业务人员提供应用功能。
65.2、商旅大数据服务支撑平台
66.在旅客画像标签系统的基础上，实现数据采集、数据处理、分析挖掘、标签建设、画像管理、画像分析、对外服务七大功能模块；
67.数据采集模块，主要是针对客运信息系统实时或准实时的进行数据采集；
68.数据处理模块对旅客画像系统获取的数据进行转码、清洗、脱敏、入库、关联等处理，为用户标签的赋值提供数据基础；
69.标签建设模块是对旅客用户画像系统的标签进行管理，包括用户标签上下线、计算方法、统计周期等；
70.运营管理模块是系统自动获取、识别客票系统、营销系统每日新增的生产数据，根据标签计算周期对用户标签重新计算、赋值；
71.对外服务模块是为用户或其他业务系统提供用户画像标签的查询服务。
72.3、商旅大数据智能分析平台
73.数据分析和挖掘，提供多维数据库的建立、数据分析方法和工具，挖掘隐藏在数据间的相互关系，利用数据的相互关系找出规律，建立模型，并用此模型预测未来数据趋势，最后为领导决策提供依据。
74.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
75.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。